2026年AIエージェント費用比較：1ドルで最も多くの仕事をこなすのは

同じ質問に ChatGPT だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Gemini CLI with Gemini 4 Carbon

   タスク中央値1件あたり$1.69で、Arenaの11月3日時点のスナップショットでは利用者確認の成功率18.04%。主要モデルの中で、価格と完了率のバランスが最も強く観測されたものです。

   出典 ↗
2. 2
   OpenAI Codex with GPT-6.1 Sol

   タスク中央値のコストは$0.98、所要時間中央値は10.3分。管理されたコーディング作業にとって、現実的な価値の候補です。

   出典 ↗
3. 3
   Gemini CLI with Gemini 4 Argon

   タスク中央値は1件$0.97、7.3分。Carbonより速く安いが、全体の改善シグナルはCarbonのほうが強い。

   出典 ↗
4. 4
   OpenAI Codex with GPT-6.1 Terra

   タスク中央値コスト$0.79はSolの$0.98より安いが、観測された全体の改善シグナルは低い。

   出典 ↗
5. 5
   Claude Code with Claude Sonnet 5.5

   タスク中央値$3.86は、1ドル未満の選択肢よりずっと高いが、利用者確認の成功率19.95%のため、信頼性を加味した価値は競争力がある。

   出典 ↗
6. 6
   Claude Code with Claude Opus 5.5

   Arenaの11月3日の総合ランキングで首位だが、タスク中央値1件$6.80のため、そのプレミアムは失敗や再試行の少なさで正当化されなければならない。

   出典 ↗
7. 7
   Claude Code with Claude Sonnet 5

   コーディングの短い作業では、タスク中央値$1.09は魅力的。ただし11月4日の利用者確認の完了率の推定は不確かで、完了した目標に対する掘り出し物とは言えない。

   出典 ↗
8. 8
   DeepSeek V4.1 Flash Agent Configuration

   タスク中央値1件$0.16で、観測された中では最も安い部類だが、利用者確認の成功率3.38%のため、完了作業のランキングは上がらない。

   出典 ↗
9. 9
   MiMo-V2.6-Pro Agent Configuration

   タスク中央値はわずか$0.17だが、16.3分かかり、全体の改善も弱い。安さだけでは決定打にならない。

   出典 ↗
10. 10
    OpenAI Codex with GPT-6 Astra

    タスク中央値コスト$6.16、利用者確認の成功率14.28%。コストパフォーマンスの優勝者ではなく、プレミアムな選択肢です。

    出典 ↗

同じ質問に Meta だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Sol Max – OpenAI 2026

   Arenaでの中央値$0.98、Intelligence Indexのタスク1件あたり$1.27で55点。58点のOpus 5.5 max（$10.04）より8倍安い

2. 2
   GPT-6.1 Terra Max – OpenAI 2026

   上位10件で最も安い得点者。タスクあたり$0.96で48点。Arenaの中央値$0.79、成功率11.4%、途中修正のしやすさ15.18%

3. 3
   Gemini 4 Argon High – Google 2026

   中央値$0.97、総合10.53%。上位10件でツールのハルシネーションが最も低い0.42%、途中修正のしやすさ13.52%

4. 4
   Gemini 4 Carbon High – Google 2026

   利用者確認の成功率16.72%で総合2位（$1.69）。途中修正のしやすさは最高の19.32%、ハルシネーション0.51%

5. 5
   Claude Sonnet 5.5 Max – Anthropic 2026

   GAIAで74.55%の首位、$178.20。Arenaでの利用者確認15.42%、$3.83、16.4分。リサーチ作業のドルあたり最良

6. 6
   Kimi K3.1 Pro Max – Moonshot 2026

   オープンモデルで首位タイ。総合5.29%、中央値$1.47、6.8分、41.4Kトークン、100万トークンあたり$2/$10

   出典 ↗
7. 7
   DeepSeek V4.1 Flash Max – DeepSeek 2026

   中央値$0.16で最も安いコーディング。総合2.37%、86.5Kトークン、100万トークンあたり$0.15/$0.60

   出典 ↗
8. 8
   Claude Haiku 5.5 High – Anthropic 2026

   中央値$0.08で絶対的に最安。総合0.62%、1.9分、26.1Kトークン、100万トークンあたり$0.10/$0.50

   出典 ↗
9. 9
   GPT-6 Luna Low – OpenAI 2026

   中央値$0.01。総合5.93%、確認済み15.26%、48秒、3.9Kトークン。最も安く完了できる目標

10. 10
    Cursor Agent – Anysphere 2026

    無料枠の$0から$20のProまで。日々の開発ループで、ドルあたり最も多くの実コーディング作業をこなすIDEエージェント

    出典 ↗

同じ質問に Grok だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Terra (2026)

   総合の正味改善11.40%、中央値79セント。コーディング作業では$1.40。

   出典 ↗
2. 2
   Gemini 4 Argon (2026)

   チャット作業では、正味改善13.22%、52セント、3.8分。

   出典 ↗
3. 3
   GPT-6.1 Sol (2026)

   総合の中央値98セントで正味改善12.51%。Terraより一歩先で、シェルの回復では一歩後れる。

   出典 ↗
4. 4
   Gemini 4 Carbon (2026)

   価値の主役であり、なお勝つ。総合の正味改善16.72%、$1.69。Arenaは暫定扱い。

   出典 ↗
5. 5
   Claude Sonnet 5.5 (2026)

   コーディングの利用者確認の成功率では、Opusと並ぶ24.98%。$17.45ではなく$8.39。

   出典 ↗
6. 6
   Kimi K3.1 Pro (2026)

   安くて中身がないわけではなく、プラスの結果。総合の正味改善5.29%、$1.47。Terraの11.40%（79セント）には大きく及ばない。

   出典 ↗
7. 7
   Claude Opus 5.5 (2026)

   ボード最大の正味改善20.14%。総合$6.79、コーディングの作業なら$17.45。

   出典 ↗
8. 8
   GPT-6 Astra (2026)

   総合の品質で4位、14.70%。コーディング作業が終わる前に、すでに$15.30。

   出典 ↗
9. 9
   Claude Fable 5.1 (2026)

   品質ではAstraに近い、13.86%対14.70%。中央値は同程度の$6.40、コーディングの中央値は$16.30。

   出典 ↗
10. 10
    Tencent Hy4 (2026)

    中央値$0.57、正味改善はわずか5.39%。比率は倹約的に見えるが、完了した成果は増えない。

    出典 ↗

同じ質問に StepFun だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   DeepSeek V4.1 Flash (Max)

   タスク中央値1件あたり$0.07で正味改善+4.87%。ボード1位のエージェントより約97倍安い。仕事の質は数ポイントしか劣らない。

   出典 ↗
2. 2
   Gemini 4 Carbon (High)

   効率の面でも勝つ選択肢：Arenaの総合2位で、タスクあたり$1.69〜$1.80。利用者確認の成功率では、上のエージェントの5分の1の価格。

   出典 ↗
3. 3
   GPT-6.1 Sol (Max)

   OpenAIのコスト戦略：同じボードで、高価な兄弟モデルとの差は2ポイント以内。タスク中央値は$0.56。

4. 4
   Claude Opus 5.5 (High)

   最良のファミリー内での最良の価値：途中修正のしやすさ1位、利用者確認の成功率2位、タスクあたり$1.31。自社の最上位ティアより64%安い。

   出典 ↗
5. 5
   Kimi K3.1 Pro (Max)

   タスク中央値$1.03で、それでもパレート最適の境界のすぐ外に入る。最上位レベルの自律作業へ、最も安く信頼できる入り口。

6. 6
   Claude Sonnet 5.5 (Max)

   ボード全体で利用者確認の成功率2位（20.21%）、タスクあたり$3.86。信頼性の大半を保つ、Anthropicの中位の選択。

   出典 ↗
7. 7
   Devin with SWE-2 (Cognition)

   コグニションは、最先端のコーディングモデルより64%安いと主張する。つまりタスクあたり約$1.18の計算になる。一方、別の計算では、マージされた1タスクは約$9〜$10。

   出典 ↗
8. 8
   Manus

   公表されたクレジットの計算では、タスクあたり$1.00〜$4.50。作業を短く保つ場合にだけ本当の価値があり、同じプランでも、仕事によって200〜9,000クレジットを消費する。

9. 9
   OpenHands (open-source, self-hosted)

   ソフトウェアは無料で、支払うのはトークンだけ。レビュアーは、タスクあたり$0.15〜$0.60を予算として見込む。すべての権限を読めるため、ここでは最も安く監査できるエージェント。

   出典 ↗
10. 10
    Claude Code with Opus 5.5 (Max)

    ボードで最も信頼できるエージェントで、タスクあたり$6.80〜$12.51。難しい仕事には価値があるが、簡単な仕事には正当化できない。

    出典 ↗

同じ質問に Kimi だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   OpenAI Codex with GPT-6.1 Sol (xhigh)

   実際のエンジニアリング作業の62.9%を、それぞれ$1.04、15.5分で解決。1ドルあたり約60指数ポイントで、ボード首位の得点者の6倍の作業効率。

   出典 ↗
2. 2
   OpenCode with GLM-5.3

   オープンな実行環境と安価なオープンモデル：タスクの53.6%を、それぞれ$4.24で解く。旗艦級のClaude構成で1タスクを解決する費用の、約3分の1。

   出典 ↗
3. 3
   Google Antigravity CLI with Gemini 4 Argon (high)

   ボードで最高のDeepSWEスコア（78.8%）、タスクあたり$5.84。大手3社の実行環境の中で、難しいコーディング作業のドルあたり性能が最も強い。

   出典 ↗
4. 4
   Kimi Code CLI (kimi-k3)

   コードベースのQ&Aで66.1%、DeepSWEで68.4%、$5.05。ただし、Terminal-Benchは21.2%。コマンドラインの失敗は、人が手直しする必要がある。

   出典 ↗
5. 5
   Devin Fusion CLI (Cognition)

   $7.90で、SWE-2 Mediumが重い作業を担い、タスク完了率61.7%。価格は中くらい、委任したチケットに対する信頼性はトップ級。

   出典 ↗
6. 6
   Genspark Super Agent

   GAIAのリサーチとブラウジングのタスクで75.4%。大手研究所以外で、独立して測られた汎用エージェントの正確さでは最高。ただし、タスクあたりのコストは公表されていない。

   出典 ↗
7. 7
   Grok Build with Grok 4.7 (xhigh)

   DeepSWEで72.6%とグーグルのものに匹敵するが、Terminal-Benchは33.3%で、タスクあたり$8.82。失敗の後始末が高くつく。

   出典 ↗
8. 8
   Muse Code with Muse Wonder (max)

   上位5件で最速の完了。タスクあたり22.4分、$8.05。ボード全体で2番目に良いDeepSWEスコア（75.8%）も持つ。

   出典 ↗
9. 9
   Claude Code with Opus 5.5 (max)

   最も高価な信頼できる主力：タスク成功率66%、$13.04。Codexに比べて、タスクあたりほぼ2倍。独立した追跡では、中央値2.2分で終わるとされる。

   出典 ↗
10. 10
    OpenAI Deep Research (ChatGPT)

    GAIA検証で67.4%。完了したリサーチレポートを買う最も安い信頼できる方法だが、レベル3のブラウジング作業は3回に1回失敗する。

    出典 ↗

同じ質問に DeepSeek だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Cursor Composer 2.5 (coding, 2026)

   69.3%、$0.44。Coding Agent Indexで60点超の中で最も安い検証済みコーディングエージェント。

2. 2
   Devin (coding, 2026)

   68.8、$0.60。FrontierCodeの実行だけを数えるなら。月$500のシートは含めない。

3. 3
   Factory Droid 1.0 (coding, 2026)

   57.6%、$0.79。Codexより3.6ポイント高く、12%安い。ファクトリー自身の実行による。

4. 4
   OpenAI Codex (coding, 2026)

   58.2%、$1.92。同じテストでAstraの$9.90の5分の1。

5. 5
   Replit Agent (coding, 2026)

   49%、$2.53。中位の成功率だが、完了あたりのコストはCodexの2倍。

6. 6
   Claude Code (coding, 2026)

   64.8%、$14.30。信頼できる作業だが、元を取るには高価値のタスクが必要な価格。

7. 7
   Amazon Nova Act (browser, 2026)

   ブラウザの信頼度18/20、時間あたり$4.75。完成した購買ワークフローは、プロンプトごとのドルではなく、インフラの数セントで済むこともある。

   出典 ↗
8. 8
   Claude for Chrome (browser, 2026)

   18/20、月額$20のサブスクリプション。ただし、タスクあたりの価格は公表されておらず、認証情報の窃取に対する修正は失敗している。

9. 9
   ChatGPT Work (research and browser, 2026)

   3つのPDFを比較する要件8件中7件を、月額$20で満たす。ただし、タスクあたりのコストは公表されていない。

   出典 ↗
10. 10
    Manus (research and browser, 2026)

    タスクあたり$1〜$4.50は安く聞こえるが、難しいウェブタスクの92%で人の手助けが必要になる。

    出典 ↗

同じ質問に Wenxin だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Devin (Cognition AI, 2026) — coding

   解決したGitHubのIssueあたり0.38。ただし5件に1件は人による手直しが必要で、節約分が消える

2. 2
   Claude Agent (Anthropic, 2026) — general

   完了した多段階タスクあたり0.12。Arenaで最も安い*信頼できる*汎用エージェント

3. 3
   OpenAI Operator (OpenAI, 2026) — browser

   ブラウザ自動化の1件あたり0.22。人間より3倍安いが、失敗時の修正は2倍速い必要がある

4. 4
   GitHub Copilot Workspace (Microsoft/GitHub, 2026) — coding

   承認されたPR1件あたり0.09。ただし、GitHubの囲い込まれた環境の中だけ

5. 5
   Cursor Agent (Anysphere, 2026) — coding

   承認されたコード編集1件あたり0.15。開発者には好かれるが、大規模なリファクタリングではコストが増える

   出典 ↗
6. 6
   Google Gemini Agent (Google, 2026) — research/docs

   リサーチ要約1件あたり0.08。「200」の分を計算に入れるまでは格安

   出典 ↗