重要な考慮事項

適切な大規模言語モデル（LLM）を選ぶことは、AI 開発において最も重要な意思決定の一つです。誤った選択は、性能不足、過剰なコスト、ベンダーロックインにつながります。さらに状況は絶えず変わります。モデル名、コンテキスト上限、定価は年に数回変わります。以下の表を含め、あらゆる比較は日付付きのスナップショットとして扱い、永続的なランキングとは考えないでください。予算を確定する前に、各プロバイダーの料金ページを再確認してください。

評価基準

  • タスク適合: 特定のタスク（コーディング、推論、創作、要約）に優れているか？ 全体の印象ではなく、実際のタスクで試すこと。
  • コンテキストウィンドウ: 一度にどれだけのテキストを処理できるか？ 長文ワークフローでは入力と出力の両方の余裕が必要です。
  • レイテンシ: 応答速度は？ 対話型製品はバッチ処理より厳しい制約があります。
  • コスト: 入力と出力のトークン単価は？ 通常、出力トークンは入力より数倍高くなります。
  • プライバシー: セルフホストできるか、クラウド API が必須か？ 規制対象データでは一部ベンダーが除外されることがあります。

2026年の人気オプション

  • Claude (Anthropic): 長文書、繊細な推論、コーディングに優れます。
  • GPT-6 (OpenAI): 強力なマルチモーダル機能を持ち、フラッグシップ、中間、低価格モデルを揃えています。
  • Gemini (Google): 大きなコンテキストウィンドウ。フラッグシップは無料枠の対象外です。
  • Qwen (Alibaba): 中国語性能が最高クラスで、オープンウェイト版もあります。
  • Llama (Meta): 完全オープンソース、セルフホスト可能、コミュニティも強いです。

意思決定フレームワーク

まず必須要件を定義します。レイテンシ 2 秒未満？ 固定の月間予算？ 完全なデータ主権？ そのうえで、実際のデータで 2〜3 の候補をベンチマークしてから決定します。要件が先、モデル名は後です。公開リーダーボードで上位でも、レイテンシ、プライバシー、コストの制約を満たさないことがあります。

有効な順序は、レイテンシと可用性、予算、データ主権、そして最後に素の能力です。ハード制約を満たせない候補は、デモがどれほど良くても除外します。残った候補だけを、厄介な例を含む 50〜100 の実例で比較します。トークン単価ではなく、成功したタスクあたりのエンドツーエンドのコストを測り、リトライと人による確認も含めます。

コスト比較表

下表は現在のモデルを 3 つの価格帯に分けたものです。表はランキングではなく階層として読んでください。フラッグシップは低価格モデルの 50〜100 倍のトークン単価になることがあるため、最初の問いは「自分のタスクに最上位層が本当に必要か」です。

| モデル | 入力 ($/1M) | 出力 ($/1M) | コンテキスト |

|--------|-------------|-------------|--------------|

| GPT-6 Astra | $10.00 | $50.00 | 1.05M |

| GPT-6.1 Sol | $2.00 | $10.00 | 1.05M |

| GPT-6 Luna | $0.10 | $0.50 | 1.05M |

| Claude Fable 5.1 | $10.00 | $50.00 | 1M |

| Claude Opus 5.5 | $4.00 | $20.00 | 1M |

| Claude Sonnet 5.5 | $2.00 | $10.00 | 1M |

| Claude Haiku 5.5 | $0.10 | $0.50 | 1M |

| Gemini 4 Argon | 公式料金を参照 | 公式料金を参照 | 1M |

価格は 2026-10-15 に各プロバイダーの公式料金ページで確認しました。予算を確定する前にプロバイダーで再確認してください。

セルフホストのコストは、定価ではなく GPU のレンタル料金と稼働率に依存します。

月額コスト例

月間 100 万入力トークン、20 万出力トークンのワークロードを想定します。上記の定価で計算すると：

  • GPT-6 Astra: 1M × $10.00 + 0.2M × $50.00 = $10.00 + $10.00 = 月 $20.00
  • Claude Sonnet 5.5: 1M × $2.00 + 0.2M × $10.00 = $2.00 + $2.00 = 月 $4.00
  • GPT-6 Luna: 1M × $0.10 + 0.2M × $0.50 = $0.10 + $0.10 = 月 $0.20

これらは公開単価に基づく算術にすぎません。回答品質、レイテンシ、信頼性については何も示さず、それらは自分のワークロードで検証する必要があります。

比率は絶対額より重要です。この価格では、同じトークン量でフラッグシップは中間モデルの 5 倍、低価格モデルの 100 倍のコストになります。その差額に見合うかは、価格だけでなく、自分のデータで測った品質で判断してください。

よくある失敗パターン

  • 単価だけを見る: リトライ、失敗した呼び出し、長いプロンプトはトークン数を増やします。単価が半分でも 2 回試行が必要なら、安いとは言えません。
  • コンテキスト長を無視する: トークン単価が低くても、非常に長いプロンプトでは 1 リクエストが高額になります。100 万トークンあたりの価格だけでなく、1 リクエストあたりのトークン数を測ってください。
  • 分類タスクにフラッグシップを使う: ラベリング、ルーティング、抽出は低価格モデルで十分なことが多いです。フラッグシップは難しいケースに取っておきましょう。
  • キャッシュとバッチ割引を無視する: 多くのプロバイダーは、繰り返されるプレフィックスや非同期バッチ処理を割引します。これを無視すると見積もりが高くなり、誤ったモデルを選ぶ原因になります。

実用的なヒント

  • 動く中で最も安いモデルから始める: 簡単なタスクには GPT-6 Luna や現在の Gemini Flash などの低価格モデルを使います。品質が足りないときだけ上位に上げます。
  • 自分のデータでベンチマークする: リーダーボードのスコアは自分のユースケースを反映しません。50〜100 の実例で試してください。
  • 総所有コストを考慮する: セルフホストには DevOps の時間が必要です。クラウド API は運用不要ですがトークン単価が高くなります。
  • モデルの移植性を計画する: LLM 層を抽象化し（LiteLLM や LangChain）、書き換えなしでプロバイダーを切り替えられるようにします。
  • 予算確定前に価格を再確認する: 定価もモデル構成も変わります。前提に日付を付け、新モデルが出たら見直してください。