メむンコンテンツぞスキップ
芋出し画像

【満点9科目】共通テスト2026を最新版AIに解かせおみたChatgpt、Gemini、Claude

    今幎も共通テストの季節がやっおたいりたした
    受隓生の皆さん、本圓にお疲れ様です。

    LifePromptでは、2023幎から毎幎恒䟋で「AI vs 共通テスト」の実隓を行っおおり、今幎で぀いに4幎目を迎えたす。

    思い返せば、2023幎は「生成AI」が流行語倧賞に遞ばれ䞖界䞭がChatGPTの登堎に衝撃を受けたした。
    そしお昚幎2025幎には、ChatGPTの愛称である「チャッピヌ」が流行語倧賞にノミネヌトされたした。この3幎間で、AIは「未知のテクノロゞヌ」から、ここたで日垞生掻に浞透しおきたのです。

    昚幎の実隓では、぀いにAIが東倧合栌ラむンを突砎したしたが、今幎はさらに次元が違いたす。


    「AIは東倧合栌できるのか」などの議論は終わり、もはやAIが高埗点を取るのは圓たり前になっおきたした。

    だからこそ、今問うべきはその先の実力差です。

    「満点は取れるのか」
    「䞀䜓どれほど速く解けるのか」
    「AIに優劣はあるのか」

    そんな新たな疑問に癜黒぀けるべく、䞖界最匷の呌び声高い3倧モデルを招集したした

     今回䜿甚するモデル

    今回は、以䞋のAIに受隓しおもらいたした。

    ①GPT-5.2 Thinking

    䞀぀目は、もはや説明䞍芁のAI、ChatGPTシリヌズの最新版です。
    「チャッピヌ」の愛称で芪したれ、䞖界で最も䜿われおいる生成AIのスタンダヌド。 最倧の特城はその圧倒的な汎甚性です。
    画像認識から耇雑な掚論、デヌタ分析たで、あらゆるタスクを平均点以䞊にこなす安定感。
    今回は、その総合力を歊噚に高埗点が期埅されたす。

    ②Gemini 3 Pro

    二぀目は、Googleの最新技術を結集したスピヌドスタヌ、Geminiです。
    他のモデルず䞀線を画すのは、思考速床の速さず、動画や画像を人間のように理解する「マルチモヌダル画像認識」の胜力。
    今回は、その自慢の目ず速さを歊噚に、時間ずの勝負になる共通テストをどう攻略するのか泚目です。

    ③Claude 4.5 Opus

    䞉぀目は、最も人間らしい文章を曞くず評刀の、Claudeクロヌドです。 文脈を深く読み取る力に長けおおり、数䞇文字に及ぶ長文も䞀瞬で蚘憶・理解するスタミナを持っおいたす。「行間を読む」こずが求められる日本のテストずは盞性抜矀ずの噂も。
    今回は、その高い「囜語力」ず「論理的思考力」で、文系科目でどこたで無双できるかが最倧の芋どころです。

    3.実隓方法

    今回の怜蚌では、AIの実力を公平に枬るため、以䞋の察象科目ずルヌルで詊隓を行いたした。

    ■ 実斜科目

    文系・理系を問わず、以䞋の科目を網矅的に受隓させたした。

    • 英語リヌディング・リスニング

    • 囜語珟代文・叀文・挢文

    • 数孊数孊I・A / æ•°å­ŠII・B・C

    • 瀟䌚歎史総合・䞖界史探究 / 歎史総合・日本史探究 / 地理総合・地理探求 / 公共・政治・経枈

    • 理科物理・化孊

    • 理科基瀎物理基瀎・化孊基瀎・地孊基瀎・生物基瀎

    • 情報情報I

    ■ 具䜓的な入力手順

    人間によるコピペミスや恣意性を完党に排陀するため、本䌁画専甚の自動受隓システムを開発し、API経由で詊隓を実斜したした。

    具䜓的な手順は以䞋の通りです。

    ステップPDFの自動解析ず倧問分割
    たず、共通テストの「問題PDF」をシステムにアップロヌドしたす。 システムはバックグラりンドで党ペヌゞを画像化し、同時にテキスト解析を行いたす。
    ここで「どこからどこたでが第1問か」ずいう構造を自動刀定し、問題を倧問ごずに切り分けたす。泚

    画像
    システムのPDF解析

    ステップAIぞの出題API実行
    切り分けられた問題画像は、API経由システム同士を぀なぐ専甚の通信で各AIモデルGPT-5.2 / Gemini 3.0 / Claude 4.5に送信されたす。チャット画面ではなく、プログラム経由で盎接指瀺を送るこずで、ミスのない厳密な怜蚌が可胜になりたす

    画像
    API実行

    たた、ここでは、各モデルの胜力を最倧限匕き出すため、以䞋の蚭定を行いたした。

    • GPT-5.2 Thinking 深い掚論を行わせるため「バックグラりンドモヌド」を䜿甚し、タむムアりトを回避しお数分間の思考時間を蚱容。

    • Claude 4.5 Opus 「Thinking Mode思考トヌクン」を有効化し、思考プロセスを出力。

    • Gemini 3.0 Pro 画像認識粟床を高めるため、Thinking Levelを「High」に蚭定。

    ステップ3回答の構造化
    AIが出力した「自由蚘述の回答思考プロセス含む」をそのたたでは採点できたせん。
    そこで、別のAIプロセスが回答文を読み取り、「問1は③、問2は④」ずいった採点可胜なマヌクシヌト圢匏に自動倉換したした。

    画像
    マヌクシヌトに倉換

    このように、「PDF投入」から「マヌクシヌト出力」たでを完党自動化するこずで、公平か぀厳密な怜蚌を行っおいたす。

    泚に぀いお
    以䞋の2点のみ特䟋措眮をずっおいたす。
    ・英語リスニング 音声デヌタの盎接入力が難しいため、詊隓センタヌが公開しおいる「読み䞊げスクリプト台本」をテキストで入力したした。
    ・囜語瞊曞き 瞊曞きの文章は、ただ倚くのAIが読み取りを苊手ずしおいたす。そのため、事前に倖郚ツヌルNotebookLMで文字起こししたテキストデヌタを䜿甚したした。

    実隓結果

    満点科目は、衝撃の科目でした。

    たずは、今回受隓させた党科目の埗点をご芧ください。赀字にしおいるのが満点です

    【党科目埗点䞀芧】

    画像

    【文系・理系】総合結果たずめ

    実際の受隓生の遞択科目に合わせお文系・理系それぞれの合蚈点を出したした。

    画像

    点数 文系・理系ずもに GPT-5.2 Thinking が圧勝。続いお Gemini ず Claude が900点台前半で激しく競り合う圢ずなりたした。
    時間 䞀方で時間は、Gemini ず Claude が1時間40分前埌。詊隓時間10時間10分の玄6分の1ずいう速床で完走したした。察しお GPT は5時間30分皋かかっおおり、明暗がくっきり分かれたした。


    分析なぜ、AIたちは間違えたのか

    これほど高埗点を叩き出したAIたちですが、実は3モデルが共通しお間違えた問題が存圚したした。
    ここを深掘りするこずで、珟圚のAIに残された「意倖な匱点」ず「モデルごずの個性の違い」が浮き圫りになりたす。

    1. 「文字」は読めるが、「図」が読めないむラスト問題

    最も倚くのモデルが躓いたのが、「テキストは完璧に理解できおいるのに、図が遞べない」ずいう珟象です。

    象城的だったのが、英語リスニングの「バスの乗り方」問18-21です。 音声スクリプトでは「埌ろから乗っお、前から降りる」ずはっきり指瀺されおおり、党おのAIが思考ログでこの手順を完璧に曞き起こしおいたした。
    しかし、いざ遞択肢の「バスのむラスト矢印が前埌のドアに向いおいる図」を遞ぶ段になるず、党モデルが誀答したした。

    AIの思考 問題の指瀺は理解した。だが、どの絵が「埌ろから乗っおいる」のか刀定できない
    教蚓 AIにずっお、むラストの埮劙な矢印の意味や、空間的な奥行きを論理ず結び぀けるのは、ただ至難の業のようです。

    2. AIが読み違えた「割り切れない思い」囜語・小説

    今幎の囜語小説でも、AI特有の興味深いバむアスが芋぀かりたした。

    䞻人公が、理想を捚おお安楜な生掻を送る自分を「これでいいんだ」ず無理やり正圓化しようずする堎面。ここで母の死に顔が浮かび、心が揺らぐ  ずいうシヌンの心情理解倧問、問、解答番号17です。

    正解は「珟状ぞの劥協割り切れない思い」なのですが、AIたちはこぞっお「過去の過ちぞの反省」ずいう遞択肢を遞びたした。

    なぜ間違えた
    AIは基本的に「間違いは正すべき」「人は反省しお成長するもの」ずいう道埳的な孊習デヌタを倧量に持っおいたす。
    そのため、人間特有の「悪いず分かっおいおも正圓化しおしたう匱さ」や「割り切れない感情」を読み取れず、「反省しおいるはずだ」ずいう「䞀般論の解釈」に逃げおしたったのです。

    3. 「色の濃淡」が芋えない地理

    地理や䞖界史で倚発したのが、「地図・グラフの読み取りミス」です。

    特に地理問5の「色の濃淡ヒヌトマップ」で瀺された分垃図の問題では、党モデルが色の埮劙な違いを識別できずに党滅したした。 AIは「文字」を読むのは埗意ですが、「色のグラデヌション」から数倀を読み取るのはただ苊手のようです。

    画像
    関東の濃淡図

    しかし、Geminiだけは違った
    ここで面癜かったのが、同じ地理の問3南米の雚枩図ず地図です。 他のAIが「地図䞊の䜍眮」ず「グラフの特城」を結び぀けるのに倱敗する䞭、Geminiだけが唯䞀、地図䞊の地圢アンデス山脈ず気候グラフを正しく芖芚的にリンクさせ、正解を導き出したした。

    AIごずの違い
    GPT / Claude
    画像を「文字情報の塊」ずしお凊理しようずする傟向があり、玔粋なビゞュアル情報の読み取りで躓きやすい。
    Gemini 画像を「画像」ずしお盎感的に捉える力が匷く、地図やグラフの盞関関係を芋抜くセンスが頭䞀぀抜けおいたす。

    「画像の読み取り」ずいう点では、GoogleのGeminiに䞀日の長があるこずが、この難問から垣間芋えたした。

    去幎ず比范なぜ「数孊IA」ず「日本史」は克服されたのか

    匱点がただある䞀方で、昚幎たでAIにずっお鬌門だった2科目が、今幎は劇的な進化を遂げたした。

    æ•°å­ŠIA図圢を「座暙」で理解し始めた

    去幎のAIは、図圢問題がボロボロでした。「図を描く」ずいう抂念がなかったからです。 しかし、今幎のGPT-5.2 Thinkingは満点を取りたした。

    画像
    空間図圢昚幎の問題

    勝因は、図圢を「絵」ずしおではなく、「座暙デヌタ」ずしお脳内で再構築する胜力を手に入れたこずです。
    「䞉角圢ABC」ず蚀われたら、なんずなくむメヌゞするのではなく、「A(0,0), B(1,2)...」のように数倀化しお凊理する。さらに、思考プロセスによっお「蚈算する前に方針を立おる」手順を螏むこずで、ケアレスミスを根絶したした。

    日本史圧倒的な孊習量の勝利

    日本史の満点は、技術的なブレむクスルヌずいうよりは、「努力孊習量」の成果ず蚀えたす。 昚幎たでは英語圏のデヌタが䞻䜓で「日本のマニアックな歎史」に疎かったAIですが、この1幎で日本語のテキストデヌタを倧量に孊習したした。

    たた、単語の暗蚘だけでなく、「なぜその政策が行われたのか」ずいう歎史の因果関係コンテキストを深く理解するようになったため、資料読解問題でも文脈から正解を導き出せるようになったのです。

    画像
    昚幎の日本史

    AIの思考時間

    なぜ、GPTだけ「5時間」もかかったのか
    結果の衚を芋お、疑問に思った方も倚いでしょう。

    「GeminiずClaudeが1時間半で終わっおいるのに、なぜGPT-5.2 Thinkingだけ5時間以䞊もかかっおいるのか」

    これは、決しおGPTの凊理胜力が䜎いわけではありたせん。むしろ逆で、「考えすぎおいる」のです。

    今回のシステムでは、各モデルの「思考モヌド」をフル掻甚したした。
    GeminiやClaudeが「盎感ずスピヌド」を䞡立させお解き進めるのに察し、GPT-5.2 Thinkingは、1問に察しお数分間、人間の思考のように「自問自答」ず「怜算」を繰り返しおから答えを出力したす。

    システムログを芋るず、GPTは簡単な蚈算問題であっおも「方針を立おる」→「蚈算する」→「別の方法で怜算する」→「回答を確定する」ずいうプロセスを経おいるこずが分かりたす。
    この「圧倒的な慎重さ」こそが、他を寄せ付けない高埗点の理由であり、時間がかかった原因でもあるのです。

    共通テストから芋えた「ビゞネス掻甚」のヒント

    さお、ここたでの結果を芋お「AIすごかったね」で終わらせおはもったいないです。
    今回の実隓結果には、䌁業がAI導入を成功させるための極めお珟実的なヒントが隠されおいたす。

    LifePromptが考える、実務ぞの掻かし方は以䞋の3点です。

    .速床か粟床か。タスクで䜿い分け。

    今回のテストで、GPT-5.2 Proは「高埗点だが遅い熟考型」、Gemini/Claudeは「爆速でそこそこ高埗点即答型」ずいう傟向が芋えたした。これはビゞネスでもそのたた適甚できたす。

    財務・法務・数倀レポヌト 絶察にミスが蚱されない業務には、時間がかかっおもGPT-5.2 Thinking,Proのような高粟床モデルを遞ぶべきです。
    議事録芁玄・カスタマヌサポヌト・アむデア出し スピヌドや凊理量が求められる業務には、GeminiやClaudeの方が圧倒的に効率的です。

    䞀぀のモデルに固執するのではなく、タスクの特性に合わせおモデルを遞ぶのが正解です。

    .「90点」のAIは、優秀な郚䞋。

    「AIはたたに間違えるから仕事では䜿えない」ずいう声を聞くこずがありたすが、本圓にそうでしょうか
    今回の共通テストで9割越えの点数を取ったAIは、芋方を倉えれば「指瀺した仕事の90%を数秒で終わらせおくれる郚䞋」です。

    残りの10%ミスや埮修正を人間がレビュヌしお完成させるワヌクフロヌさえ組めれば、業務効率は劇的に向䞊したす。
    「AIに完結させる」のではなく、「人間が介圚する前提」で90点のAIを䜿い倒すのが賢い運甚です。

    .AIはチヌムで雇う時代ぞ

    今回の実隓でも、科目によっお埗意䞍埗意が分かれたした。
    これは「䞇胜なAIはただ存圚しない」こずを瀺唆しおいたす。

    蚈算が埗意なAI、文章䜜成が埗意なAI、画像凊理が埗意なAI。 それぞれ異なる匷みを持぀モデルを、あたかも「異なるスキルを持った同僚たち」のように組織内に配眮し、䜿い分ける。
    これからの匷い組織は、耇数のモデルを適材適所でコヌディネヌトできる組織になるでしょう。

    たずめ

    今幎の共通テスト怜蚌は、AIが単なる蚈算機を超え、「人間を凌駕する速床」ず「ほが満点の粟床」を手に入れたこずを裏付ける結果ずなりたした。

    党科目を通じおミスは数問のみ。もはや「AIに解けない詊隓はない」ず蚀えるレベルたで到達しおいたす。
    しかし、そのわずか数問のミスにこそ、芖芚情報の凊理や、人間の感情理解ずいったAIの本質的な課題が隠れおいたのも事実です。

    さお、私たちの挑戊はここでは終わりたせん。 実は今幎も、「AI vs 東倧受隓䌁画」が既に始動しおいたす

    昚幎、たさかの「理䞉合栌」ずいう偉業を成し遂げたAIたち。
    あれは奇跡だったのか、それずも実力か
    2026幎、AIは「2幎連続合栌」を果たし、その知性が本物であるこずを蚌明できるのか。

    次回のレポヌトにも、ぜひご期埅ください

    最埌に少しだけ宣䌝を

    今回の実隓のように、LifePromptでは日々登堎する最新モデルを怜蚌し、机䞊の空論ではない、実務で本圓に䜿えるAI掻甚を探求し続けおいたす。

    「生成AIを掻甚したいが、倉化が早すぎお远い぀けない」
    「自瀟に最適なシステムを開発したい」

    そんな䌁業様がいらっしゃいたしたら、ぜひ私たちにご盞談ください。最新の技術知芋をもずに、最適な゜リュヌションをご提案したす。
    たた、こうしたAIの可胜性を䞀緒に探求しおくれる仲間も募集䞭です

    もちろん、本蚘事を取り䞊げたいメディア様からのご連絡も倧歓迎です

    [お問い合わせ・採甚情報はこちら]

    最埌たでご芧いただきありがずうございたした

    これからの励みになるので、よろしければ「スキ」や「シェア」をお願いいたしたす


     
     
    LifePrompt CEO。「DXで貯めたデヌタを、AXで掻甚する」 適切な暩限をAIに枡すこずで、AIず人が分け隔おなく働き、䌁業が本来の匷みに集䞭できる環境を構築しおいきたす。 䌚瀟ホヌムペヌゞhttps://lifeprompt.net/

    あなたぞのおすすめ