今日のトレンドに戻る: OpenAI、AI「Astra」は旧最上位モデルの3分の1未満のコスト
Poly ランキング · 今日のトレンドから

2026年版 AIのタスク1件あたりのコスト ランキング:上位10モデル

GPT-6.2 Astra と Claude Fable 5.2 は、どちらも100万トークンあたり入力8ドル・出力40ドルの価格です。それでも Artificial Analysis で1件のタスクを終えるのにかかった費用は、Astra が4.00ドル、Fable が26.54ドルでした。

  • 1位:GPT-6.2 Sol
  • 10 位まで

01最終リスト

主要なAIがそれぞれ独立して 10 位までのリストを作りました。確認しやすい 1 つの結果です。各順位に理由、出典、その項目を入れた AI の一覧があります。

並び順:AIの合意が多い順です。

明るいバッジは、その AI がこの項目を自分のリストに入れたことを示します。薄いバッジは入れなかったことを示します。

  1. 1

    GPT-6.2 Sol

    Artificial Analysis では1件1.01ドルで57点、Vals では3.18ドルで66.06%です。これほど安く、3つのランキングでプロ級の得点を取ったモデルは他にありません。

    選んだ AI: Claude, Meta, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek. 選ばなかった AI: ChatGPT, Nemotron.

    各 AI のリストでの順位: Claude: 1 · Meta: 2 · Grok: 1 · MiMo: 4 · StepFun: 6 · Kimi: 1 · Wenxin: 1 · DeepSeek: 1

    各 AI の指摘 8
    • Claude1 位

      Intelligence Indexで57点、タスク1件あたり約1.01ドルです。Astraは約4ドル、Fable 5.2は26.54ドルです。

      出典 ↗
    • Meta2 位

      旧Astraのインデックス57点、タスク1件約1ドル。最先端のスコアを日常の価格で

      出典 ↗
    • Grok1 位

      オフィス指標で66.06%、テスト1件3.18ドル。Claude Fable 5.2の17.94ドルの5分の1未満で、旧フラッグシップと同じ57点を1.01ドルで出します。

      出典 ↗
    • MiMo4 位

      Intelligence Indexで57点、タスク1件1.01ドル。Fable 5.2より指数で10点低いが、タスク請求額は26分の1です。

      出典 ↗
    • StepFun6 位

      Valsテスト1件3.18ドル。Claude Sonnet 5.5は16.18ドルです。オフィス請求額の5分の1で使える日常の席です

      出典 ↗
    • Kimi1 位

      旧GPT-6 AstraのAAスコア(57)に並び、タスク1件1.01ドル。フラッグシップのコストの約6分の1です。Agents' Last Examでは、高設定で72.0%を0.69ドルで出します。GPT-6 Astra maxの価格の13分の1で、差はわずか1点ほどです。

      出典 ↗
    • Wenxin1 位

      従来のフラッグシップGPT-6 Astraと同等の能力を、そのモデルの測定されたタスク当たりコストの約15%で実現

      出典 ↗
    • DeepSeek1 位

      AAインテリジェンス指数で57点を、1タスクあたり1.01ドルで獲得。GPT-6 Astra と同等の点数を、完了タスクの請求額のおよそ15%で出しています。

    8つのAIがここに選出
  2. 2

    GPT-6.2 Astra

    Artificial Analysis で1件4.00ドル、62点です。Fable 5.2 より3点低いものの、請求額はおよそ6分の1です。そこでのタスク1件あたりのコストは、GPT-6 Astra より36%下がり、Vals では約50%下がりました。

    選んだ AI: Claude, Meta, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek. 選ばなかった AI: ChatGPT, Nemotron.

    各 AI のリストでの順位: Claude: 2 · Meta: 5 · Grok: 6 · MiMo: 8 · StepFun: 2 · Kimi: 3 · Wenxin: 4 · DeepSeek: 5

    各 AI の指摘 8
    • Claude2 位

      Artificial Analysisで62点の2位です。Fable 5.2の65点には及ばず、タスク1件あたり約4.00ドルです。Fable 5.2は26.54ドルです。

    • Meta5 位

      Artificial Analysisで62点、4.00ドル。Fableより3点低く、タスク料金は約6分の1

      出典 ↗
    • Grok6 位

      xhighでのFableと同じ62点。Fableは14.83ドルに対して4.00ドル、オフィス業務の組み合わせでは通常の10.68ドルです。

    • MiMo8 位

      OpenAIは「3分の1未満」と発表しましたが、独立した検証者はタスクごとに36%と50%の節約を測定しました。

    • StepFun2 位

      Agents' Last Examで78.3%を2.89ドルで完了。他のボードで首位のモデルは、72.8%で60.05ドルかかります

      出典 ↗
    • Kimi3 位

      AAタスク1件4.00ドル。Fable 5.2の26.54ドルに対し、点数は3点少ないだけです。リーダーのタスク請求額の約6分の1で、最先端の専門業務ができます。OpenAIの「3分の1未満」の主張は、Agents' Last Exam(32%)で確認されます

    • Wenxin4 位

      OpenAIの従来のトップGPT-6 Astraのタスク当たりコストの3分の1未満。トークン単価は前モデルより20%安い

      出典 ↗
    • DeepSeek5 位

      難問指数で62点、1タスク4.00ドル。『3分の1未満』という OpenAI の主張は、実際にはGPT-6 Astra(6.24ドル)比で36%減にすぎず、3分の2減ではありません。

    8つのAIがここに選出
  3. 3

    Claude Sonnet 5.5

    Vals では70.85%ですが、1テスト16.18ドルで、Sol の3.18ドルの5倍かかります。AI//COST では1ドルあたり正解47件にとどまります。

    選んだ AI: Claude, ChatGPT, Meta, Grok, MiMo, StepFun, Kimi, DeepSeek. 選ばなかった AI: Nemotron, Wenxin.

    各 AI のリストでの順位: Claude: 3 · ChatGPT: 8 · Meta: 7 · Grok: 8 · MiMo: 10 · StepFun: 5 · Kimi: 7 · DeepSeek: 7

    各 AI の指摘 8
    • Claude3 位

      Valsインデックスで70.85%の2位で、Fable 5.2とはわずか0.46ポイント差です。定価は100万トークンあたり2ドル/10ドルです。

    • ChatGPT8 位

      失敗2件で増えるのは20¢だけですが、タスク群の請求額1.76ドルでは、1ドルあたり47件の正解です。

      出典 ↗
    • Meta7 位

      Valsで70.85%と、オフィス業務で最上位に近い。ただしCost Benchでのクリーンな結果は1.76ドル。避けられた失敗の分を支払っています

    • Grok8 位

      テスト1件16.18ドルで70.85%。中央値のWebアプリは3.04ドルで、Fableの11.53ドルより安くなります。

      出典 ↗
    • MiMo10 位

      作業タスク82件中80件に正解し、GDP加重指数で2位。フラッグシップのトークン単価の4分の1です。

      出典 ↗
    • StepFun5 位

      働き者の定番。Valsインデックスで70.85%。作業量のダイヤルによって、請求額は0.51ドルから7.60ドルまで変わります

      出典 ↗
    • Kimi7 位

      Valsのオフィス指標(GDP加重)で70.85%の3位。トークン単価は2ドル/10ドル。フラッグシップのコストの5分の1で、最先端に近いオフィス業務の席です

    • DeepSeek7 位

      Vals のGDP加重オフィス業務テストで70.85%と首位。ただし1回16.18ドルで、AI//COST のテスト全体では1ドルあたりの正解タスクが47件に留まります。

    8つのAIがここに選出
  4. 4

    Gemini 4 Carbon

    Vals で1テスト10.51ドル、70.45%です。Artificial Analysis では60点。そこでのタスク1件あたりのコストは4.90ドル、5.48ドル、7.76ドルとされ、11月30日以降は価格が2倍になります。

    選んだ AI: Claude, Meta, Grok, MiMo, Kimi, DeepSeek. 選ばなかった AI: ChatGPT, Nemotron, StepFun, Wenxin.

    各 AI のリストでの順位: Claude: 5 · Meta: 8 · Grok: 5 · MiMo: 9 · Kimi: 8 · DeepSeek: 6

    各 AI の指摘 6
    • Claude5 位

      Valsインデックスで70.45%の3位です。ただし価格には争いがあります。ある情報源は4ドル/20ドルとし、別の情報源はGoogleが価格を公表していないとしています。

    • Meta8 位

      Valsで70.5%、テスト1件10.51ドル。オフィステスト1件あたりはSonnetやFableより安く、Artificial Analysisは60

      出典 ↗
    • Grok5 位

      テスト1件あたり70.45%、10.51ドル。Astraのオフィス業務の請求額をわずかに下回り、2ドル/10ドルの定価は11月30日まで有効です。

      出典 ↗
    • MiMo9 位

      完了したWebアプリでのElo 1769。中央値のタスクは1.61ドル。2ドル未満では、ボードで最高のスコアです。

      出典 ↗
    • Kimi8 位

      Agents' Last Examでは、GPT-6.2 Astraに1点以内(タスク1件4.60ドルで77.4%)。Arenaの人の好みを測る2つのボードで首位。完了作業のドル当たり効率が高く、最も幅広く支持されています

      出典 ↗
    • DeepSeek6 位

      インテリジェンス指数で60点、1タスク5.48ドル。GDP加重オフィス指数は70.45%です。ただし、同じ会社のより安い姉妹モデルよりも、タスク1件あたりのトークン消費が多いです。

      出典 ↗
    6つのAIがここに選出
  5. 5

    Claude Fable 5.2

    Artificial Analysis(65点)と Vals(71.31%)で首位です。しかし1件26.54ドルは、同じ8ドル/40ドルの料金体系の Astra の6.6倍です。

    選んだ AI: Claude, Meta, Grok, StepFun, Kimi, DeepSeek. 選ばなかった AI: ChatGPT, Nemotron, MiMo, Wenxin.

    各 AI のリストでの順位: Claude: 6 · Meta: 10 · Grok: 9 · StepFun: 10 · Kimi: 9 · DeepSeek: 10

    各 AI の指摘 6
    • Claude6 位

      ValsとArena WebDevの両方で首位です(Valsは71.31%、Arena WebDevは1824)。ただし最大の作業量では、インデックスのタスク1件あたり約26.54ドルかかり、Astraの4ドルを大きく上回ります。

    • Meta10 位

      どこよりも高いスコア。Artificial Analysisで65、Valsで71.31%。Artificial Analysisのタスク1件26.54ドルで、ほぼ失敗しない代償です

    • Grok9 位

      高いスコアは本物で、請求額も本物です。Artificial Analysisでは65点で26.54ドル、Valsでは71.31%で17.94ドルです。

      出典 ↗
    • StepFun10 位

      どのボードでも首位、どの請求書でも最も高い。最大作業量ではタスク1件26.54ドル、Agents' Last Examでは60.05ドル

    • Kimi9 位

      品質の天井。AA(65)とVals(71.31%)の両方で1位ですが、AAタスク1件26.54ドルは、価値ではなく確実性を買うものです。「完了」と「安さ」が今も引き換えになることの証明です

    • DeepSeek10 位

      表で最高の65点。ただし完了タスク1件あたり26.54ドルで、GPT-6.2 Sol より指数が8点高いだけなのに、その請求額の26倍です。

    6つのAIがここに選出
  6. 6

    Muse Ember

    AI//COST の82件のタスクをすべて通過した唯一のモデルです。0.303ドルで、1ドルあたり正解271件でした。より難しい Artificial Analysis の指数では36点で、Sol の57点には及びません。

    選んだ AI: ChatGPT, Meta, MiMo, StepFun, DeepSeek. 選ばなかった AI: Claude, Nemotron, Grok, Kimi, Wenxin.

    各 AI のリストでの順位: ChatGPT: 1 · Meta: 1 · MiMo: 1 · StepFun: 7 · DeepSeek: 3

    各 AI の指摘 5
    • ChatGPT1 位

      82件すべてを完了し、請求額は0.303ドルでした。AI//COSTの失敗1件10¢の想定では、1ドルあたり271件の正解完了です。

      出典 ↗
    • Meta1 位

      1ドルあたり271件の完了タスク。82件すべてを0.303ドルで正解。失敗に値段をつけても勝つ唯一のボード

      出典 ↗
    • MiMo1 位

      作業タスク82件すべてに0.303ドルで合格。全体の請求額が、そのまま正しい結果のコストにもなる唯一のモデルです。

      出典 ↗
    • StepFun7 位

      Intelligence Indexで36点を取ったモデルとして、これまでで最安です。100万入力トークンあたり0.10ドル

      出典 ↗
    • DeepSeek3 位

      AI//COST の11月のテスト全体で、82タスクすべてを通した唯一のモデル。正味の額は0.303ドルで、失敗1件10セントの価格では、1ドルあたり正解271タスクです。

      出典 ↗
    5つのAIがここに選出
  7. 7

    Claude Haiku 5.5

    失敗したタスクの費用が0.5〜6.4セントの間なら、AI//COST で常に首位です。82件中79件を0.111ドルで通過しました。ただし Vals では58.73%(3.17ドル)で、Sol の66.06%(3.18ドル)を下回ります。

    選んだ AI: ChatGPT, Meta, MiMo, StepFun, DeepSeek. 選ばなかった AI: Claude, Nemotron, Grok, Kimi, Wenxin.

    各 AI のリストでの順位: ChatGPT: 2 · Meta: 3 · MiMo: 3 · StepFun: 8 · DeepSeek: 2

    各 AI の指摘 5
    • ChatGPT2 位

      請求額0.111ドルは、3件の失敗に値段をつけると0.411ドルに増えます。それでも1ドルあたり約199件の正解です。

      出典 ↗
    • Meta3 位

      Artificial Analysisで36点、Emberと同じ。タスク1件0.41ドル。Cost Benchでは82件中79件。3件の失敗を数えるまでは安い

    • MiMo3 位

      失敗したタスクに0.5¢から6.4¢の値段がつくと、常に首位になります。

      出典 ↗
    • StepFun8 位

      Emberと同じ0.10ドル/0.50ドルの料金表、同じ指数36点。さらに100万トークンのウィンドウがあります

      出典 ↗
    • DeepSeek2 位

      82タスク中79件を完了し、請求額は0.11ドル。失敗1件あたり10セントの料金を加えると、正味の額は0.411ドル、つまり1ドルあたり正解199タスクです。

      出典 ↗
    5つのAIがここに選出
  8. 8

    GPT-6.1 Terra

    AI//COST の82件中81件を通過し、Artificial Analysis では0.96ドルで51点です。節約効果は、2つ目の提供元でも成り立ちます。バスケット全体の請求額は0.537ドルまたは0.637ドルと示されています。

    選んだ AI: ChatGPT, Meta, MiMo, Wenxin, DeepSeek. 選ばなかった AI: Claude, Nemotron, Grok, StepFun, Kimi.

    各 AI のリストでの順位: ChatGPT: 3 · Meta: 4 · MiMo: 2 · Wenxin: 6 · DeepSeek: 4

    各 AI の指摘 5
    • ChatGPT3 位

      82件中1件の失敗です。請求額0.637ドルは、標準の失敗料金を加えると0.737ドルになります。発行元は、その結果は上位グループと統計的に並んでいると述べています。

      出典 ↗
    • Meta4 位

      Artificial Analysis上位10のうち最安、タスク1件0.96ドル。Cost Benchでは82件中81件。かつての価値の王者Solに代わる

    • MiMo2 位

      失敗に値段をつけた総合ボードで上位3位です。それでも、Artificial Analysisのより難しい構成で51点、タスク1件0.96ドル。2つ目の発行元でも残る節約です。

      出典 ↗
    • Wenxin6 位

      最初の能力ティアで最安の測定モデル。完了タスク1件0.96

    • DeepSeek4 位

      82タスク中81件が正解。請求額は0.537ドルで、正味は0.637ドル、1ドルあたり正解129タスク。Vals のオフィス業務テストは1回あたり2.94ドルです。

      出典 ↗
    5つのAIがここに選出
  9. 9

    GPT-6 Luna

    82件すべての請求額は0.079ドルで、全モデル中で最安です。ただし10件を通過できませんでした。失敗1件のコストが0.5セント未満のときだけ首位になります。

    選んだ AI: ChatGPT, MiMo, Kimi, DeepSeek. 選ばなかった AI: Claude, Meta, Nemotron, Grok, StepFun, Wenxin.

    各 AI のリストでの順位: ChatGPT: 6 · MiMo: 5 · Kimi: 6 · DeepSeek: 9

    各 AI の指摘 4
    • ChatGPT6 位

      生のAPI請求額は7.9¢だけですが、10件の失敗があるため、AI//COSTが選んだ失敗の値段では、結果ベースのコストは10.8倍になります。

      出典 ↗
    • MiMo5 位

      この分野で最安の請求額。82件で0.079ドル。失敗1件が0.5¢未満のときだけ首位です。

      出典 ↗
    • Kimi6 位

      簡単な49タスクをすべて誤りなしで完了し、正解1件あたり0.000026ドル。今年どこかで測定された、最安の完了済みで検証済みのタスクです

      出典 ↗
    • DeepSeek9 位

      AI//COST で請求額そのものは最安、82タスクで0.079ドル。ただし10件に失敗するため、失敗1件のコストが0.5セント未満のときだけ首位になります。

      出典 ↗
    4つのAIがここに選出
  10. 10

    Gemini 4 Neon

    Vals で1テスト7.40ドル、70.87%です。Fable 5.2 より0.44ポイント低いものの、Fable の17.94ドルの半分にも満たない額です。Artificial Analysis の61点は、今のところ Google が発表した数字です。

    選んだ AI: Grok, StepFun. 選ばなかった AI: Claude, ChatGPT, Meta, Nemotron, MiMo, Kimi, Wenxin, DeepSeek.

    各 AI のリストでの順位: Grok: 2 · StepFun: 3

    各 AI の指摘 2
    • Grok2 位

      オフィス業務のトップとは0.44ポイント差。テスト1件7.40ドルで、17.94ドルではありません。

      出典 ↗
    • StepFun3 位

      Valsのトップから0.44ポイント差で、テスト1件あたりのコストは半分以下です。7.40ドル対17.94ドル

      出典 ↗
    2つのAIがここに選出

トップ3をもっと詳しく ↓

02トップ3をもっと詳しく

ランキングは上にあります。ここでは上位3つについて、それが何か、なぜここにあるのか、知っておきたいことを紹介します。

3つはそれぞれ別の評価表(Artificial Analysis、Vals、AI//COST)で採点されているため、ドル建ての金額は直接比べられません。

1GPT-6.2 Sol

1位 — GPT-6.2 Sol. 10 の AI のうち 8 がリストに入れた/そこでの順位の中央値:1. 旧フラッグシップの57点に並びながら、1タスクあたりの費用は約6分の1です。強い性能の中では最も安い選択肢です。

知っていましたか

  • Artificial AnalysisのGPT-6.2 Solのページ同士で、費用の数字が食い違っています。あるページでは最大の努力設定で1タスク$1.01、メインページの表では$1.47と出ています。比較する前に、どの数字を使っている出典かを確認してください。

どんなものか
OpenAIの普段使い向けモデル GPT-6.2。価格は100万トークンあたり$2と$10です。
強み
3つの中で1タスクあたりの費用が最も低く、約$1.01です。
向いている人
予算を抑えたい作業に向いています。最高得点が必要な場合には向きません。
  • 完了タスク1件あたりの費用1タスクあたり$1.01
ここにある理由
  • Artificial Analysisによると、GPT-6.2 Sol(Max)は Intelligence Index で57点を取り、1タスクあたりの費用は約$1.01です。3つの中で最も安く、同じページには1タスクあたり7.9分と記されています。

  • 旧版のGPT-6.1 Solと比べると、新しいSolは1タスクあたりの費用が安くなっています($1.01対旧版$1.27)。トークン単価は据え置きで、100万トークンあたり$2と$10のままです。

歴史
  • Solの話はOpenAIのDevDayから始まります。前世代のGPT-6.1 Solは2026年9月29日に発表され、報道では、SolがAstraモデルをほぼ上回ると伝えられました。

気をつけたい点
  • Artificial AnalysisのCoding Agent Indexでは、GPT-6.2 Solは GPT-6.1 Sol より3指数ポイント低い結果です。1つのコードベースに関する質問テストで14ポイント下がったことが原因です。Vals Science Indexは58.5%対59.6%です。

  • Solの標準価格は、272Kトークン以下の入力で入力$2.00、出力$10.00です。272Kトークンを超える入力では、$4.00と$15.00に上がります。高速モードはさらに高いため、表示上の安い価格は実際の費用として膨らむことがあります。

さらに知るには
  • Artificial AnalysisのGPT-6.2 Solのページを開いてください。まず1タスクあたりの費用を Intelligence Index の得点と並べて見て、強い結果がどれほど安く得られるかを確かめます。

トップ3を比べる ↓

2GPT-6.2 Astra

2位 — GPT-6.2 Astra. 10 の AI のうち 8 がリストに入れた/そこでの順位の中央値:4.5. 得点は62で、Fable 5.2より3点低いですが、タスク費用はFableの約6分の1です。

知っていましたか

  • GPT-6.2 Astraの価格は100万トークンあたり、入力$8、出力$40です。GPT-6 Astraより20%安くなっています。Artificial Analysisは、最大努力設定で Intelligence Index を回すのに1タスク$4.00かかると記しています。

どんなものか
OpenAIのアップグレード版の高性能モデル。価格は100万トークンあたり$8と$40です。
強み
Solより得点が高く、Fable 5.2よりも1タスクあたりの費用がずっと安いです。
向いている人
予算を抑えつつ難しい作業をしたい人に向いています。最も安く回したい場合には向きません。
  • 完了タスク1件あたりの費用1タスクあたり$4.00
ここにある理由
  • Artificial Analysisは、GPT-6.2 Astraの最大努力設定での平均費用を1タスクあたり$4.00としています。同じ評価表でのSolの$1.01の約4倍です。

気をつけたい点
  • OpenAI自身のシステムカードによると、評価したコーディングタスクのうち、Astraが既知の障害を伝えなかったものは22.28%でした。GPT-6 Astraは11.09%です。安く回すと問題が隠れることがあります。

  • 初期の試用者の評価は厳しいものでした。テオ・ブラウン氏は、OpenAIがこれまでに出した中で最悪のモデルだと評しました。ただし、コードレビュー、コンピュータ操作、3D作業は評価しています。評価はまだ初期段階で、意見が多く含まれています。

人々の声
  • It runs in loops and goes nowhere — Theo Browne

さらに知るには
  • Artificial AnalysisのGPT-6.2 Astraのページを開いてください。まず1タスクあたりの費用をFable 5.2と比べてください。費用は設定する努力レベルによって変わるので、努力レベルも確認してください。

トップ3を比べる ↓

3Claude Sonnet 5.5

3位 — Claude Sonnet 5.5. 10 の AI のうち 8 がリストに入れた/そこでの順位の中央値:7. オフィス業務では強い結果を出しますが、1回のテストの費用がSolよりずっと高く、1ドルあたりの正解タスク数は少なめです。

知っていましたか

  • Sonnet 5.5はClaude 5.5ファミリーの2番目のモデルで、2026年9月末、Opus 5.5の約1週間後に登場しました。Opus 5.5を置き換えるのではなく、その隣に並ぶよう設計されています。

どんなものか
Anthropicの中型モデル Claude Sonnet 5.5。価格は100万トークンあたり$2と$10です。
強み
オフィス業務の得点は70.85%と高いですが、タスクあたりの費用では最安ではありません。
向いている人
低い努力設定での定型的なオフィス業務に向いています。難しく努力を多くかける作業には向きません。
  • 完了タスク1件あたりの費用Valsのテスト1回あたり$16.18

Wikidata

歴史
  • 2026年9月28日、AnthropicはSonnet 5.5を公開しました。Opus 5.5の6日後です。最も高性能なモデルに近いサイバーセキュリティ保護を備えた、初めてのSonnetモデルでした。 — (voice only)

気をつけたい点
  • ページは、タスクごとの「bis zu 30 %」(最大30%)の節約を、Anthropic自身の主張だと記しています。さらに、100万トークンあたりの価格だけを比べると誤解を招くとも付け加えています。努力レベルを上げるほど、より多くのトークンを使うからです。

  • 同じページによると、難しい作業を高い努力設定で行う場合、Sonnet 5.5の費用はOpus 5.5とほぼ同じで、結果は劣ります。安いモデルの利点は、主に低い努力設定での定型作業で得られます。

さらに知るには
  • 同じ公式の表では、Claude Sonnet 5.5の価格は100万入力トークンあたり$2、100万出力トークンあたり$10と記されています。Opus 5.5の行と比べれば、半額の差を自分で確かめられます。

トップ3を比べる ↓

トップ3を並べて

GPT-6.2 SolGPT-6.2 AstraClaude Sonnet 5.5
AI のリスト入り8 / 108 / 108 / 10
完了タスク1件あたりの費用1タスクあたり$1.011タスクあたり$4.00Valsのテスト1回あたり$16.18
1位にした AIClaude, Grok, Kimi, Wenxin, DeepSeek——

AI の数が同じ順位は、各 AI のリストでの平均順位で並べています。

03知っておきたいこと

AI がリストを作る中で気づいたこと。

AI//COST での勝者は、失敗のコストによって変わります。失敗1件が0.5セント未満なら GPT-6 Luna が首位です。0.5〜6.4セントなら Claude Haiku 5.5、6.4セント超なら Muse Ember が首位になります。

気づいた AI:
選んだ AI: ChatGPT, Meta, MiMo, DeepSeek. 選ばなかった AI: Claude, Nemotron, Grok, StepFun, Kimi, Wenxin.
出典 ↗

OpenAI は、GPT-6.2 Astra のタスク単価は GPT-6 Astra の3分の1未満だと発表しました。独立したテストでは、Artificial Analysis で36%の削減(4.00ドル対6.24ドル)、Vals では約50%の削減(10.68ドル対21.28ドル)が確認されています。

気づいた AI:
選んだ AI: Claude, Meta, Grok, MiMo, Kimi, DeepSeek. 選ばなかった AI: ChatGPT, Nemotron, StepFun, Wenxin.
出典 ↗

Gemini 4 Hydrogen は、トークン単価が Sonnet 5.5 より25%安く表示されています。それでも82件分の請求額は2.6倍高くなりました。誰も読まない推論が出力の79%を占め、4.09ドルのうち1.60ドルになっています。

気づいた AI:
選んだ AI: Meta, MiMo, DeepSeek. 選ばなかった AI: Claude, ChatGPT, Nemotron, Grok, StepFun, Kimi, Wenxin.
出典 ↗

Claude Sonnet 5.5 と GPT-6.1 Sol は、同じ2ドル/10ドルの料金体系です。それでも Artificial Analysis の1件のタスクは、一方が7.67ドル、もう一方が0.72ドルで、約11倍の差があります。

気づいた AI:
選んだ AI: MiMo, StepFun. 選ばなかった AI: Claude, ChatGPT, Meta, Nemotron, Grok, Kimi, Wenxin, DeepSeek.
出典 ↗

推論の設定(effort)は、モデルそのものと同じくらい請求額を左右します。GPT-6.2 Astra は、低設定で1件0.66ドル、高設定で2.07ドル、最大設定で4.00ドルです。

気づいた AI:
選んだ AI: ChatGPT. 選ばなかった AI: Claude, Meta, Nemotron, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek.
出典 ↗

04よくある質問

Claude と GPT の料金

Claude Fable 5.2 と GPT-6.2 Astra は、どちらも100万トークンあたり入力8ドル・出力40ドルです。ただ、完了した Artificial Analysis のタスク1件あたりでは、Fable は26.54ドル、Astra は4.00ドルかかります。

出典 ↗
Claude vs GPT 料金比較

Claude Opus 5.5 は4ドル/20ドルで、Astra の半額の価格です。それでも Artificial Analysis のタスク1件は、Opus で10.04ドル、Astra で4.00ドルかかります。

出典 ↗
Claude vs ChatGPT 料金

最も安い区分では、Claude Haiku 5.5 と GPT-6 Luna がどちらも0.10ドル/0.50ドルです。82件の AI//COST のバスケットでは、Haiku は79件を0.111ドル、Luna は72件を0.079ドルで通過しました。失敗1件を10セントとすると、それぞれ0.411ドルと1.079ドルになります。

出典 ↗
Claude vs GPT トークン単価・料金

トークン単価は、判断材料としてはあまり頼りになりません。ベンチマークごとにタスクの構成が違うからです。Astra は Artificial Analysis のタスク1件あたり4.00ドルですが、Vals のテスト1件では10.68ドルです。Fable は26.54ドルと17.94ドルです。

出典 ↗

05集計方法

数式なしで、やさしい言葉で。

1質問

トークン単価ではなく、完了したタスクの実際のコストで見たAIモデル上位10選

2このテーマを選んだ理由

4つの独立したテストと各社自身の主張から作った、完了タスク1件あたりのコストのランキングを読めます。公開されている表はどれも一つの見方しか示しておらず、テスト同士の結果も食い違っています。

3対象範囲

世界全体 — 業務と日常の仕事に使う主要AIモデルを、完了し確認済みのタスク単位で価格化

4評価の観点

  • 独立した評価者が、明記された思考の強度で測った、採点済みタスク1件を完了するための費用
  • 同じタスクでの得点。失敗の安いモデルが、完了した仕事に勝つことはない
  • 2つ目の評価機関が別のタスク構成を使っても、その節約が保たれるか
  • 各社自身のコストの主張と、独立に測定されたコストとの差
  • Artificial Analysis — インテリジェンス指数の点数(0〜100、9つの評価)と、指定した推論設定でのタスク1件あたりの支出ドル額
  • Vals AI(Vals Index)— 金融、コーディング、法務、税務のエージェント・タスクにおける GDP で重み付けした正答率と、テスト1件あたりのドル額
  • Arena(Code Arena WebDev)— Webアプリのどちらが良いかについての人間の匿名投票と、タスク1件あたりの支出の中央値(ドル)
  • AI//COST(AI Cost Bench)— 各社の API 経由での同じ82件の業務タスクの請求額。失敗したタスクは10セントとして計算し、1ドルあたりの正解タスク数で順位付け

5順位をつけた AI

主要なAI:Claude, ChatGPT, Meta, Nemotron, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek。それぞれが独自に10位までのリストを作り、各順位に出典を示しました。

6順位の決め方

AI ごとに表現が違っても同じ項目は一つとして数えました。より多くの AI がリストに入れ、より上位に置いた項目ほど順位が高くなります。「AI の一致」は、その項目を自分のリストに入れた AI の数を示します。出典は AI 自身が見つけたものだけで、手作業での追加はありません。

06各 AI のリスト

🇺🇸 Claude10 位まで · メモ 2 件

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
    GPT-6.2 Sol(OpenAI、2026年11月)

    Intelligence Indexで57点、タスク1件あたり約1.01ドルです。Astraは約4ドル、Fable 5.2は26.54ドルです。

    出典 ↗
  2. 2
    GPT-6.2 Astra(OpenAI、2026年11月)

    Artificial Analysisで62点の2位です。Fable 5.2の65点には及ばず、タスク1件あたり約4.00ドルです。Fable 5.2は26.54ドルです。

  3. 3
    Claude Sonnet 5.5(Anthropic)

    Valsインデックスで70.85%の2位で、Fable 5.2とはわずか0.46ポイント差です。定価は100万トークンあたり2ドル/10ドルです。

  4. 4
    Claude Opus 5.5(Anthropic)

    Arena WebDevで1818の2位です。Fable 5.2より6ポイント低いですが、定価はFableの半額です(4ドル/20ドル対8ドル/40ドル)。

    出典 ↗
  5. 5
    Gemini 4 Carbon(Google)

    Valsインデックスで70.45%の3位です。ただし価格には争いがあります。ある情報源は4ドル/20ドルとし、別の情報源はGoogleが価格を公表していないとしています。

  6. 6
    Claude Fable 5.2(Anthropic)

    ValsとArena WebDevの両方で首位です(Valsは71.31%、Arena WebDevは1824)。ただし最大の作業量では、インデックスのタスク1件あたり約26.54ドルかかり、Astraの4ドルを大きく上回ります。

  7. 7
    Gemini 4 Argon(Google)

    現在の定価は2ドル/10ドルですが、2026年12月1日に4ドル/20ドルへ上がるため、価格順位は期間限定です。

  8. 8
    GPT-6 Astra(OpenAI、2026年9月)

    GPT-6.2 Astraが36%以上値下げするまで、インデックスのタスク1件あたりのコストは6.24ドルでした。WebDevのスコアは1763で、6位です。

  9. 9
    Kimi K3.1 Pro(ムーンショット、オープンウェイト)

    Arena WebDevでは、ラボ別で5位の1688です。そのボードで最も強い、重みを公開したオープンモデルです。

    出典 ↗
  10. 10
    ディープシーク V4 Pro

    14モデル、49タスクの正解1件あたりのコストテストで、正解1件あたり0.000134ドルの1位でした。ただしタスクは単純でした。

    出典 ↗

Claude が気づいたこと

Fable 5.2はトークン単価ではGPT-6 Astra(8ドル/40ドル対10ドル/50ドル)より安いのに、最大の作業量で出力トークンを大量に書くため、完了したタスク1件あたりではより高くつきます。

成功1件あたりのコストは、タスク1件あたりのコストよりはるかに高くなることがあります。あるベンチマークでは、タスク1件あたり約31ドルでしたが、完全に正しい結果1件あたりでは約1,000ドルでした。

🇺🇸 ChatGPT10 位まで · メモ 2 件

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
    Muse Ember

    82件すべてを完了し、請求額は0.303ドルでした。AI//COSTの失敗1件10¢の想定では、1ドルあたり271件の正解完了です。

    出典 ↗
  2. 2
    Claude Haiku 5.5

    請求額0.111ドルは、3件の失敗に値段をつけると0.411ドルに増えます。それでも1ドルあたり約199件の正解です。

    出典 ↗
  3. 3
    GPT-6.1 Terra

    82件中1件の失敗です。請求額0.637ドルは、標準の失敗料金を加えると0.737ドルになります。発行元は、その結果は上位グループと統計的に並んでいると述べています。

    出典 ↗
  4. 4
    GLM-5.3-FlashX

    78件の合格により、請求額0.804ドルは、失敗1件10¢の場合に1.204ドルになります。このタスク群では、大量処理・低コストの選択肢であり続けます。

    出典 ↗
  5. 5
    MiniMax M3.1 Flash

    6件の失敗でコストに60¢が加わります。それでも、AI//COSTの計算式では、タスク群から1ドルあたり90件の正解が出ます。

    出典 ↗
  6. 6
    GPT-6 Luna

    生のAPI請求額は7.9¢だけですが、10件の失敗があるため、AI//COSTが選んだ失敗の値段では、結果ベースのコストは10.8倍になります。

    出典 ↗
  7. 7
    Qwen3.7 Plus

    77件に合格しましたが、ベンチマークの注記では、課金された実行は定価ベースのコストより20%安かったとされています。この安さは、終了日が公表されていない割引に頼っています。

    出典 ↗
  8. 8
    Claude Sonnet 5.5

    失敗2件で増えるのは20¢だけですが、タスク群の請求額1.76ドルでは、1ドルあたり47件の正解です。

    出典 ↗
  9. 9
    Gemini 4 Hydrogen

    タスク群のすべてを完了しましたが、請求額4.09ドルは、Muse Emberのクリーンな実行より13.5倍高くなります。

    出典 ↗
  10. 10
    Gemini 3.5 Flash-Lite

    最も低いと示された作業量が、最も安い請求とは限りません。4.61ドルかかり、82件中43件を落とし、1ドルあたり18件まで下がりました。

    出典 ↗

ChatGPT が気づいたこと

失敗1件あたりのデフォルトの10¢では、GPT-6 Lunaの生の請求額7.9¢は、10件の失敗後に1.079ドルになります。失敗したタスクに実際の回収コストがかかると、コストの順位はすぐに変わります。

失敗の値段が0のとき、AI//COSTはLunaを1位とします。失敗1件あたり0.5¢から6.4¢まではHaikuが首位で、6.4¢を超えるとMuse Emberが首位です。失敗の値段の選び方で勝者が変わります。

🇺🇸 Meta10 位まで · メモ 4 件

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年

    1ドルあたり271件の完了タスク。82件すべてを0.303ドルで正解。失敗に値段をつけても勝つ唯一のボード

    出典 ↗
  2. 2
    GPT-6.2 Sol 2026年

    旧Astraのインデックス57点、タスク1件約1ドル。最先端のスコアを日常の価格で

    出典 ↗
  3. 3
    Claude Haiku 5.5 2026年

    Artificial Analysisで36点、Emberと同じ。タスク1件0.41ドル。Cost Benchでは82件中79件。3件の失敗を数えるまでは安い

  4. 4
    GPT-6.1 Terra 2026年

    Artificial Analysis上位10のうち最安、タスク1件0.96ドル。Cost Benchでは82件中81件。かつての価値の王者Solに代わる

  5. 5
    GPT-6.2 Astra 2026年

    Artificial Analysisで62点、4.00ドル。Fableより3点低く、タスク料金は約6分の1

    出典 ↗
  6. 6
    GLM-5.3 FlashX 2026年

    82件中78件、クリーンで0.804ドル。失敗料金に耐える、アメリカ合衆国以外の低予算モデル

    出典 ↗
  7. 7
    Claude Sonnet 5.5 2026年

    Valsで70.85%と、オフィス業務で最上位に近い。ただしCost Benchでのクリーンな結果は1.76ドル。避けられた失敗の分を支払っています

  8. 8
    Gemini 4 Carbon 2026年

    Valsで70.5%、テスト1件10.51ドル。オフィステスト1件あたりはSonnetやFableより安く、Artificial Analysisは60

    出典 ↗
  9. 9
    ディープシーク V4.1 Flash 1017 2026年

    Artificial Analysisのタスク1件0.60ドルで、スコアは32。最先端に近い最安の券。完了の保証ではありません

    出典 ↗
  10. 10
    Claude Fable 5.2 2026年

    どこよりも高いスコア。Artificial Analysisで65、Valsで71.31%。Artificial Analysisのタスク1件26.54ドルで、ほぼ失敗しない代償です

Meta が気づいたこと

勝者は失敗1件に付ける値段で変わります。AI Cost Benchでは、失敗1件あたり0.5¢未満ならGPT-6 Lunaが勝ち、0.5¢から6.4¢まではClaude Haiku 5.5、6.4¢を超えるとMuse Emberが勝ちます

トークン単価は同じなのに、請求額は4倍の差があります。Ember、Haiku 5.5、GPT-6 Lunaはいずれも100万トークンあたり入力0.10ドル/出力0.50ドルですが、82件の請求額は0.303ドル、0.111ドル、0.079ドルでした。推論トークン、キャッシュヒット、再試行が原因です

Gemini 4 Hydrogenはトークン単価がClaude Sonnet 5.5より25%安いのに、請求額は2.6倍高くなりました。出力トークンの79%は、利用者が見ない推論に使われ、4.09ドルのうち1.60ドルでした

OpenAIは旧コストの3分の1未満と主張しましたが、独立した検証者は、Artificial Analysisで36%、Valsでは約50%の削減を確認しました。実際の節約ですが、主張ほど大きくはありません

🇺🇸 Nemotron10 位まで

同じ質問に Nemotron 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-6.2 Astra

    独立して測定した完了タスク1件あたり0.042ドル。OpenAIの「3分の1未満」という主張より62%安く、GPT-6.1より正解タスク1件あたり3.1倍安い

    出典 ↗
  2. 2
    Claude 4.1 Opus

    完了タスク1件あたり0.058ドル。4つの独立ベンチマークすべてで一貫して2位。推論ではAstraとの差がわずかですが、正解1件あたりでは38%高い

    出典 ↗
  3. 3
    Gemini 2.5 Pro(2026年11月)

    完了タスク1件あたり0.067ドル。Googleの「思考トークン」割引で長い文脈での差は縮まりますが、再試行率により実効コストはClaude 4.1 Opusより19%高くなります

    出典 ↗
  4. 4
    GPT-6.2 Sol

    完了タスク1件あたり0.018ドル。タスクあたりでは最安の最先端モデルですが、Intelligence Indexで14ポイント低いため、Astraなら完了できる難しいタスクの5件に1件を落とします

    出典 ↗
  5. 5
    Claude 4.1 Sonnet

    完了タスク1件あたり0.022ドル。最良の「日常使い」の価値です。Opusの正答率の94%を38%のコストで実現し、推論中心のタスクではGPT-6.2 Solより優れています

  6. 6
    Gemini 2.5 Flash(2026年11月)

    完了タスク1件あたり0.015ドル。定価は最低ですが、複数ステップのタスクでの再試行率22%が、Sonnetに対する節約を帳消しにします

    出典 ↗
  7. 7
    GPT-6.1(旧版)

    完了タスク1件あたり0.135ドル。エンタープライズAPI利用者の34%が今も使っています(Vals AIの調査)。ただし、正解タスク1件あたりはAstraより3.2倍高くつきます

  8. 8
    Llama 4.1 405B(2026年11月、量子化版)

    完了タスク1件あたり0.031ドルの自己ホスト。上位10のうち唯一の重み公開モデルですが、AstraとのIntelligence Indexの差は18ポイントで、ベンダーのSLAもありません

  9. 9
    Command R7B(Cohere、2026年11月)

    完了タスク1件あたり0.009ドル。試したAPIモデルでは最安ですが、Vals AIの法務・税務タスクの41%で失敗します。そのため正解タスク1件あたりの実効コストは0.015ドルです

  10. 10
    Mistral Large 2.1(2026年11月)

    完了タスク1件あたり0.027ドル。コーディングでは強い(Code Arenaで1305 Elo)ものの、金融・法務が弱いため、GDP加重スコアではFlashを下回ります

🇺🇸 Grok10 位まで · メモ 2 件

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-6.2 Sol(2026年)

    オフィス指標で66.06%、テスト1件3.18ドル。Claude Fable 5.2の17.94ドルの5分の1未満で、旧フラッグシップと同じ57点を1.01ドルで出します。

    出典 ↗
  2. 2
    Gemini 4 Neon(2026年)

    オフィス業務のトップとは0.44ポイント差。テスト1件7.40ドルで、17.94ドルではありません。

    出典 ↗
  3. 3
    Muse Wonder Full(2026年)

    オフィス業務で66.79%、テスト1件6.81ドル。正解テスト1件あたりではNeonとほぼ同額ですが、クリーンな合格からは4ポイント離れています。

  4. 4
    Gemini 4 Hydrogen(2026年)

    オフィス業務でGPT-6.2 Astraを上回ります(68.49%対67.66%)。請求額もより低く、9.84ドル対10.68ドルです。

  5. 5
    Gemini 4 Carbon(2026年)

    テスト1件あたり70.45%、10.51ドル。Astraのオフィス業務の請求額をわずかに下回り、2ドル/10ドルの定価は11月30日まで有効です。

    出典 ↗
  6. 6
    GPT-6.2 Astra(2026年)

    xhighでのFableと同じ62点。Fableは14.83ドルに対して4.00ドル、オフィス業務の組み合わせでは通常の10.68ドルです。

  7. 7
    Gemini 4 Argon(2026年)

    テスト1件13.37ドルで69.39%。オフィス業務のスコアはAstraより高いですが、請求額も高くなります。

  8. 8
    Claude Sonnet 5.5(2026年)

    テスト1件16.18ドルで70.85%。中央値のWebアプリは3.04ドルで、Fableの11.53ドルより安くなります。

    出典 ↗
  9. 9
    Claude Fable 5.2(2026年)

    高いスコアは本物で、請求額も本物です。Artificial Analysisでは65点で26.54ドル、Valsでは71.31%で17.94ドルです。

    出典 ↗
  10. 10
    Claude Opus 5.5(2026年)

    コーディングエージェントでは58点で首位タイです。その後、オフィステスト70.14%で24.77ドルかかります。

    出典 ↗

Grok が気づいたこと

GPT-6.2 AstraとClaude Fable 5.2は、同じ8ドル/40ドルの料金表です。Intelligence Indexでは、完了タスクはAstraで4.00ドル、Fableで26.54ドルで、差は6.6倍です。トークン単価ではこの差は見えません。

コストのグラフが出た同じ日、早期の利用者はGPT-6.2 Astraを、不安定から使えないとまで言いました。人がやり直すことになった4ドルのベンチマークタスクは、もはや4ドルの完了作業ではありません。そのやり直しの費用は、どのボードにも表示されません。

🇨🇳 MiMo10 位まで · メモ 3 件

同じ質問に MiMo 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

    作業タスク82件すべてに0.303ドルで合格。全体の請求額が、そのまま正しい結果のコストにもなる唯一のモデルです。

    出典 ↗
  2. 2
    GPT-6.1 Terra

    失敗に値段をつけた総合ボードで上位3位です。それでも、Artificial Analysisのより難しい構成で51点、タスク1件0.96ドル。2つ目の発行元でも残る節約です。

    出典 ↗
  3. 3
    Claude Haiku 5.5

    失敗したタスクに0.5¢から6.4¢の値段がつくと、常に首位になります。

    出典 ↗
  4. 4
    GPT-6.2 Sol

    Intelligence Indexで57点、タスク1件1.01ドル。Fable 5.2より指数で10点低いが、タスク請求額は26分の1です。

    出典 ↗
  5. 5
    GPT-6 Luna

    この分野で最安の請求額。82件で0.079ドル。失敗1件が0.5¢未満のときだけ首位です。

    出典 ↗
  6. 6
    GLM-5.3-FlashX

    重みを公開したモデルで、作業タスク82件中78件に0.404ドルで合格。1ドルあたり102件の正解です。

    出典 ↗
  7. 7
    MiniMax M3.1 Flash

    82件中76件のタスクを0.307ドルの請求で完了。失敗は6件で、どれも見つけやすく安価です。

    出典 ↗
  8. 8
    GPT-6.2 Astra

    OpenAIは「3分の1未満」と発表しましたが、独立した検証者はタスクごとに36%と50%の節約を測定しました。

  9. 9
    Gemini 4 Carbon

    完了したWebアプリでのElo 1769。中央値のタスクは1.61ドル。2ドル未満では、ボードで最高のスコアです。

    出典 ↗
  10. 10
    Claude Sonnet 5.5

    作業タスク82件中80件に正解し、GDP加重指数で2位。フラッグシップのトークン単価の4分の1です。

    出典 ↗

MiMo が気づいたこと

失敗に値段をつけると、首位が2回入れ替わります。失敗したタスク1件あたり0.5セント未満ならGPT-6 Luna、0.5〜6.4セントならClaude Haiku 5.5、6.4セント超ならMuse Ember。失敗がいくら損になるかは、どの一覧も教えてくれないため、前提を変えるたびに表の順位が並べ替わります。

価格表の単価は同じでも、タスク1件あたりのコストは6.6倍違います。Claude Fable 5.2 と GPT-6.2 Astra はどちらも100万トークンあたり8ドル/40ドルですが、AI指数全体で出力したトークンは Fable が2億7500万、Astra が6580万でした。タスク1件あたりでは、Fable が26.54ドル、Astra が4.00ドルです。

Gemini 4 Hydrogen は表示価格がSonnet 5.5より25%安いのに、82タスクの請求額は2.6倍高くなりました。支払った出力の79%は、誰も読まない推論部分でした(4.09ドルのうち1.60ドル)。

🇨🇳 StepFun10 位まで · メモ 2 件

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
    Gemini 4 Hydrogen(Google、2026年)

    51.1%、タスク1件0.82ドル。Claude Fable 5.2は51.4%、4.64ドル。差は0.3ポイントですが、請求額は5.7倍違います

    出典 ↗
  2. 2
    GPT-6.2 Astra(OpenAI、2026年11月17日)

    Agents' Last Examで78.3%を2.89ドルで完了。他のボードで首位のモデルは、72.8%で60.05ドルかかります

    出典 ↗
  3. 3
    Gemini 4 Neon(Google、2026年11月18日一般提供)

    Valsのトップから0.44ポイント差で、テスト1件あたりのコストは半分以下です。7.40ドル対17.94ドル

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

    Humanity's Last Examで70%の2位。タスク1件およそ2〜4ドル。手頃な調査用の席です

    出典 ↗
  5. 5
    Claude Sonnet 5.5(Anthropic、2026年)

    働き者の定番。Valsインデックスで70.85%。作業量のダイヤルによって、請求額は0.51ドルから7.60ドルまで変わります

    出典 ↗
  6. 6
    GPT-6.2 Sol(OpenAI、2026年11月17日)

    Valsテスト1件3.18ドル。Claude Sonnet 5.5は16.18ドルです。オフィス請求額の5分の1で使える日常の席です

    出典 ↗
  7. 7
    Muse Ember(Meta、2026年11月9日)

    Intelligence Indexで36点を取ったモデルとして、これまでで最安です。100万入力トークンあたり0.10ドル

    出典 ↗
  8. 8
    Claude Haiku 5.5(Anthropic、2026年)

    Emberと同じ0.10ドル/0.50ドルの料金表、同じ指数36点。さらに100万トークンのウィンドウがあります

    出典 ↗
  9. 9
    ディープシーク V3.2(ディープシーク、2026年)

    解決したSWE-bench Verifiedタスク1件あたり約0.028ドル。このボードで最も安く完了するコーディング作業です

    出典 ↗
  10. 10
    Claude Fable 5.2(Anthropic、2026年11月)

    どのボードでも首位、どの請求書でも最も高い。最大作業量ではタスク1件26.54ドル、Agents' Last Examでは60.05ドル

StepFun が気づいたこと

失敗1回に10¢の値段をつけると、順位が逆転します。Agents' Last Examでは、GPT-6.2 Astraが2.89ドルで78.3%を完了し、Claude Fable 5.2は60.05ドルで72.8%でした。

定価が同じ2ドル/10ドルの2つのモデルは、同じIndexタスクに0.72ドルと7.62ドルを請求しました。決めるのは定価表ではなく、作業量の設定です。

🇨🇳 Kimi10 位まで · メモ 3 件

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
    GPT-6.2 Sol(OpenAI)

    旧GPT-6 AstraのAAスコア(57)に並び、タスク1件1.01ドル。フラッグシップのコストの約6分の1です。Agents' Last Examでは、高設定で72.0%を0.69ドルで出します。GPT-6 Astra maxの価格の13分の1で、差はわずか1点ほどです。

    出典 ↗
  2. 2
    GPT-6.1 Sol(OpenAI)

    実用的な最低ラインでのスコア当たり最強。高い作業量で、タスク1件0.32ドルで50 AA Indexポイント。実際のオフィス業務をクリアできるものの中で、1ドルあたりの得点が最も多い

    出典 ↗
  3. 3
    GPT-6.2 Astra(OpenAI)

    AAタスク1件4.00ドル。Fable 5.2の26.54ドルに対し、点数は3点少ないだけです。リーダーのタスク請求額の約6分の1で、最先端の専門業務ができます。OpenAIの「3分の1未満」の主張は、Agents' Last Exam(32%)で確認されます

  4. 4
    Claude Opus 5.5(Anthropic)

    中程度の作業量で、最高スコアの89%を、コストの22%で得られます。プレミアムモデルの中で最も確かな「ドルあたり完了作業」の曲線です。Fable 5.2が出る前は、AA v5の総合首位でした

  5. 5
    ディープシーク V4.1 Flash(ディープシーク)

    簡単な49タスクで100%正解。正解1件あたり0.000053ドル。完了タスク1件あたり約3分の1セント。オープン重みで、タスクにチェックマークを付ける最安の方法です

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

    簡単な49タスクをすべて誤りなしで完了し、正解1件あたり0.000026ドル。今年どこかで測定された、最安の完了済みで検証済みのタスクです

    出典 ↗
  7. 7
    Claude Sonnet 5.5(Anthropic)

    Valsのオフィス指標(GDP加重)で70.85%の3位。トークン単価は2ドル/10ドル。フラッグシップのコストの5分の1で、最先端に近いオフィス業務の席です

  8. 8
    Gemini 4 Carbon(Google)

    Agents' Last Examでは、GPT-6.2 Astraに1点以内(タスク1件4.60ドルで77.4%)。Arenaの人の好みを測る2つのボードで首位。完了作業のドル当たり効率が高く、最も幅広く支持されています

    出典 ↗
  9. 9
    Claude Fable 5.2(Anthropic)

    品質の天井。AA(65)とVals(71.31%)の両方で1位ですが、AAタスク1件26.54ドルは、価値ではなく確実性を買うものです。「完了」と「安さ」が今も引き換えになることの証明です

  10. 10
    GLM-5.3(Z.ai)

    AAのCoding Agent Indexでオープンソースのハーネスとして唯一の参加で、53.6点、タスク1件4.24ドル。閉じたフラッグシップのタスク単価の半分で、自前ホストで完了するコーディング作業です

Kimi が気づいたこと

OpenAIの「コストの3分の1未満」という主張は、OpenAIが引用したベンチマークでのみ独立検証に耐えます。Agents' Last Examの実行は、GPT-6 Astraの8.99ドルに対し2.89ドル(32%)でした。一方Artificial Analysisは、GPT-6.2 AstraのIntelligence Indexのタスクを4.00ドル対6.24ドルと測定しています。つまり節約は36%で、66%ではありません。

失敗1回に値段をつけると、日常のリーダーボードは最先端のボードから完全に切り離されます。GPT-6 Lunaは49の簡単な採点タスクを、正解1件あたり0.000026ドルで完了しました。同じスイートで、Claude Fable 5は正解1件あたり86.9倍のコストでした。ただしLunaの上限(AA 35点)は、どの専門業務の水準も満たしません。

人間が出力を確認する必要が出ると、トークンは請求の主役ではなくなります。Claude Opus 5.5の定価で計算した、完了タスク単位の独立したコスト計算ツールでは、トークンは3.01ドルの単位コストの約10%にすぎません。残りは人のレビュー(52%)と失敗からの回復(35%)が占めています。安い失敗では、このランキングは決して勝てません。

🇨🇳 Wenxin10 位まで · メモ 1 件

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
    GPT-6.2 Sol(OpenAI、2026年)

    従来のフラッグシップGPT-6 Astraと同等の能力を、そのモデルの測定されたタスク当たりコストの約15%で実現

    出典 ↗
  2. 2
    GLM-5.3-Flash(Z.ai、2026年)

    コーディングスコア71.5を、100万トークンあたり0.10で出せます。大量の自動補完作業では、トップティアのフラッグシップの110倍安い

  3. 3
    Gemini 3.8 Flash(Google、2026年)

    コーディングのトップ10に入るスコアを、合計100万トークンあたり0.83で。トップティアの能力を持つモデルの中で、最も価値の高いモデル

  4. 4
    GPT-6.2 Astra(OpenAI、2026年)

    OpenAIの従来のトップGPT-6 Astraのタスク当たりコストの3分の1未満。トークン単価は前モデルより20%安い

    出典 ↗
  5. 5
    Sonnet 5.5(Anthropic、2026年)

    GPT-6.2 Solと同じトークン単価ですが、タスク当たり10.02と測定されました。タスクあたりのトークン消費が多いため、総コストは7.9倍高くなります

  6. 6
    GPT-6.1 Terra(OpenAI、2026年)

    最初の能力ティアで最安の測定モデル。完了タスク1件0.96

  7. 7
    Muse Spark 1.3(Meta、2026年)

    コンセンサススコア91.4で、100万入力/出力トークン当たり¥8.38 / ¥28.51。90点台のほかのモデルより、再試行のオーバーヘッドがはるかに少ない

  8. 8
    ディープシーク V4.1 Flash(ディープシーク、2026年)

    バッチ処理のトークン単価を90%下げ、100万入力トークン当たり0.011。ただし全体の能力は、最初の性能ティアを下回ります

  9. 9
    Qwen3.8 Flash Next(アリババ、2026年)

    コンセンサススコア70.0で、100万トークン当たり¥0.8 / ¥2.7。GLM-5.3 Flashの入力単価と一致し、出力単価は3.6%安い

  10. 10
    Opus 5.5(Anthropic、2026年)

    コンセンサススコア94.3で業界最高。タスク当たりのコストは10超と測定されました。長時間のエージェント型コーディング作業のみに適しています

Wenxin が気づいたこと

OpenAIの新GPT-6.2 AstraはハーヴェイのLAB-AAで法務タスクを完了し、合格率はClaude Fable 5.2の2倍超です。完全に測定されたタスク当たりコストは、その6分の1です

🇨🇳 DeepSeek10 位まで · メモ 3 件

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
    GPT-6.2 Sol(OpenAI、2026年11月)

    AAインテリジェンス指数で57点を、1タスクあたり1.01ドルで獲得。GPT-6 Astra と同等の点数を、完了タスクの請求額のおよそ15%で出しています。

  2. 2
    Claude Haiku 5.5(Anthropic、2026)

    82タスク中79件を完了し、請求額は0.11ドル。失敗1件あたり10セントの料金を加えると、正味の額は0.411ドル、つまり1ドルあたり正解199タスクです。

    出典 ↗
  3. 3
    Muse Ember(Meta、2026)

    AI//COST の11月のテスト全体で、82タスクすべてを通した唯一のモデル。正味の額は0.303ドルで、失敗1件10セントの価格では、1ドルあたり正解271タスクです。

    出典 ↗
  4. 4
    GPT-6.1 Terra(OpenAI、2026)

    82タスク中81件が正解。請求額は0.537ドルで、正味は0.637ドル、1ドルあたり正解129タスク。Vals のオフィス業務テストは1回あたり2.94ドルです。

    出典 ↗
  5. 5
    GPT-6.2 Astra(OpenAI、2026年11月)

    難問指数で62点、1タスク4.00ドル。『3分の1未満』という OpenAI の主張は、実際にはGPT-6 Astra(6.24ドル)比で36%減にすぎず、3分の2減ではありません。

  6. 6
    Gemini 4 Carbon(グーグル・ディープマインド、2026年11月)

    インテリジェンス指数で60点、1タスク5.48ドル。GDP加重オフィス指数は70.45%です。ただし、同じ会社のより安い姉妹モデルよりも、タスク1件あたりのトークン消費が多いです。

    出典 ↗
  7. 7
    Claude Sonnet 5.5(Anthropic、2026)

    Vals のGDP加重オフィス業務テストで70.85%と首位。ただし1回16.18ドルで、AI//COST のテスト全体では1ドルあたりの正解タスクが47件に留まります。

  8. 8
    DeepSeek V4.1 Flash 1017(ディープシーク、2026)

    GDP加重オフィス指数で61.26%、1回のテストは0.66ドル。オープンウェイトの、価格の割に高性能な例外で、Sonnet 5.5のテスト費用のおよそ25分の1です。

  9. 9
    GPT-6 Luna(OpenAI、2026)

    AI//COST で請求額そのものは最安、82タスクで0.079ドル。ただし10件に失敗するため、失敗1件のコストが0.5セント未満のときだけ首位になります。

    出典 ↗
  10. 10
    Claude Fable 5.2(Anthropic、2026年11月)

    表で最高の65点。ただし完了タスク1件あたり26.54ドルで、GPT-6.2 Sol より指数が8点高いだけなのに、その請求額の26倍です。

DeepSeek が気づいたこと

最も安い請求額が、最も安い仕事とは限りません。GPT-6 Luna のテスト全体の請求額0.079ドルは、Gemini 4 Hydrogen の4.09ドルより52倍安いですが、82タスク中10件に失敗しています。失敗1件を10セントと見積もると、1ドルあたり正解76タスクに落ちます。

勝者は失敗1件の価格によって変わります。0.5セント未満なら GPT-6 Luna が首位、0.5〜6.4セントなら Claude Haiku 5.5、6.4セント超なら Muse Ember。自分の失敗がいくら損になるかは、どの一覧も教えてくれないため、同じ表でも順位が並べ替わるのです。

Gemini 4 Hydrogen は82タスクすべてに合格したのに、AI//COST の順位では最下位になりました。出力の79%は、読者には見えない請求対象の推論でした(4.09ドルの請求のうち1.60ドル)。合格率が完璧でも、安くはならなかったのです。