Lumi を支える AI モデル
Lumi は Anthropic、OpenAI、Google の主要な AI モデルを利用しています。すべてのリクエストを 1 つのモデルに送るのではなく、スマートルーティングがモデルのキャッシュをできるだけ再利用しながら、リクエストの内容とプロジェクトの現在の状態に合った最適なモデルを選びます。各タスクを最も得意なモデルに任せながら、チャットポイントも節約できます。
スマートルーティングの仕組み
リクエストを理解する
返信の前に、Lumi は何を求められているかを判断します。文言やスタイルの小さな変更なのか、新機能の追加なのか、大規模なリファクタリングなのか、新しい計画づくりなのかを見極めます。
最適なモデルを選ぶ
タスクの内容と、画像の添付、プランモードかどうか、まだ解決していない問題があるかといった状況に応じて、Lumi はそれを処理するのに最も適したモデルを選びます。
モデルのキャッシュを再利用する
同じプロジェクトで続けて作業するときは、プロジェクトの内容をすでにキャッシュしているモデルをできるだけ使い続けるため、毎回すべてを読み直す必要がありません。返信が速くなり、チャットポイントの消費も少なくなります。モデルが使えないときは、自動で予備のモデルに切り替えます。
Lumi が使うモデル
2026 年 11 月時点。
Anthropic
Claude Fable 5.1
Anthropic で最も高性能なモデル。最も難しい推論や、長く多段階にわたるコーディング作業に向いています。
Claude Opus 5.5
複雑なフロントエンド開発や、大規模なコードベースにまたがる多段階の変更が得意です。
Claude Sonnet 5.5
バランスがよくツールの扱いも安定しており、複雑な機能や大きめのリファクタリングに適しています。
OpenAI
GPT-6 Astra
OpenAI で最も高性能なモデル。難しい問題の深い推論を得意とします。
GPT-6.1 Sol
推論、計画、難しいバグの調査が得意で、プランモードに向いています。
GPT-6.1 Terra
高速な推論に加え、長いコンテキストと画像の理解に対応しています。
Gemini 4 Argon
Google で最も高性能なモデル。長いコンテキストに対応し、マルチモーダル理解に優れています。
モデルの比較
各モデルが最も得意なこと。どのモデルも約 100 万トークンのコンテキストを一度に扱えます。Kimi K3.1 Pro と Gemini 4 Carbon は比較のためだけに掲載しています。
| モデル | 開発元 | 得意なこと | Lumi で利用 |
|---|---|---|---|
| Claude Fable 5.1 | Anthropic | 最も難しい推論と、長く多段階にわたるコーディング | はい |
| Claude Opus 5.5 | Anthropic | 複雑なフロントエンド開発と大規模なコードベース | はい |
| Claude Sonnet 5.5 | Anthropic | 安定したツールの扱いで、複雑な機能やリファクタリングに対応 | はい |
| GPT-6 Astra | OpenAI | 難しい問題の深い推論 | はい |
| GPT-6.1 Sol | OpenAI | 計画づくりと難しいバグの調査 | はい |
| GPT-6.1 Terra | OpenAI | 高速な推論と画像の理解 | はい |
| Gemini 4 Argon | 長いコンテキストとマルチモーダル理解 | はい | |
| Kimi K3.1 Pro | Moonshot AI | オープンウェイトのモデル。コーディングと 3D モデリングが得意 | 比較のみ |
| Gemini 4 Carbon | 長時間のタスクとサイバーセキュリティ。段階的に公開中 | 比較のみ |
よくある質問
モデルを自分で選べますか？
選ぶ必要はありません。Lumi がリクエストごとに最適なモデルを自動で選ぶので、作りたいものを伝えることに集中できます。
コーディングに最も向いている AI モデルはどれですか？
タスクによって異なります。Claude Opus 5.5 と Claude Fable 5.1 はフロントエンド開発と大規模なコードベース、GPT-6.1 Sol は計画づくりとバグの調査、Gemini 4 Argon は長いコンテキストと画像の理解が得意です。Lumi では自分で選ぶ必要はありません。スマートルーティングがリクエストごとにモデルを選びます。
Lumi はどのようにチャットポイントを節約しますか？
消費ポイントはモデルとリクエストの作業量によって決まります。Lumi はモデルのキャッシュをできるだけ再利用するため、モデルがすでに読んだプロジェクトの内容を再び処理する必要がなく、同じプロジェクトで続けて依頼するときのポイント消費が少なくなります。
なぜ 1 つのモデルですべてを処理しないのですか？
モデルごとに、コーディング、推論、画像理解、速度の得意分野が異なります。タスクに合わせてモデルを選ぶほうが、どれか 1 つのモデルだけを使うより良い結果が得られます。
Lumi で作り始める