実行できるユーザー：チームメンバー
対象プラン：Free、Starter、Business、Enterprise
対応プラットフォーム：ブラウザー、デスクトップ、モバイル
Miro のフローとサイドキックで AI アクションを実行すると、Select Your Own Model により、タスクに最適な大規模言語モデル（LLM）を指定できます。
たとえば、画像生成では Stable Diffusion 3.5 Large を使うか、Gemini 2.5 Flash Image (Nano Banana) を使うかを選択できます。
選択は、タスクの複雑さや具体性によって変わる場合があります。
💡 Miro フローとサイドキックには、各タスクごとにあらかじめ選択された既定の LLM が含まれます。どのモデルを選べばよいかわからない場合は、まず既定のモデルを使うのが最適です。 既定のモデルには「推奨」ラベルが表示されます。
モデルセレクターは、以下のフローとサイドキックの機能でのみ利用できます。
- サイドキックとフローの文書および画像フォーマット
- サイドキックの主要ロジック
- フローの指示ブロック
この記事では、フローとサイドキックで独自のモデルを選択する方法を説明し、一般的なタスクに適した LLM を選ぶための情報を提供します。
独自のモデルを選択する
フロー
フロー内のドキュメント、画像、およびインストラクション ブロックにはそれぞれ、モデルを選択できるプロンプトボックスがあります。
以下の手順に従ってください。
- ドキュメント、画像、またはインストラクション ブロックをキャンバスに追加します。
- 利用可能なモデルの一覧にアクセスするには、プロンプトボックスの右上でデフォルトモデル名をクリックします。例：
AWS | Claude 3.5。 - モデルを選択します。
フローおよびフロー UX の作成について詳しくは、フローをご覧ください。
サイドキック
サイドキックを作成または編集する際、モデル（詳細）セクションが表示され、サイドキックの処理、画像生成、ドキュメント生成で使用するモデルを選択できます。
サイドキックの詳細については、サイドキックのドキュメントをご覧ください。
モデルの違い
大規模言語モデル（LLM）は、通常、高性能だがリソースを多く消費するモデル、最適なモデル、最速だが能力の低いモデルなどを含むファミリーに属します。
例えば、GPT-5 ファミリーには GPT-5、GPT-5-mini、GPT-5-nano が含まれます。
最速だが性能が低いモデルは、レイテンシーを抑えたい場合に適しています。
推論モデルと非推論モデル
LLM の主な違いは、Reasoning（推論）モデルと non-reasoning（非推論）モデルです。
Reasoning は、より高品質な回答を返すためにモデルがより多くの時間を要することを意味します。
✏️ Reasoning が必ずしも最も正確な結果を意味するわけではありません。出力を何度も繰り返す必要がある場合、Reasoning の値が高いモデルは最も効率的とは限りません。
顧客向けのドキュメント作成、優先順位付け、大量の情報を処理する必要があるタスクなど、複雑な作業には Reasoning モデルが最適です。
文法チェック、翻訳、テキストの再フォーマットなどの単純な作業には、non-reasoning モデルが最も効率的です。
以下の表は、代表的な Reasoning モデルと non-reasoning モデルを示しています。
| 推論能力 | モデル |
|---|---|
| 推論型 | GPT-5, GPT-5-mini, GPT-5-nano, Claude Sonnet 4, Claude Sonnet 4.5, Gemini 2.5, Gemini 2.5 Flash, o3, o4-mini |
| 非推論型 | GPT 4o, GPT-4o-mini, GPT-4.1, GPT-4.1-mini, Claude Sonnet 3.7, Claude Sonnet 3.5, Gemini 2.5 Flash Lite |
スタイル
各 LLM は固有の「スタイル」を持っています。さまざまなモデルを試していく中で、ブランドや雰囲気、好みに合った出力スタイルが見つかることがあります。
💡 古いモデルはより個性的なスタイルになりやすく、特にクリエイティブで型破りな出力に向いています。
タスク別に AI モデルを選択する
| タスク | モデル | 説明 |
|---|---|---|
| ブレインストーミング | GPT-4o, o3, o4-mini, Sonnet 3.7 | 発散的な思考、機能に関するアイデアの噴出、遊び心のあるトーンや「クリエイティブな切れ味」に最適です。例えば、代替見出しやマイクロコピーのバリエーションなどのテキスト生成に使用します。 |
| 優先順位付けとスコアリング | GPT-5, Claude Sonnet 4.5, Gemini 2.5 | 一貫したスコア付けと明確な根拠を示すのに最適な推論モデルです。例えば、バックログでのRICE/MoSCoW、トレードオフの説明、ロードマップのランク付けなどに適しています。 |
| 要約と調査 | GPT-5, GPT-5-mini, Claude Sonnet 4.5, GPT-4.1, Claude Sonnet 3.7, Gemini 2.5 Flash | 中程度から高い複雑性のタスクに適しています。例: メモからペルソナを生成したり、データやナレッジベースから洞察を導き出したりする場合など。 |
| スキーマと変換 | GPT-5-mini, GPT-5-nano, GPT-4.1, Sonnet 3.7, Gemini 2.5 Flash, Gemini 2.5 Flash Lite | フォーマットの変換は通常高度な推論を必要としないため、最適化されたモデルのほうがより高速に結果を出します。ただし、大きなコンテキストを扱う場合は、一貫性を保つためにより新しいモデルファミリーを使用してください。ノート → 文書, 文書 → テーブル化, 仕様 → ダイアグラム) |
| 簡単なテキスト編集 | GPT-4o-mini, Gemini 2.5 Flash Lite, GPT-5-nano, Claude 3.7 | 最速のオプション。文法チェック、翻訳、分かりやすさのための書き換えなど、簡単なテキスト編集に最適です。 |
画像生成用モデルの選択
Miro がサポートするすべての大規模言語モデル（LLM）はテキストと画像を処理できます。ただし、ほとんどは画像を生成できません。
画像生成では、Gemini 2.5 Flash Image (Nano Banana) が一般的な指示を画像に変換するのに特に優れています。
ほとんどの LLM は画像の説明を想定しており、具体的な指示ではありません。例えば、説明は「おもしろい帽子をかぶった犬の絵」のようなもので、指示は「犬の面白い画像を作成して」のようなものです。Nano Banana は具体的な指示に基づいて画像を生成できます。
✏️ 既存の画像の特定箇所を編集する場合は Nano Banana を使用してください。他のモデルは既存の画像をスタイル参照として利用できます。
速度や出力の品質の点では、LLM 間で大きな差はほとんどありません。ユースケースごとに、さまざまなモデルを試して、自分の好みに最も合うものを見つけてください。