頑張らないために頑張る
ゆるく頑張ります
GitHub copilotのモデル一覧と用途別推奨モデル
概要 〜コストと性能から考える最適な使い分け戦略〜
GitHub Copilotでは複数のAIモデルが選択可能ですが、用途に応じて最適なモデルを選択することが重要です。しかし、「結局どれを使えばいいのか？」に悩む方は多いはずです。以下に、GitHub Copilotのモデル一覧と、用途別の推奨モデルをまとめました。
なお、この一覧は2026年6月時点のもので、モデルの追加や価格変更がある可能性があります。最新情報は公式ドキュメントを参照してください。
はじめに ～モデルの違い～
Copilotはモデルごとに以下が大きく異なります。
- 精度（推論力・コード品質）
- 速度（応答の速さ）
- コスト（トークン単価）
特に重要なのはコスト差で、モデルによっては最大50倍の価格差があります（後述）。
モデルコスト一覧（昇順）
以下は入力トークン単価ベースで並べたものです。
最安クラス
| モデル | 入力 | 出力 | 特徴 |
|---|---|---|---|
| GPT-5.4 nano | $0.20 | $1.25 | 最安・最低性能 |
| GPT-5 mini | $0.25 | $2.00 | コスパ最強 |
| Raptor mini | $0.25 | $2.00 | 高速補完 |
低コストクラス
| モデル | 入力 | 出力 | 特徴 |
|---|---|---|---|
| Gemini 3 Flash | $0.50 | $3.00 | 軽量・高速 |
| MAI-Code-1-Flash | $0.75 | $4.50 | 実務向け |
| GPT-5.4 mini | $0.75 | $4.50 | 軽量高性能 |
中コスト
| モデル | 入力 | 出力 | 特徴 |
|---|---|---|---|
| Claude Haiku 4.5 | $1.00 | $5.00 | 軽量Claude |
| Gemini 2.5 Pro | $1.25 | $10.00 | 中性能 |
| Gemini 3.5 Flash | $1.50 | $9.00 | バランス |
| GPT-5.3-Codex | $1.75 | $14.00 | 高品質コード |
高コスト
| モデル | 入力 | 出力 | 特徴 |
|---|---|---|---|
| Gemini 3.1 Pro | $2.00 | $12.00 | 高度推論 |
| GPT-5.4 | $2.50 | $15.00 | 汎用上位 |
| Claude Sonnet | $3.00 | $15.00 | バランス高 |
超高コスト
| モデル | 入力 | 出力 | 特徴 |
|---|---|---|---|
| GPT-5.5 | $5.00 | $30.00 | 最上位 |
| Claude Opus | $5.00 | $25.00 | 高度推論 |
最高コスト
| モデル | 入力 | 出力 | 特徴 |
|---|---|---|---|
| Claude Fable 5 | $10.00 | $50.00 | 最強モデル |
Fable 5は現在提供を停止していますが、復活する可能性があるため参考までに掲載しています。
一目で分かるコスト差
GPT-5.4 nano ($0.20)
↓
Claude Fable 5 ($10.00)
= 約50倍モデル選択を間違えるとコストが爆発します
用途別：最適モデル（実務ベース）
ここが一番重要です。
普段の開発（80〜90%の作業）
最適
- GPT-5 mini
- MAI-Code-1-Flash
理由
- 高速・低コスト・十分な精度
- デフォルト用途に最適
とりあえず GPT-5 mini を使えばOK
軽作業（小さな関数・質問）
最適
- Claude Haiku
- Gemini Flash
理由
- 応答が速い
- コスト効率が良い
速度重視なら Haiku / Flash
実務レベルの開発
最適
- GPT-5.3-Codex
- Claude Sonnet
理由
- コード品質が高い
- リファクタリング・設計にも対応
品質を上げたいときだけ切替
重いデバッグ・設計
最適
- GPT-5.5
- Claude Opus
- Gemini Pro
理由
- 多段推論・複雑分析に対応
難問専用（常用禁止）
超コスト重視
最適
- GPT-5.4 nano
理由
- 最安
- 品質は最低限
単純なタスクの大量処理専用
エンジニア向け実務戦略（重要）
ベストプラクティス
デフォルト固定
- GPT-5 mini を基本にする
必要なときだけ切替
| 状況 | モデル |
|---|---|
| 軽い | Haiku / Flash |
| 普通 | GPT-5 mini |
| 少し難しい | Codex / Sonnet |
| 難しい | GPT-5.5 / Opus |
コスト最適化
普段：安いモデル（90%）
難問：高性能（10%）これだけで大幅にコスト削減可能。
ケーススタディ ～プロンプト例とモデル選択ガイド～
以下では、プロンプト難易度ごとの具体例を新たに作成しつつ、「実務での実測に近いコスト感」＋「モデル別の結果品質」を整理します。 （※トークン量は実務でよくある規模をもとにした現実的な近似）。
ケース①：軽作業（テキスト・単一ファイル編集）
プロンプト例（低難易度）
docs仕様書.md内の「エラーハンドリング」セクションから
try-catchの説明部分だけ削除し、構成を整えて出力せよ想定規模
- 入力：1,200 tokens
- 出力：600 tokens
コスト＆品質
| モデル | コスト | 品質 |
|---|---|---|
| GPT-5.4 nano | 約 $0.6 | △ 文崩れ・削除ミスあり |
| GPT-5 mini | 約 $0.7 | ◎ 十分安定 |
| Claude Haiku | 約 $3〜4 | ◎ 速い・正確だが割高 |
| GPT-5.5 | 約 $25 | ◎ 過剰 |
解説
- テキスト操作は推論不要
- 精度差はほぼ出ない
最適
GPT-5 mini
NG
高性能モデル（完全無駄）
ケース：画面UI改修（軽いコード生成）
プロンプト例（やや低～中難易度）
Reactの既存ログイン画面に「パスワード可視化トグル」と
ログイン失敗時のトースト通知を追加せよ。
既存の状態管理を維持せよ。想定規模
- 入力：3,000 tokens
- 出力：1,800 tokens
コスト＆品質
| モデル | コスト | 品質 |
|---|---|---|
| GPT-5 mini | 約 $2 | ○ 軽微な修正必要 |
| MAI-Code | 約 $4 | ◎ 実務レベル |
| GPT-5.3 Codex | 約 $15 | ◎ 高品質 |
| Claude Sonnet | 約 $18 | ◎ UI理解強い |
| GPT-5.5 | 約 $70 | ◎ 過剰 |
解説
- UI＋状態管理で中程度の理解力が必要
- miniだと微調整が必要になることあり
最適
MAI-Code / GPT-5 mini（軽量）
Codex / Sonnet（品質重視）
ケース：API設計＋バックエンド実装
プロンプト例（中難易度）
注文管理APIを新規実装せよ。
CRUDに加え、ステータス変更時のイベント発火と
監査ログの保存も実装すること。
既存のRepositoryパターンに従うこと。想定規模
- 入力：6,000 tokens
- 出力：4,000 tokens
コスト＆品質
| モデル | コスト | 品質 |
|---|---|---|
| GPT-5 mini | 約 $3.5 | △ 設計が浅い |
| MAI-Code | 約 $8 | ○ 実装可能だが粗い |
| GPT-5.3 Codex | 約 $35 | ◎ 実務品質 |
| Claude Sonnet | 約 $40 | ◎ 設計込みで優秀 |
| GPT-5.5 | 約 $150 | ◎ 完璧だが高い |
解説
- 設計 + 実装で思考力が必要
- mini系では破綻しやすい
最適
GPT-5.3 Codex / Claude Sonnet
ケース：大規模デバッグ（複数要因）
プロンプト例（高難易度）
決済処理でランダムに二重請求が発生する問題を調査せよ。
ログ、非同期処理、トランザクション境界を考慮し、
原因特定と修正案を提示せよ。想定規模
- 入力：12,000 tokens
- 出力：6,000 tokens
コスト＆品質
| モデル | コスト | 品質 |
|---|---|---|
| GPT-5 mini | 約 $6 | ✕ 誤推論多い |
| GPT-5.3 Codex | 約 $55 | △ 一部不完全 |
| Claude Sonnet | 約 $70 | ◎ 実務レベル |
| GPT-5.5 | 約 $300 | ◎ 高精度 |
| Claude Opus | 約 $280 | ◎ 最強クラス |
解説
- 非同期＋状態管理＋ログ分析 →高い推論力必須
最適
Claude Sonnet（コスパ）
GPT-5.5 / Opus（最難）
ケース：大量ログ分析（バッチ処理）
プロンプト例（計算量高・思考軽）
10万件のアクセスログを解析し、
エラー種別ごとに分類し、ランキングを出力せよ。想定規模
- 入力：40,000 tokens
- 出力：12,000 tokens
コスト＆品質
| モデル | コスト | 品質 |
|---|---|---|
| GPT-5.4 nano | 約 $30 | △ 粗い |
| GPT-5 mini | 約 $40 | ○ 実用 |
| GPT-5.3 Codex | 約 $180 | ◎ 高精度だが高すぎ |
解説
- 処理量は多いが推論は軽い
最適
GPT-5 mini
->節約 nano
最終まとめ（実務でのリアル）
コスト感（現実）
| タスク | コスト |
|---|---|
| 軽作業 | $0.5〜1 |
| UI改修 | $2〜5 |
| API開発 | $8〜40 |
| デバッグ | $50〜300 |
| 大量処理 | $30〜100 |
最適なモデル選択ルール
軽い → GPT-5 mini
普通 → MAI / Codex
重い → Sonnet
最難 → GPT-5.5よくある失敗
- 「全部GPT-5.5でやる」 → コスト爆発
正解
90% → GPT-5 mini
8% → Codex / Sonnet
2% → GPT-5.5まとめ
結論
- モデル選択でコストは最大50倍差
- デフォルトはGPT-5 mini
- 難易度でモデルを切り替えるのが最適
一言で
「普段は安く、難しいときだけ強いモデル」
最終推奨構成（実務）
| 役割 | モデル |
|---|---|
| デフォルト | GPT-5 mini |
| 軽作業 | Haiku / Flash |
| 開発強化 | Codex / Sonnet |
| 難問 | GPT-5.5 / Opus |