なぜ、GPTのTerra以下、ClaudeのSonnet以下、Geminiの全部に価値が無いのか？

2026年現在、大規模言語モデルは露骨な階層商品になっている。最上位モデルから低価格モデルまで揃い、業界の説明では「複雑な仕事には上位モデル、簡単な仕事には安価なモデル」という使い分けが合理的に見える。しかしITエンジニアが自分の知的作業にAIを使う場合、この価格階層はかなり意味を失う。考える必要がある仕事なら最初から最も強いAIを使うべきであり、考える必要がない仕事ならAIそのものを使う必要が薄いからだ。そこで浮かび上がるのは、GPT のTerra以下、ClaudeのSonnet以下、Geminiの多くには、高度な知的作業を行うエンジニアの対話相手として積極的に選ぶ価値がほぼないという現実である。弱いモデルの本当の問題は正答率ではなく自己修正能力にある。初動で「これはA という問題だ」と誤認したモデルが、その前提のまま長時間考えても、良い結果にはならない。むしろ誤った仮説の上に整合的な説明を積み重ね、単純な誤答を精巧な誤答へ変えてしまう。強いAIとは単に間違いが少ないAIではなく、間違ったときにそれを長く保持しないAIだ。この能力が一定水準を下回るモデルは、人間から見れば「仕事を任せられる人」ではなく「仕事をさせた後で考え方まで確認しなければならない人」になる。もっともらしい文章や設計を疑い、原因を調べ、修正し、前提まで遡って確認する。その過程で人間は「AIを使っている」のではなく「AIの上司をしている」。見かけの単価より、この認知負債のほうが深刻なのだ。ITエンジニアにとってはさらに厳しい現実がある。一度だけ深く考える必要がある仕事は強いAIに任せ、何度も繰り返す仕事は強いAIにプログラムを書かせて自動化する。1000個のJSONから項目を取り出したい、毎日同じデータを加工したい、といった作業はスクリプト化が合理的だからだ。その中間にいるTerraやLunaのような安価なモデルは、見事に居場所を失う。単純作業はコードが食い、思考作業は最上位AIが食うのだ。見るべき価格は100万トークン当たりの単価ではなく、目的を達成するまでに人間とAIを合わせていくらの認知資源を消費したかなのだ。強いモデルに金を払う意味は、この保守作業を減らすところにある。