2026年のエージェント向け最安AI：完了タスク1件あたりの実際の請求額

同じ質問に Claude 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
   Claude Haiku 5.5

   同じ指数スコア（36）の Ember と並ぶが、1タスクあたりの費用は3倍（$0.41 対 $0.14）。一方で、人が付き添わない作業を対象にした唯一の独立テストでは、最も問題の少ない記録を残している。

   出典 ↗
2. 2
   メタ Muse Ember (2026)

   1タスクあたり$0.14で指数36。ただし、部分点を含めた OSWorld の数字は69.5%だが、タスクを完全にやり切る必要がある場合は33.8%にとどまる。

   出典 ↗
3. 3
   DeepSeek V4.1 Flash

   キャッシュヒット時の100万トークンあたり$0.003は、ここで最も安いキャッシュ入力。ビトの長時間セッションのテストでは71.9%で首位に立った。

   出典 ↗
4. 4
   MiniMax M3.1 Flash

   ビトの20ターン・テストでは Haiku 5.5 と1ポイント以内（75.0%）。ただし1回の実行に3〜5時間かかり、費用は$3.62。

   出典 ↗
5. 5
   GPT-6 Luna

   Ember や Haiku と同じ$0.10 / $0.50の表示価格。ただし max effort（最大の思考量）で指数27.8、Terminal-Bench 4.0 では16.4%にとどまる。

   出典 ↗
6. 6
   Inkling 2 Small (シンキング・マシンズ)

   指数では31だが、Terminal-Bench 4.0 では13%。Sonnet 5.5（medium）の30%に遠く及ばない。

   出典 ↗
7. 7
   Kimi K3.1 Pro

   ビトの長時間セッションでは64.9%。ただし20ターンの実行費用は$29.32で、Ember の$0.95のおよそ30倍。

   出典 ↗
8. 8
   GLM-5.3 (智譜AI)

   入力の公表価格は$1.40と高いが、ビトの20ターン実行の費用は$20.28、総合スコアは60.1%。

   出典 ↗
9. 9
   Muse Spark 1.3 (メタ)

   指数では Ember より1ポイント上（37 対 36）だが、1タスクあたりの費用は17倍（$2.39 対 $0.14）。

   出典 ↗
10. 10
    Qwen3.8 Flash (アリババ)

    公表価格は最安級（$0.15 / $0.47）だが、独立したスコアも1タスクあたりの費用も見つからなかった。そのため、根拠がないとして最下位とした。

    出典 ↗

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
   メタ Muse Ember (2026)

   指数1タスクの費用は$0.411ではなく$0.136で、知能はほぼ Haiku 並み。本当の驚きは、キャッシュ入力が$0.004という料金だ。

   出典 ↗
2. 2
   Claude Haiku 5.5 (2026)

   Ember と同じ丸めた知能スコアだが、費用はおよそ3倍。ただ、より難しいコード統合の比較では Haiku が勝つ。

   出典 ↗
3. 3
   OpenAI GPT-6 Luna (2026)

   低い思考量の指数タスクはわずか$0.073だが、スコアは21.4に落ちる。max effort では$0.152で27.8に届く。

   出典 ↗
4. 4
   DeepSeek V4.1 Flash 1017 (2026)

   キャッシュが98%割引になるので無敵に見えるが、思考と出力のトークン消費で、測定された指数の費用は$0.60になる。

   出典 ↗
5. 5
   智譜AI GLM-5.3-Flash (2026)

   公式のターミナル作業の解決率は35.8%。このオープンウェイトの Flash モデルは、本格的なエージェントの候補になる。

   出典 ↗
6. 6
   Google Gemini 3.8 Flash (2026)

   100万トークンのコンテキストやマルチモーダル入力は魅力的だが、指数1タスクあたり$1.24は、安いエージェントという利点を弱める。

   出典 ↗
7. 7
   シンキング・マシンズ Inkling 2 Small (2026)

   「Small」という名前の裏には、5940億パラメータのモデルと$1.18の評価費用がある。

   出典 ↗
8. 8
   OpenAI GPT-6.1 Sol (2026)

   普段使いの小型エージェントには高すぎるが、ターミナル解決率58.2%は、難しい案件を引き継ぐモデルとして信頼できる。

   出典 ↗
9. 9
   メタ Muse Spark 1.3 (2026)

   指数で Ember より丸めた知能スコアが1点高いだけなのに、指数1タスクあたりの費用は約17.6倍。

   出典 ↗
10. 10
    メタ Muse Spark Open (2026)

    オープンウェイトなので導入の管理はしやすいが、FrontierCode で6.2%では、人が見ていないコード変更に使う余地はほとんどない。

    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
   Muse Ember (2026)

   AA v5 の max で Haiku と同じ36。1タスクあたり$0.41ではなく$0.14で、その点数を買う最も安い方法。

   出典 ↗
2. 2
   Claude Haiku 5.5 (2026)

   $0.10のモデルの中ではコーディング・エージェントの首位。ただし、AA のタスク1件あたりの出力は Luna の約3倍。

   出典 ↗
3. 3
   GPT-6.1 Terra (2026)

   AA v5 で51、1タスク$0.96。50点台のスコアを買う最も安い手段がこれまで見たなかで、この資料には対応する Terminal-Bench のデータはない。

   出典 ↗
4. 4
   GPT-6 Luna (2026)

   Haiku や Ember と同じ$0.10 / $0.50の公表価格。ただし max での AA タスクあたりの出力は約50Kトークンで、Haiku の約162Kより少ない。

   出典 ↗
5. 5
   DeepSeek V4.1 Flash 1017 (2026)

   AA 33、1タスク$0.60。Vals AI の Terminal-Bench 実行は$0.54。この中では、費用の安いターミナル作業担当。

6. 6
   MiniMax M3.1 Flash (2026)

   AutomationBench-AA でオフィス業務の72.5%と首位だが、ターミナル作業は約26%にとどまる。シェルではなく、アプリ作業向けに選ぶべきだ。

   出典 ↗
7. 7
   GLM-5.3-Flash (2026)

   公表価格は入力$0.15、出力$0.50。AA 28、1タスク$0.58。紙の上では安いが、より多く書くため、Luna よりタスクあたりの費用は高い。

   出典 ↗
8. 8
   MiMo-V2.6-Flash (2026)

   この中で AA タスクの最安タイの$0.13。AA 27。見つかった根拠では、節約型の振り分け役で、仕上げ役ではない。

   出典 ↗
9. 9
   Gemini 3.8 Flash (2026)

   AA 31（high effort）。ただし AA の1タスクあたりの費用は$7.77。公表価格が費用ではないことの、最も明確な証拠。

   出典 ↗
10. 10
    テンセント Hy4 (2026)

    AA 35、1タスク$1.03。ここにある$0.10のモデルすべてより高く、その追加の点数の値段ははっきり見える。

    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
   Muse Ember (2026)

   独立した評価で36、完了した1タスクあたり約$0.14。Haiku の36は約$0.41。

   出典 ↗
2. 2
   Claude Haiku 5.5

   丸めた36は同じだが、費用はおよそ3倍。それでもマージ可能なコードで勝つのは Haiku だ。

   出典 ↗
3. 3
   GLM-5.3-Flash

   オープンウェイトはオフィス業務の目標を60.4%完了するが、マージ可能なコードのタスクでは17.6%にとどまる。

   出典 ↗
4. 4
   DeepSeek V4.1 Flash 1017

   指数33、1タスク$0.60。ピーク時間に入ると、公式料金は2倍になる。

   出典 ↗
5. 5
   Hy4 (テンセント)

   1つのターミナルの表で Ember と39.4%で並ぶ。1テストあたり$1.28で、Ember の$0.22。

6. 6
   Qwen3.8 Flash

   同じ独立ページで、オフィス業務の目標の55.9%、ターミナル作業の25.3%。

   出典 ↗
7. 7
   MiniMax-M3.1-Flash

   自己申告のターミナル・スコア38.1%は、Vals AI が1つのハーネス（試験環境）で試すと25.25%に下がる。

   出典 ↗
8. 8
   MiMo-V2.6-Flash

   1タスクの費用$0.13は Ember と同じに見えるが、そのタスクは64分かかり、スコアは27。

   出典 ↗
9. 9
   GPT-6 Luna

   Ember と同じ$0.10の表示価格。指数は27.8で、コンピュータ・テストでは完了か未完了かの成功率17%。

   出典 ↗
10. 10
    Gemini 3.8 Flash

    Ember との比較で知識の正答率が最も高く、50.5%。入力は100万トークンあたり$0.75。

    出典 ↗

同じ質問に Gemini 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
   メタ Muse Ember (2026)

   メタのサブエージェント専門モデルは、同じ基本料金でも、OS の処理ループをより少ないターンで解くことで、30手順のエージェント費用を Claude Haiku より54%削減する。

   出典 ↗
2. 2
   アンソロピック Claude 3.5 Haiku

   長い実行の連鎖でツールの誤認識率が最も低く、安い表示価格を実際の費用で押し上げる無駄な再実行トークンを防ぐ。

3. 3
   Google Gemini 2.0 Flash

   100万トークンのコンテキストウィンドウと1セント未満のプロンプトキャッシュの組み合わせで、30手順の状態の再読み込みは、一度の大量出力より安く済む。

4. 4
   OpenAI GPT-4o mini

   構造化された出力の信頼性は99.4%で途切れない。ただし、視覚的なデスクトップの操作では、Ember の2倍の頻度で人の介入が必要になる。

   出典 ↗
5. 5
   DeepSeek-V3

   入力$0.14で、世界で最も低いトークンの表示価格を誇る。ただし、繰り返しのツール呼び出しの再試行により、実際のタスクの費用は Muse Ember より1.5倍高くなる。

   出典 ↗
6. 6
   Qwen 2.5 Coder 32B-Instruct

   安いホスト型エンドポイントで$0.20/Mトークンで動くコミュニティの人気モデル。ほぼフロンティア級のコード生成を出すが、ターミナルの bash がときどきタイムアウトする。

   出典 ↗
7. 7
   メタ Llama 3.3 70B Instruct

   70Bパラメータのオープンウェイトで推論し、生成料金は100万トークンあたり$0.60未満。ただし推論トークンの負担が重く、請求総額を押し上げる。

8. 8
   Google Gemini 1.5 Flash

   100万トークンあたり10セント未満の価格。ただし15手順目以降で手順の失敗が増え、連鎖全体を高くつくリセットに追い込む。

9. 9
   Mistral Small 24B

   ヨーロッパの企業向け有力モデル。簡潔な JSON の関数呼び出しに最適化されているが、ブラウザ作業で画面のスクリーンショットを読んで判断する必要がある場面で落ちる。

10. 10
    Nous Research Hermes 3 (Llama 3.1 8B)

    検閲のないローカル・エージェントの王者。エッジのワークステーションで、ホスティング費用$0で動かせる。しかし、人の舵取りがなければ、30手順の長いコンピュータ作業では大きくずれる。

同じ質問に Z.ai 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
   Muse Ember (メタ, 2026)

   点数に対する費用で見れば、Artificial Analysis が測った中で最安。指数36を1タスク$0.14で。同じ点数の Claude Haiku 5.5 の$0.41の、約3分の1の費用。

   出典 ↗
2. 2
   MiniMax M3.1 Flash (MiniMax, 2026)

   AA が試した249モデルのうち、オフィス業務のスコアは2番目（72.5%）。一方、Vals AI の独立テストではターミナルの1テストあたり$0.21で、Haiku 5.5 より約15倍安い。

   出典 ↗
3. 3
   Claude Haiku 5.5 (アンソロピック, 2026)

   実績のあるモデル。Ember と並ぶ36で、マージ可能なコードでは安いライバルすべてを上回る。ただし費用は1タスク$0.41。さらに10万プロンプトトークンを超えると、入力単価が5倍の$0.50に跳ね上がる。

   出典 ↗
4. 4
   Kimi K3.1 Pro (Moonshot AI, 2026)

   安い層の頭脳。AA の指数で46、どこよりも高い Terminal-Bench 4.0 のスコア（67.2%）。ただし、キャッシュの再読み込みで、$2/$10の価格が6タスクの実行で約$32になる。

   出典 ↗
5. 5
   DeepSeek V4.1 Flash 1017 (DeepSeek, オープンウェイト, 2026)

   MIT ライセンスのウェイトに加え、キャッシュヒット時の$0.003のおかげで、1人の開発者が合計$27で445回のターミナル試行を行えた。ただし、自己申告の Terminal-Bench 4.0 の42.3%は、Vals AI の独立テストでは19.7%に下がった。

   出典 ↗
6. 6
   GPT-6 Luna (OpenAI, 2026)

   費用の王者。低い effort では指数タスク1件$0.01で、最大設定の15分の1。実際の1タスクは$0.071。ただ、Vals AI のターミナル・タスクは13.6%しか解決しなかった。

   出典 ↗
7. 7
   GLM-5.3 (智譜AI, 2026)

   Vals AI の Terminal-Bench 4.0 で、予算帯では最高の正答率（38.9%）。価格が2倍のモデルと並ぶ。ただし1テストあたり$9.37は、予算モデルではなくフラッグシップ並みの費用だ。

   出典 ↗
8. 8
   Qwen3.8-27B (アリババ Qwen, オープンウェイト, 2026)

   27Bのオープンモデルで、OSWorld-Verified の84.3%は4位。Claude と Gemini のフラッグシップの上にいる。それでも Terminal-Bench 4.0 のタスクは5.1%しか解決しない。全般型ではなく、GUI の専門家だ。

   出典 ↗
9. 9
   Gemini 3.8 Flash (Google, 2026)

   ファンは「Opus 級の知能が5分の1の価格」と呼ぶ。しかし Vals AI の計測では、ターミナル・テスト1回あたり$8.65で、予算クラス最大の費用。正答率は19.7%と中位。

   出典 ↗
10. 10
    GPT-6.1 Terra (OpenAI, 2026)

    ステップアップの候補。1タスク$0.96で、AA の新しい指数で「先頭」とされるモデルの中では最安。予算モデルには届かない知能の層として、Ember の費用のおよそ7倍。

    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
   メタ Muse Ember (2026)

   Haiku 5.5 は同じ$0.10/$0.50の表示価格で$0.41かかるところ、$0.14で指数タスクを完了する。出力トークンは2.6倍少ない。

   出典 ↗
2. 2
   Claude Haiku 5.5 (2026)

   同じ出力単価で、指数実行1回あたり298Mの出力トークンを書く（Ember は115M）。$0.27/タスクの差は料金表ではなく、冗長さのせいだ。

   出典 ↗
3. 3
   GPT-6 Luna (2026)

   クラスの中で1タスクあたり最安（$0.07〜$0.15）だが、Terminal-Bench 4.0 では16.4%。仕上げ役ではなく、振り分け役だ。

   出典 ↗
4. 4
   DeepSeek V4.1 Flash 1017 (2026)

   公開されたオープンウェイトの中で、指数32と首位。Terminal-Bench 4.0 では42.3%で、100万出力トークンあたり約$0.60〜$1.20。

   出典 ↗
5. 5
   GLM-5.3 (2026)

   Terminal-Bench 4.0 で43.4%。公開ウェイトのターミナル・スコアで最良。指数では、ほかのどのオープンモデルよりも15ポイント先にいる。

   出典 ↗
6. 6
   MiniMax M3.1 Flash (2026)

   Terminal-Bench 4.0 で38.1%、出力$0.60。目立たない第三者のモデルだが、ターミナルでは Luna を22ポイント上回る。

   出典 ↗
7. 7
   GLM-5.3-Flash (2026)

   Terminal-Bench 4.0 で35.8%、1タスク$0.36。この表で3分の1を超える正答率の中では、測定された最安。

   出典 ↗
8. 8
   Gemini 3.5 Flash (2026)

   AutomationBench-AA で42.6%、1タスク$0.49。この表の上位に近いモデルの中で、業務ワークフローの完了率が最も安い。

   出典 ↗
9. 9
   MiMo-V2.6-Flash (2026)

   Terminal-Bench 4.0 で24.2%、1タスク$0.21。効率のフロンティア上で、ターミナル作業1件あたりの測定費用が最も低い。

   出典 ↗
10. 10
    Gemini 3.1 Flash-Lite (2026)

    AutomationBench-AA のタスクは1件$0.05未満。オフィス業務の表で最安。外しても損がない作業向けだ。

    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
   Muse Ember (メタ, 2026)

   Haiku の知能スコアに並び、1タスク$0.14で費用は3分の1。それでも業務ワークフローでは、安いモデルの中で首位を保つ。

   出典 ↗
2. 2
   MiMo-V2.6-Pro (シャオミ, 2026)

   ボードで最も安い高知能モデル。Intelligence Index 46で、$0.13/タスク。ただし OSWorld の数字は、まだベンダーの自己申告だ。

   出典 ↗
3. 3
   DeepSeek V4.1 Flash 1017 (DeepSeek, 2026)

   1タスク$0.60は、最安のトークンではない。だが、ターミナル作業の42.3%、業務ワークフローの60.5%を完了する。安いクラスで、ターミナルとオフィス業務の最良の組み合わせだ。

   出典 ↗
4. 4
   Claude Haiku 5.5 (アンソロピック, 2026)

   安いクラスで最高の OSWorld スコア（72.4%）。ただし、同じ$0.10/$0.50の公表価格で、1タスク$0.41の費用がかかる。Muse Ember のほぼ3倍。さらに、厳密な業務ワークフローは13.9%しか完了しない。

   出典 ↗
5. 5
   GPT-6 Luna (OpenAI, 2026)

   Haiku や Ember と同じ$0.10/$0.50の価格表。ただし知能は28、Terminal-Bench は16.4%。費用が最安でも、長い作業では見かけだけの節約になりうる。

   出典 ↗
6. 6
   MiniMax M3.1 Flash (MiniMax, 2026)

   オフィス業務の専門家。AutomationBench-AA で72.5%で、安いグループでは最高。ただし Terminal-Bench は26%、FrontierCode は21%。

   出典 ↗
7. 7
   Ling 3.0 Flash (InclusionAI, 2026)

   1タスク約$0.054で、知能スコア38を買う最も安い方法の一つ。ただし、エージェントとしてのターミナルとオフィス業務のスコアは、先頭のモデルよりかなり低い。

   出典 ↗
8. 8
   GLM-5.3-Flash (智譜AI, 2026)

   1タスク$0.58で、AutomationBench では60%と強い。しかし FrontierCode は15%、Terminal-Bench は33%。オフィス作業はこなせるが、マージには慎重なモデルだ。

   出典 ↗
9. 9
   Gemini 3.8 Flash (Google, 2026)

   入力$0.75と、トークン単価は低い。しかし完了した1タスクは$7.77になる。安いクラスで、表示価格と実際の費用の差が最も大きい。

   出典 ↗
10. 10
    K2 Horizon 375B A23B (K2, 2026)

    このボードで唯一、1タスク$0.00のモデル。OSWorld と業務ワークフローの点数が遅れている場合、「無料」は「エージェントとして使える」とは違う、という注意の材料になる。

    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
   メタ Muse Ember (2026)

   3分の1のコストで Claude に並ぶと主張——独立した計算では、ぎりぎりそのとおり

2. 2
   DeepSeek-V3 Lite (2026)

   指数で最安の推論モデル——ただし長いブラウザ操作の連鎖でつまずく

3. 3
   アンソロピック Claude Haiku 4.5 (2026)

   誰もが超えると主張する基準点——そして30手順の作業に実際に信頼して使えるもの

4. 4
   Google Gemini 2.5 Flash-Lite (2026)

   Google の「1時間1ドル未満」という賭け——オフィス作業は速いが、コードは遅い

   出典 ↗
5. 5
   Mistral Small 3.1 (2026)

   ヨーロッパで最も安いバイリンガルの働き者——キャッシュをうまく使えば1タスク0.002

   出典 ↗
6. 6
   OpenAI GPT-4o mini (2026)

   すでに人々が使っているエージェント——今や第3世代だが、まだ最安ではない

   出典 ↗
7. 7
   Qwen 3 4B (2026)

   アリババのオープンソース4Bの底力——キャッシュには強いが、ブラウザ操作の連鎖には弱い

8. 8
   コヒア Command R+ 08-2026 (small)

   業務ワークフロー向けに RAG 調整済み——費用は高いが、オフィス手順の完了度は高い

   出典 ↗
9. 9
   マイクロソフト Phi-4 Mini (2026)

   マイクロソフトの1タスク0.001の極小モデル——計算は合っているが、エージェントは合っていない

10. 10
    スタビリティAI Stable LM 2 1.6B (2026)

    ボードで最も安いトークン——払った分だけのものが手に入る

同じ質問に Qwen 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
   メタ Muse Ember

   3分の1の費用で、Claude Haiku の頭脳に並ぶ。

   出典 ↗
2. 2
   アンソロピック Claude Haiku 5.5 / 3.5 Haiku

   安いエージェントの基準点。今では数セントで並ぶ。

   出典 ↗
3. 3
   OpenAI GPT-4o-mini

   1タスク10セント未満で、最も信頼できるオールラウンダー。

   出典 ↗
4. 4
   Google Gemini 1.5 Flash 8B

   Google の超高密度の低予算モデルは、パラメータ数のわりに力を発揮する。

   出典 ↗
5. 5
   アリババ Qwen 2.5 7B

   オープンウェイトの王者。中位のモデルのようなスコアを、わずかな費用で出す。

   出典 ↗
6. 6
   アリババ Qwen 2.5 Coder 7B

   マージ可能なコードを書く最安の方法だが、ブラウザは見えない。

   出典 ↗
7. 7
   メタ Llama 3.1 8B

   メタの古いオープンモデルは、今もしっかりした手元のバックアップとして使える。

   出典 ↗
8. 8
   DeepSeek V2.5 / V3-Lite

   Mixture-of-experts の効率で、エージェントのループを安く保つ。

   出典 ↗
9. 9
   Mistral Small

   ヨーロッパ流の実践主義。旗艦モデルの上乗せ価格なしで、まずまずの自動化スコア。

   出典 ↗
10. 10
    Google Gemma 2 9B

    Google のオープンな代替モデル。1枚の一般向け GPU に楽に収まる。