主力候補
Claude Sonnet 5
日常の開発・業務作業を、速度と品質のバランスよく処理できるか。
会社・モデル・費用の比較
料金は100万トークンあたり。トークンは文章を処理する単位で、日本語の文字数とは一致しません。
「試算」は1タスクの全呼び出し合計が入力10万＋出力1万トークンの場合。通常の非キャッシュ料金で、検索・実行環境などの費用は含みません。緑色の行は最初に試す候補です。
| 提供会社 | モデル | 入力料金 | 出力料金 | 1タスク試算 | エージェントでの位置づけ・用途 |
|---|---|---|---|---|---|
| OpenAI | GPT-6 Astra | $10 | $50 | $1.50 | 難しい推論、複雑な開発、ブラウザーや業務ソフトをまたぐ作業 |
| OpenAI | GPT-5.6 Sol | $4 | $20 | $0.60 | 複雑な業務・開発を担当する上位候補 |
| OpenAI | GPT-5.6 Terra | $2 | $12 | $0.32 | 能力と費用のバランスを取る主力候補 |
| OpenAI | GPT-5.6 Luna | $0.20 | $1.20 | $0.032 | 大量処理、分類、抽出、限定された手順の実行 |
| Anthropic | Claude Fable 5.1 | $10 | $50 | $1.50 | 難しい推論、多段階にわたる長時間の作業 |
| Anthropic | Claude Opus 5 | $5 | $25 | $0.75 | 複雑なコーディング・企業業務 |
| Anthropic | Claude Sonnet 5 | $2 | $10 | $0.30 | 速度と能力を両立させる主力候補 |
| Anthropic | Claude Haiku 4.5 | $1 | $5 | $0.15 | 速度重視の軽作業 |
| Gemini 3.8 Flash | $0.75 | $3.75 | $0.1125 | 開発・業務自動化、画像・音声・動画を含む処理 | |
| xAI／SpaceXAI | Grok 4.6 | $2 | $6 | $0.26 | ツール実行、コーディング、X検索を組み込む調査 |
| DeepSeek（中国） | DeepSeek-V4.1-Flash | $0.15〜0.30 | $0.60〜1.20 | $0.021〜0.042 | 低コストのツール実行・画像理解を評価する候補 |
| Mistral AI | Mistral Medium 3.5 | $1.50 | $7.50 | $0.225 | エージェント・コーディング向けの比較候補 |
| Mistral AI | Mistral Small 4 | $0.15 | $0.60 | $0.021 | 安価な推論・コード処理、自社運用も検討する候補 |
| Alibaba／阿里巴巴（中国） | Qwen3.8-Max Alibaba Cloud・Singapore / International | $2 | $6 | $0.26 | 画像・動画も扱う汎用エージェント、開発・オフィス業務。料金 |
| Moonshot AI／月之暗面（中国） | Kimi K3 Alibaba Cloud経由・Singapore / International | $3 | $15 | $0.45 | 大規模コードベース、長時間の開発・知識作業。料金 |
| Z.ai／智譜（中国） | GLM-5.3 Z.ai General API | $1.40 | $4.40 | $0.184 | 複雑な開発・ツール実行。テキスト入力のみ、推論は常時有効。料金 |
| Z.ai／智譜（中国） | GLM-5.3-Flash Z.ai General API | $0.15 | $0.50 | $0.020 | 画像理解を含む低コストの開発・エージェント処理。料金 |
| MiniMax（中国） | MiniMax-M3 MiniMax API・Standard／入力512K以下 | $0.30 | $1.20 | $0.042 | 低コストのコーディング、画像・動画理解、ツール実行。料金 |
公式情報： OpenAI ／ Anthropicモデル一覧・料金 ／ Google ／ Grok ／ DeepSeek ／ Mistral料金・モデル一覧
価格の補足
エージェントとしての能力の違い
公式仕様から整理した選定上の見立てです。同じ環境で実測した性能ランキングではありません。
| 系列 | ツール・外部操作 | 長い文脈の扱い | 選ぶ理由 |
|---|---|---|---|
| OpenAI GPT | 関数実行、Web検索、ファイル検索、画面操作に対応 | 表の4モデルは約105万トークン | ファイル・ブラウザー・コードを扱う汎用エージェントを構成しやすい |
| Anthropic Claude | 現行モデルはツール利用・画像理解に対応 | Fable／Opus／Sonnetは100万、Haikuは20万 | 難しい仕事と日常処理でモデルを使い分けやすい |
| Gemini 3.8 Flash | 関数実行、コード実行、検索、画面操作プレビュー | 入力約105万トークン | 音声・動画・画像・PDFを一つのモデルに入力できる |
| Grok 4.6 | 関数実行、Web／X検索などを組み合わせる | 50万トークン | Xを情報源にした調査を組み込む場合に特徴がある |
| DeepSeek-V4.1-Flash | ツール実行、JSON出力、画像理解。OpenAI／Anthropic形式のAPIに対応 | 100万トークン | API費用と既存実装への接続性を重視する場合 |
| Mistral | Medium 3.5はエージェント・開発向け、Small 4は推論・コード処理を統合 | 個別モデル仕様で確認 | API利用に加え、公開モデルの自社運用も検討する場合 |
| Qwen3.8-Max | Function Calling、構造化出力、画像・動画入力 | 最大入力991,808トークン（思考時983,616） | Alibaba Cloudを利用した開発・オフィス業務。公式仕様 |
| Kimi K3 | ネイティブ画像理解、長い工程のコーディング・推論 | 100万トークン | 大規模リポジトリーや長時間の知識作業を評価。公式仕様・公式発表 |
| GLM-5.3 | Function Calling、JSON等の構造化出力。テキスト専用 | 100万トークン、最大出力128K | 複雑なソフトウェア開発の比較候補。推論を無効化できない。公式仕様 |
| GLM-5.3-Flash | ネイティブ画像理解、開発・エージェント用途。MITライセンスでモデル公開 | 100万トークン級 | 低コストのAPI運用と自社ホスティングを比較。公式モデルカード |
| MiniMax-M3 | ツール実行、テキスト・画像・動画入力。Anthropic形式のAPIに対応 | 100万トークン | 低コストで長い開発タスクを評価。互換APIの対応項目は個別確認。公式仕様 |
仕様出典： OpenAI ／ Claude ／ Gemini 3.8 Flash ／ Grok ／ DeepSeek ／ Mistral Medium 3.5・ Small 4
文脈上限が大きいことと、長時間の仕事を正しく完遂できることは別の評価項目です。モデルにツール利用能力があっても、実際の操作にはエージェント側の実装が必要です。
最初に試す4モデル
主力候補
GPT-5.6 Terra
同じ仕事でSonnetより完遂率やツール操作が良くなるか。
費用・多様な入力
Gemini 3.8 Flash
低い費用で必要品質を満たせるか。画像・音声・動画にも対応できるか。
安価な処理用
GPT-5.6 Luna
分類・抽出・定型作業を安価に任せられるか。
難しいタスクが残れば、GPT-6 AstraまたはClaude Opus 5を追加して評価します。X中心の調査ならGrok、コストをさらに下げたいならDeepSeek／Mistralを追加する順序を提案します。
費用は「成功1件あたり」で比較する
エージェントは何度もモデルを呼び出すため、単価だけでは実際の安さが分かりません。
成功1件あたりの費用 ＝ 再試行・ツール料金を含む総費用 ÷ 成功件数
実際に任せたい仕事を20〜30件用意し、次の4点を記録すると選定しやすくなります。
- 完遂率：途中で人が直さずに終えられたか。
- 操作の正確さ：正しいツール・引数・順序を選べたか。
- 所要時間：完了まで何分かかったか。
- 総費用：再試行や思考トークンまで含めていくらかかったか。
最初の選定では「主力1モデル＋安価な処理用1モデル」を目指すのが扱いやすい構成です。上の4候補を同じ日本語の実務タスクで比べれば、能力と費用の両面から絞れます。
中国企業のモデルを含めた選び方
既掲載のDeepSeekに加え、Qwen3.8-Max、Kimi K3、GLM-5.3、GLM-5.3-Flash、MiniMax-M3の5モデルを追加しました。以下は公式仕様・価格からの選定案で、同一タスクで測定した性能順位ではありません。
低コストの比較候補
GLM-5.3-Flash／MiniMax-M3
GPT-5.6 Lunaと同じ実務タスクで、ツール実行の成功率・画像理解・総費用を比べます。今回の使用量例ではそれぞれ$0.020／$0.042です。
主力の比較候補
Qwen3.8-Max／GLM-5.3
Sonnet 5・Terraとの比較対象にします。画像・動画入力も必要ならQwen、テキスト中心の複雑な開発ならGLM-5.3を評価します。
長時間の開発・知識作業
Kimi K3
大規模リポジトリーの変更や、長い工程を自律的に進める仕事の候補です。今回の価格条件ではSonnet 5より高いため、完遂率や再試行の減少で費用差を回収できるかを確認します。
既存の低価格候補
DeepSeek-V4.1-Flash
低価格モデルの比較基準として引き続き有効です。時間帯別の料金を含めて、実際の運用時間で費用を比べます。
追加モデルの料金条件
- Qwen：表はAlibaba CloudのSingapore / International料金です。Japan (Tokyo) / Globalは入力$1.65、出力$4.951と異なります。リージョン名と推論の実行範囲は別項目なので、契約時にDeployment scopeを合わせて確認してください。公式料金
- Kimi：直販の公式料金ページでは数値を取得できなかったため、表には公式に確認できたAlibaba Cloud経由のSingapore / International料金を掲載しています。Moonshot直販料金の確認値ではありません。Japan (Tokyo) / Globalでは入力$2.827、出力$14.133です。Alibaba Cloud公式料金・Kimi直販の料金案内
- GLM：表はZ.ai General APIの通常料金です。月額のCoding Planとは別です。GLM-5.3とGLM-5.3-Flashでは入力モダリティも異なります。公式料金・GLM-5.3仕様・Flash仕様
- MiniMax：表はStandardの入力512K以下に適用される現行価格です。1リクエストの入力が512Kを超える場合、入力$0.60／出力$2.40。PriorityはStandardの1.5倍です。公式料金
比較の進め方：元の主力候補にQwen3.8-MaxまたはGLM-5.3を1つ、低価格候補にGLM-5.3-FlashまたはMiniMax-M3を1つ追加して評価するのがおすすめです。日本語の指示理解・成果物品質も同じ課題で確認してください。
中国企業が開発したモデルという分類と、APIの提供事業者・データの処理地域は別です。公開モデルを自社で運用する場合、この表のAPI単価ではなくGPU・ホスティング・運用費で比較します。