この記事のポイント
- 01Zennの解説記事が、OpenAIやGoogleなど主要5社の公式情報をもとにモデル特性と費用感を整理した。
- 02日常業務には中位モデルを優先し、複雑な推論にのみ上位モデルを使う段階的な運用を推奨している。
- 03表記のAPI単価だけでなく、ツールの追加費用や人の修正作業を含めた総費用での評価を重視している。
技術情報共有プラットフォームのZennで、OpenAI、Anthropic、Google、DeepSeek、Alibaba Cloudの主要5社が提供するAIモデルの特性と費用を比較した解説記事が公開された。記事では、最上位モデルを全業務で使うのではなく、日常業務は中程度の費用モデルから始め、難度の高いタスクに限定して上位版を充てる運用を提案している。
用途に応じたモデル選択と段階的な使い分け
同記事によると、モデルの選定では「どれが1位か」を基準にするのではなく、文章作成、コード生成、動画分析、大量文書処理といった用途ごとに適性を見極めることが重要だという。
例えば、ツールの利用やコードと文書が混在する作業では「GPT-6.1 Sol」や「Claude Sonnet 5.5」といった均衡型のモデルから評価を始め、やり直しが減るかを確認したうえで「GPT-6 Astra」や「Claude Opus 5.5」などの上位版を検討する手順を挙げている。動画や音声、PDFを横断して分析する処理には、入力対応範囲の広い「Gemini 3.8 Flash」が向く一方、大量の文章分類やデータ抽出には低単価な「DeepSeek-V4.1-Flash」や「GPT-6 Luna」の活用が候補になるとしている。
flowchart TD
A[業務タスクの発生] --> B{タスクの性質}
B -->|日常業務・コード| C[中位モデルで開始<br/>GPT-6.1 Sol / Sonnet 5.5]
B -->|動画・音声・PDF分析| D[マルチモーダル対応<br/>Gemini 3.8 Flash]
B -->|大量分類・抽出| E[低コストモデル<br/>DeepSeek Flash / GPT-6 Luna]
C --> F{要求水準を満たすか}
F -->|不足| G[上位モデルを適用<br/>GPT-6 Astra / Opus 5.5]
F -->|達成| H[完了・コスト最小化]
タスクの性質に応じたAIモデルの使い分けと段階的評価の流れ
単価表記だけでなく総費用での検証を推奨
記事では、100万トークン(AIが処理する文字や単語の構成単位)あたりのAPI単価の一覧を提示しつつも、表面上の価格だけで判断しないよう注意を促している。
| モデル | 入力(ドル/100万トークン) | 出力(ドル/100万トークン) | 条件 |
|---|---|---|---|
| GPT-6 Astra | 10 | 50 | Standard、短文脈 |
| GPT-6.1 Sol | 2 | 10 | Standard、短文脈 |
| GPT-6 Luna | 0.10 | 0.50 | Standard、短文脈 |
| Claude Opus 5.5 | 4 | 20 | 基礎 |
| Claude Sonnet 5.5 | 2 | 10 | 基礎 |
| Gemini 3.8 Flash | 0.75 | 3.75 | 2026年12月31日までの価格 |
| DeepSeek-V4.1-Flash | 0.15 / 0.30 | 0.60 / 1.20 | オフピーク/ピーク、未キャッシュ |
| DeepSeek-V4-Pro-0813 | 0.66 / 1.32 | 1.98 / 3.96 | オフピーク/ピーク、未キャッシュ |
検索や外部連携といったツールの利用料金、思考プロセスの課金、再試行や人による修正にかかる作業時間を含めた「完了したタスクの総費用」で測る必要があるという。同記事は、自社の実データを同条件でテストし、合格率や修正の手間を比較して判断する実務的な検証手法を勧めている。
SOURCES 出典
- GPT・Claude・Geminiをどう選ぶ?主要5社のモデルと費用を比較Zenn トピック「LLM」
本記事は AI を活用して作成し、筆者が確認のうえ公開しています。詳しくはAI 利用ポリシーをご覧ください。



