推論モデル（Reasoning Model）Reasoning Model　—　読み：すいろんもでる

推論モデル（Reasoning Model）は、答える前に考える時間を多めに取るように設計されたAIモデルです。すぐに答えを返すのではなく、途中の筋道を組み立ててから結論を出すため、手順の多い課題や条件の多い判断に向きます。このページでは、定義・仕組み・出典・使い分け・プロンプト例・FAQ をまとめて解説します。

① 「考える」工程を分けて持つ

通常のモデルは、入力を受けたら次の一語を順に選び、そのまま答えを書き出します。推論モデルは、答えを書き始める前に内部で筋道を組み立てる工程を持ち、その結果を踏まえて最終的な回答をまとめます。利用者から見えるのは最終的な回答ですが、裏側では検討の時間が確保されています。

② 何が得意になるのか

手順が複数ある計算、条件が絡み合う判断、長い資料の中から根拠を拾って整合させる作業は、途中の筋道を立てられるかどうかで結果が変わります。推論モデルはこの種の課題で力を発揮しやすい一方、挨拶文の作成や言い換えのように、考える余地がほとんどない作業では差が出にくくなります。

③ 代わりに何を払うのか

考える時間を取るぶん、回答までの待ち時間は長くなり、消費する計算資源も増える傾向があります。大量の定型処理を流す場面では、すべてを推論モデルに任せるより、定型は通常のモデル、判断が要る部分だけ推論モデル、と役割を分けたほうが全体の待ち時間と費用を抑えやすくなります。処理の分量と費用の考え方は トークン の項目も参考になります。

④ 指示の書き方が変わる

推論モデルは自分で筋道を立てるため、「ステップごとに考えてから答えてください」といった手順の指示を重ねると、かえって冗長になることがあります。まずは目的・制約・出力の形を明確に伝え、考え方の指定は必要な範囲にとどめるのが基本です。また、途中の検討は要約されて返ることもあるため、根拠を確認したい場合は「結論と、その根拠になった箇所を分けて示す」よう依頼します。思考の連鎖（Chain-of-Thought） はこの考え方の土台になった手法です。

「考える工程を挟むと正答率が上がる」という考え方は、思考の連鎖（Chain-of-Thought）として整理された研究にさかのぼります。その後、指示文の工夫ではなく、モデル側が推論時に計算を追加で使う設計として実装されるようになりました。現在は各社が同系統のモデルを提供しており、待ち時間・費用・精度のバランスをどう取るかが実務上の論点になっています。教材としては、OpenAI Academy が「仕事でAIを使う」ための習慣として指示の書き方と結果の見直しを扱っており、DeepLearning.AI もエージェント設計の前提として推論の扱いを講義に含めています。

• OpenAI Academy（公式・役割別の学習コンテンツ）
• DeepLearning.AI「Courses」（公式コース一覧）
• Learn Prompting「How to Solve Problems Using Generative AI」

• LLM（大規模言語モデル）
• Chain-of-Thought（思考の連鎖）
• プロンプトエンジニアリング
• 温度（Temperature）
• トークン
• ハルシネーション（AI 幻覚）
• AIエージェント
• コンテキストウィンドウ
• チュートリアル：推論モデルに任せる作業を選ぶ →

用語同士は相互リンクされています。未掲載の用語は用語一覧の該当項目へリンクします。

実務でそのまま使えるプロンプト例です。コピーして〔　〕内を置き換えてください。同じカードはプロンプト集にも掲載されています。

これからAIに任せたい作業を3つ挙げます。それぞれについて、
「考える工程が必要か」「手順が複数あるか」「条件の衝突があり得るか」を判定し、
表（作業／判定／理由／任せ方）にまとめてください。
任せ方の欄は「通常のモデル」「推論モデル」「人」から選んでください。

作業1：（ここに書く）
作業2：（ここに書く）
作業3：（ここに書く）

次の資料を読み、質問に答えてください。
答えは「結論」「根拠（資料内の該当箇所の引用）」「確信度（高・中・低）」の3つに分けて書いてください。
資料に書かれていないことは推測で補わず、「記載なし」と明記してください。

資料：（ここに貼る）
質問：（ここに書く）

次の作業手順を読んで、抜け・順序の誤り・判断基準の曖昧さを指摘してください。
指摘は「該当する手順番号／問題の種類／なぜ問題か／修正案」の4列の表にしてください。
問題がない手順は行を作らないでください。

手順：（ここに貼る）

• OpenAI Academy（公式サイト）
• DeepLearning.AI「Courses」
• Learn Prompting「The Learn Prompting Method」

定義・出典の記述は一次資料に基づきます。リンク先の内容は公開時点のものです。

推論モデルは、答える前に筋道を組み立てる工程を持つモデルです。手順や条件の多い課題に向く一方、待ち時間と費用は増えます。すべてを置き換えるのではなく、定型は通常のモデル、判断が要る部分だけ推論モデル、と切り分けるのが実務的です。過程は見えない前提で、結論と根拠を分けて出させ、人が確かめる工程を残してください。

• 条件の衝突や手順の抜けを扱う作業に向く
• 簡単な作業では差が出ず、待ち時間だけ増えることがある
• 結論・根拠・確信度を分けて出させると検証しやすい