AIエージェント向け最安LLM：実行コストでランク付けされた30モデル

以下のTier Dモデルを除くと、ツール呼び出しエージェントを実行する最安モデルは現在Claude Haiku 5.5で、1Mトークンあたり入力$0.10 / 出力$0.50、参照用の12ステップ実行で$0.0185です；GPT-6 Lunaも同額です。この実行で最大の呼び出しは23,800トークンで、Haiku 5.5が$0.50 / $2.50を請求する100,000トークンの地点を大きく下回ります。DeepSeek V4.1 Flashはオフピークで$0.027（$0.15 / $0.60）です；DeepSeekのピーク時間帯には$0.30 / $1.20、つまり$0.054かかり、GPT-5.4 nano（$0.038）のほうが安いです。V4.1 FlashはDeepSeekが廃止したV4 Flashを置き換えました；そのAPI名はdeepseek-flashです。本番で無人実行するなら最も安いモデルは、1回の実行あたり約$0.14のGemini 3.8 Flash（$0.75 / $3.75）またはGPT-5.4 mini（$0.75 / $4.50）です。最も安いフラッグシップクラスのモデルは$0.37のClaude Sonnet 5（$2 / $10）です。価格は2026-09-11時点の当社カタログによる1MトークンあたりのUSDです；Claude Haiku 5.5は2026-11-03にAnthropicの料金ページで確認しました。DeepSeekの価格は2026-10-27にapi-docs.deepseek.comで確認しました；オフピークはピーク料金の半額です（ピークは平日の01:00から04:00および06:00から10:00 UTC）。

参照実行：毎ステップ送信される4,000トークンのシステムプロンプトとツール定義、各ステップ後に追加される1,500トークンのツール結果、1ステップあたり出力300トークン、12ステップです。各ステップで履歴全体を再送信するため、ステップkのコンテキストは4,000 + (k - 1) × 1,800トークンで、実行の合計は次のとおりです：

• 入力トークン = 12 × 4,000 + 1,800 × 12 × 11 ÷ 2 = 48,000 + 118,800 = 166,800
• 出力トークン = 12 × 300 = 3,600
• 実行コスト = 166,800 × (入力料金 ÷ 1,000,000) + 3,600 × (出力料金 ÷ 1,000,000)

Claude Sonnet 5の場合：$0.3336 + $0.036 = $0.3696。すべてのモデルで入力が実行の90%以上を占めるため、順位は入力価格に連動します。Nステップの一般式は「AIエージェントの実行コストはいくらか」にあります。

キャッシュやバッチ割引は適用していません。1,000回実行時の月間予算については、最後の列を1,000倍してください。Claude Haiku 5.5（7 October 2026リリース）は、依然として$1 / $5、つまり1回の実行で$0.1848かかり10倍となるレガシーのClaude Haiku 4.5を置き換えます。

順位1から順位29までの差は83×です。プロンプトキャッシュは順序を変えずに差を縮めます：AnthropicとOpenAIではキャッシュ読み取りが定価のおよそ10%、Geminiではおよそ25%なので、Sonnet 5は1回の実行あたり約$0.12、Gemini 3.8 Flashは約$0.06まで下がります。最新の行はモデルページにあります。

価格は簡単な半分です。エージェントモデルは、スキーマに一致するツール呼び出しを出力し、適切なツールを選び、完了したら停止し、ループしない必要があります。以下のTierは、各モデルが本番ループでどれだけのスキャフォールディングを必要とするかについての当社の編集的な見解であり、ベンチマークではありません；コミットする前に、独自のスキーマで独自の評価を実行してください。

• Tier A、通常の検証で無人実行：Claude Opus 5、GPT-5.5、GPT-5.4、Gemini 3.1 Pro、Claude Sonnet 5。一貫したスキーマ遵守、良好な停止動作、無駄なステップが最も少ない。
• Tier B、厳格なスキーマで無人実行：Claude Haiku 4.5（現在はレガシー）、GPT-5.4 mini、Gemini 3.8 Flash、GPT-5.3-CodexとDevstral 2（コーディングループ）、DeepSeek V4 Pro、Kimi K2.6、Qwen 3.8 Max、Grok 4.6、Mistral Large 3。
• Tier C、検証、リトライ、エスカレーション経路付きで実行：GPT-5.4 nano、Gemini 3.5 Flash Lite、DeepSeek V4.1 Flash、GLM 4.7、MiniMax M2.7、Qwen3 Coder 480B、Llama 4 Maverick、Codestral 2508、Mistral Medium 3.1。不正な引数、大規模なツールセットでの誤ったツール選択、オープンエンドなタスクでのステップ数爆発が発生すると想定してください。
• Tier D、プランナーとしては不可：Llama 4 Scout、GLM 4.7 Flash、GPT-4.1 mini（前世代）。他の誰かが駆動するループ内での単発分類には適しています。

これを依然として確実にこなす最安モデルは、1回の実行あたり約$0.14のGemini 3.8 FlashまたはGPT-5.4 miniです。Anthropicでは、$0.0185のClaude Haiku 5.5がレガシーHaiku 4.5の$0.185の10分の1になりました；Tierを獲得するまでは、バリデータの後ろで最初の試行として実行してください。1回の実行あたり$0.10未満では、スーパーバイザーを必要とするモデルを買っているのであり、スーパーバイザーのコストはタスクあたりの数値に含めるべきです。

タスクあたりのコストの勝者は、ほとんどの場合、単一のモデルではありません。それは、最初の試行としてのTier CまたはBのモデル、ツール呼び出しと最終結果をチェックする検証器、そして安価な試行が失敗した場合にのみ引き継ぐTier Aのモデルです。OpenRouterを通じてOpenAI互換のクライアントを使用すると、このラダーはモデル名のリストになります（ルーティングマージンについてはOpenRouterと直接APIの比較をご覧ください）。

from openai import OpenAI
client = OpenAI(base_url="https://openrouter.ai/api/v1", api_key=KEY)

LADDER = [  # (model, $ in per 1M, $ out per 1M)
    ("deepseek/deepseek-v4.1-flash", 0.30, 1.20),   # peak rate
    ("google/gemini-3.8-flash", 0.75, 3.75),
    ("anthropic/claude-sonnet-5", 2.0, 10.0),
]

def run_task(task, max_steps=12, budget_usd=0.60):
    spent = 0.0
    for model, p_in, p_out in LADDER:
        history = [{"role": "user", "content": task}]
        for _ in range(max_steps):
            r = client.chat.completions.create(model=model, messages=history,
                                               tools=TOOLS, max_tokens=2000)
            u = r.usage
            spent += (u.prompt_tokens * p_in + u.completion_tokens * p_out) / 1e6
            if spent > budget_usd:
                return None, spent                # hard cap: give up
            ok, done = apply_tool_calls(r, history)   # validate + execute
            if not ok:
                break                             # schema/tool failure: escalate
            if done and validate_result(history):
                return history[-1], spent         # success on this rung
    return None, spent

validate_resultは、タスクが実際に完了したか（テストが通る、レコードが存在する、JSONが一致する）を確認する、安価で決定的なチェックである必要があります。spentはすべてのラングで共有されます。検証器がないと、ラダーは単に失敗を上に転送するだけです。

成功タスクあたりのコスト = 実行コスト ÷ 成功率 + 失敗時のエスカレーションまたは再試行コスト。以下に、例示的な成功率を使用した実例を示します（実際の評価値に置き換えてください）：

ルーティングは、API費用でSonnet 5単独を上回ります。DeepSeekのピーク料金では、Gemini 3.8 Flashラダーが両者のうち安価です。3つの要因により、フラッグシップが再びリードします。失敗コスト：失敗した実行に人が気づいて再実行する必要がある場合、55%の初回失敗率は、ルーティングで節約したドルよりも多くの時間を消費します。ステップ数：Sonnet 5が12ステップ（$0.37）で行うことを、安価なモデルが30ステップ（Gemini 3.5 Flash Liteで$0.293）かかる場合、その利点は失われます。副作用：誤ったツール呼び出しがメールを送信したり、本番環境に書き込んだりした場合、バリデーターはそれを元に戻せません。

フラッグシップに支払うべき時：マルチエージェントシステムのプランナーとして、不可逆的な副作用があるステップ、および失敗した実行に誰かの時間として約$0.50以上のコストがかかる場合。支払うべきでない時：ルーチンの大多数のステップでは、厳密なスキーマを持つTier B（$0.14）が適切なデフォルトです。

モデルに関係なく、すべてのエージェントループには4つの制限が必要です：

• ツール呼び出しターンごとに、max_tokens は 1,000 から 4,000。
• ループ内またはSDKのターン制限を通じて、ほとんどのタスクタイプに対してステップ数のハードキャップを 12 〜 15 に設定。
• 停止条件：必須の終了ツール、同一ツール呼び出しの繰り返し時の中止、連続する2回のツールエラー時の中止。
• 各呼び出し後のusageオブジェクトから計算された1実行あたりのUSD予算。上記スニペットと同様に、エスカレーション段階全体で共有。

適切な1実行あたりの上限：Tier Cループで約$0.10、Tier Bで$0.30、Tier Aで$1.00、全段階までエスカレーション可能な実行で$2.00。AIコスト計算機は月間実行数を予算ラインに変換し、Claude agent API cost、OpenAI Agents SDK cost、Gemini agent API costガイドではベンダー固有のキャップとキャッシング構文をカバーしています。

9月に発売または価格改定された行。同じ基準実行（166,800入力トークン、3,600出力トークン）でコスト計算。OpenRouterの料金は2026年10月1日時点。キャッシュやバッチ処理なし。

GPT-6 Lunaの$0.0185は、同じ実行におけるGPT-5.4 nanoの$0.038の約半分です。Claude Opus 5.5の$0.74は、Claude Opus 5（$0.92）やGPT-5.5（$0.94）よりも低コストで、OpenRouterのIntelligence Indexで第1位であるため、価格面でのフラッグシップエスカレーション段として両方を置き換えます。DeepSeek V4.1 Flashは時間帯別課金（DeepSeekの料金ページではピーク時$0.30/$1.20、オフピーク時$0.15/$0.60）のため、無人実行はオフピーク時にスケジュールしてください。Mercury 2.5（80%オフ）とGemini 3.8 Flash（50%オフ）は終了する可能性のあるプロモーション価格です。

上記の信頼性ティアには、新しい軽量行（Mercury 2.5、GPT-6 Luna、DeepSeek V4.1 Flash、および10月のClaude Haiku 5.5（GPT-6 Lunaと同じ$0.0185））をまだ配置していません。バリデータの背後でTier Cの最初の試行として実行し、独自のツールスキーマでの評価が別の指示をするまで続けてください。

OpenRouterのBatch API（POST https://openrouter.ai/api/v1/batches、9月から稼働開始）は、ほとんどのモデルでトークン単価の約50%で課金し、24時間以内に結果を返します。チャット完了（chat completions）、Responses、Anthropic Messages、埋め込み（embeddings）を受け付けます。

エージェントループそのものには適していません：各ステップは前のツールの結果に依存しており、往復ごとに最大1日の待ち時間が発生する可能性があります。ループ周辺の作業には適しています。各アイテムが1リクエストとなる場合：当日の実行に対する夜間の評価、トランスクリプトの採点、ツール出力の要約、一括分類およびバックフィル処理などです。

バッチレート（1Mあたり）：GPT-6 Luna $0.05 / $0.25、Gemini 3.8 Flash $0.375 / $1.875、GPT-6.1 Sol $1 / $5、Claude Opus 5.5 $2 / $10、GPT-6 AstraおよびClaude Fable 5.1 $5 / $25。

計算例：1,000件の完了した実行を夜間に採点する場合（それぞれ入力1,000トークン、出力200トークン）は、合計で入力1M＋出力200Kとなります。これはGPT-6.1 Solでインタラクティブ実行時$4.00、バッチ実行時$2.00、Claude Opus 5.5で$8.00または$4.00、GPT-6 Astraで$20または$10となります。

制約事項：バッチあたり1モデルかつ1エンドポイント形状のみ、テキストのみ。各バッチは単一プロバイダー上で実行されます（デフォルトでは、プロバイダーのallowlist、データポリシー、BYOK設定が許可する最も安いバッチエンドポイント）。xAIモデルは半額ではなく、バッチ時に20%オフとなります。Web検索とプロンプトキャッシングは通常レートで課金されるため、プロンプトのキャッシュ部分は再度半額にはなりません。

OpenRouterのホストシェルサーバーツール（openrouter:shell、またはAnthropicツール形状用のopenrouter:bash；ベータ版）を使用すると、ツール呼び出し対応モデルであれば任意のモデルでホストされたLinuxコンテナ内でコマンドを実行できます。サンドボックス時間はアクティブ秒数あたり$0.0001で、リクエスト内部で課金されます。

• アクティブ10分：600 × $0.0001 = $0.06
• アクティブ1時間：3,600 × $0.0001 = $0.36

GPT-6 Lunaの12ステップ実行（$0.0185）において、シェルのアクティブ時間が10分になると、トークンコストの3倍以上になります。Claude Opus 5.5（$0.74）の場合、約8%の上乗せになります。安価なモデルでは、モデルではなくサンドボックスの方が大きなコスト項目になる可能性があります：実行予算内にアクティブ秒数をカウントし、コマンドの実行時間にキャップを設定し、リクエスト内で長時間プロセスが動作し続けないようにしてください。Files APIではワークスペースあたり最大10 GiBまで保存可能で、ワークスペース管理者はサーバーツールを無効にできます。

安価なモデルにとって最も高価な失敗は、副作用を伴う誤ったツール呼び出しです。TypeSafeのJev（typesafe/jev-1.13）はOpenRouter上の判断用モデルで、テキストを生成するのではなく、保留中のツール呼び出しに関する型付き質問に回答します：noul（はい/いいえ）、choice（オプションを1つ選択）またはscore（範囲内の数値）。choiceとscoreには確率と信頼度値が含まれます。入力は1Mトークンあたり$0.042で、出力は無料です。OpenRouterキーはどれでも使用可能です。OpenRouterは、Jevを用いてエージェントのツール呼び出しをゲートするためのcookbookと、再現性チェックでコーディングエージェントの権限プロンプト（Claude Code、Codex、Cursor、OpenCode）を自動承認するためのcookbookを公開しています。

パターン：各ツール呼び出しを実行する前に、保留中の呼び出しと質問に必要な最小限の状態を送信し、例えば「この呼び出しは再現可能か？」というnoul質問と、ユーザーの要求にどれだけ一致しているかを表すscore質問を行います。スコアが高くはいの場合に自動的に実行し、そうでなければフラッグシップラダーまたは人間にエスカレーションします。

基準実行におけるコスト：チェックごとに500トークンの状態があり、ステップごとに1回のチェックを行うと仮定すると、12 × 500 = 6,000入力トークン × 1Mあたり$0.042 = 実行あたり$0.00025となり、GPT-6 Lunaの実行コストの約1.4%です。遅延の方が大きなコスト要因となります：中央値が約0.24秒のため、12回の順次チェックで実行あたり約3秒追加されます。

Jevは指示を文字通り解釈するため、演算、予算比較、日付チェックは自前のコードで行ってください。説明は返さないため、保留中の呼び出しとJevの型付き回答は自身でログに記録してください。

Tier D以外でエージェントを実行できる最安モデル：Claude Haiku 5.5またはGPT-6 Luna（12ステップ実行あたり$0.0185、バリデータの背後）。DeepSeek V4.1 Flashはオフピーク時$0.027、ピーク時$0.054。厳格なスキーマで無人実行する場合の最安値：Gemini 3.8 FlashまたはGPT-5.4 mini（約$0.14）。Anthropicでは、レガシーHaiku 4.5に10倍の料金を支払う前に、バリデータの背後でHaiku 5.5を試してください。すべてのステップでフラッグシップ料金を支払うべきなのは、ツール呼び出しに副作用がある、または失敗が実際の時間を浪費するチームです。そうでないのは、バリデータと定型的なタスク構成を持つすべての人です。結果を得るための最も安価な方法：まずキャッシュ、デフォルトでTier B、バリデータの背後でのTier Cの最初の試行、そして共有の実行ごとの予算。