CodeKitHub
2026年最安のLLM API：19モデル完全価格比較
公開日 2026年7月25日
コストだけでLLM APIを選ぶなら、その価格差は多くの人が想像するより大きい。このサイトのLLM API 料金計算ツールが追跡する全19モデル——OpenAI、Anthropic、Google、DeepSeek、Qwen、Moonshot/Kimi、Zhipu/GLM、xAI——を比較すると、最も安いモデルと最も高いモデルは同一条件下で60倍以上の差がある。この差は、あなたが慣れ親しんでいるベンダーのロゴよりもずっと重要だ。
ランキング
公平に比較するため、以下の各モデルは混合レートでスコアリングしている：合計100万トークンあたり入力75万トークン+出力25万トークンで、返信がプロンプトより短い一般的なチャット形式のリクエストにおおむね対応する。価格は100万トークンあたりで、各ベンダーの公式料金ページと照合済みだ。
| 順位 | モデル | プロバイダー | 入力 | 出力 | 混合 (3:1) |
|---|---|---|---|---|---|
| 1 | Gemini 2.5 Flash-Lite | $0.10 | $0.40 | $0.175 | |
| 1 | DeepSeek V4 Flash | DeepSeek | $0.14 | $0.28 | $0.175 |
| 3 | Qwen3.6 Flash | Qwen | $0.19 | $1.13 | $0.42 |
| 4 | GPT-5.4 Nano | OpenAI | $0.20 | $1.25 | $0.46 |
| 5 | DeepSeek V4 Pro | DeepSeek | $0.44 | $0.87 | $0.54 |
| 6 | Grok Code Fast 1 | xAI | $1.00 | $2.00 | $1.25 |
| 7 | GPT-5.4 Mini | OpenAI | $0.75 | $4.50 | $1.69 |
| 8 | Claude Haiku 4.5 | Anthropic | $1.00 | $5.00 | $2.00 |
| 9 | GLM-5.2 | Zhipu | $1.40 | $4.40 | $2.15 |
| 10 | GPT-5.6 Luna | OpenAI | $1.00 | $6.00 | $2.25 |
| 11 | Grok 4.5 | xAI | $2.00 | $6.00 | $3.00 |
| 12 | Gemini 3.5 Flash | $1.50 | $9.00 | $3.38 | |
| 13 | Qwen3.7 Max | Qwen | $2.50 | $7.50 | $3.75 |
| 14 | Claude Sonnet 5 | Anthropic | $2.00 | $10.00 | $4.00 |
| 15 | Gemini 3.1 Pro Preview | $2.00 | $12.00 | $4.50 | |
| 16 | GPT-5.6 Terra | OpenAI | $2.50 | $15.00 | $5.63 |
| 17 | Kimi K3 | Moonshot | $3.00 | $15.00 | $6.00 |
| 18 | Claude Opus 5 | Anthropic | $5.00 | $25.00 | $10.00 |
| 19 | GPT-5.6 Sol | OpenAI | $5.00 | $30.00 | $11.25 |
いくつか目を引く点がある。どのベンダーも——一社だけではなく——廉価版とフラッグシップ版の両方を持ち、その間には何倍もの開きがある。つまり「どのベンダーが最安か」は間違った問いで、正しい問いは「どの具体的なモデルか」だ。第二に、最も安い2つのモデル(Gemini 2.5 Flash-LiteとDeepSeek V4 Flash)は無関係な企業から出ているにもかかわらず、まったく同じ混合レートに落ち着いている——最下層では、どこか一社が市場を安値で切り崩しているのではなく、廉価帯の価格設定そのものが収斂している。
なぜ最安のモデルが自動的に正解にならないのか
価格だけでは、そのモデルがあなたのタスクにとって十分かどうかはわからない。廉価モデルは分類、抽出、短い返信といった、範囲が狭く定義の明確なタスクには通常十分だ——フラッグシップモデルの余分な推論能力が使われずに終わるような仕事だ。オープンエンドな推論、長く多段階のエージェントワークフロー、あるいは間違った答えを後で見つけるのにコストがかかるタスクには不向きだ。タスクを間違えて再試行(あるいは人手による修正)が必要になる安価なモデルは、最初から正しく答える高価なモデルよりも結局高くつくことがある。
妥当な既定の進め方はこうだ。まず自分が最も使い慣れたモデルでプロトタイプを作り、タスクの定義がしっかり固まったら、同じ表の中の廉価モデルが許容できる程度に近い出力を出せるかテストする——もし出せるなら、規模が大きくなるほど節約効果は積み重なる。出せないなら、そもそも価格差が本当のコストの要因ではなかったということだ。
自分自身の実数を出す
この表はランキングを成立させるために固定の3:1混合比を使っているが、あなたの実際の入力/出力トークン比率はほぼ確実に3:1ではない——要約タスクなら10:1かもしれないし、コード生成タスクなら1:2に近いかもしれない。上記の混合ランキングは、テストすべき候補を選ぶための妥当な出発点であって、自分固有のコストを計算する代わりにはならない。
そのためには、LLM API 料金計算ツールを直接使ってほしい。実際の入力・出力トークン数を入力すれば、これら19モデルのいずれについても正確なコストを算出し、おおよそのリクエスト数がわかっていれば月額の見積もりも出せる。まだ自分のトークン数がわからない場合は、AIトークンカウンターツールが、大まかな推測ではなく実際のプロンプトから真の数値を教えてくれる。どちらも完全にブラウザ内で動作する——APIキーもアカウントも不要で、何もアップロードされない。