Frontier モデルの実質的な価格

2026/07/14 3:32

Frontier モデルの実質的な価格

RSS: https://news.ycombinator.com/rss

要約

Japanese Translation:

核心の洞察は、Anthropic が Sonnet 5 および Opus 4.8 にトークナイザーを切り替えたことで、同様のコード入力で約 30% 増加するトークンを生成している点であり、これは即座に料金を引き上げるわけではないため、実質的なコスト増を一時的に隠しています。GPT の安定した

o200k
トークナイザー(2 年以上凍結されている)を基準として比較すると、新しい Anthropic トークナイザーは TypeScript で GPT より 1.73 倍多くのトークンを生成し、Rust では約 1.58 倍、中国語テキストでは約 1.45–1.55 倍多く生成していますが、これはこの変更とは無関係の歴史的基準値です。実 API テストでは請求がこれらのカウントに従うことが確認され、Opus 4.8 では同じコンテンツに対して Opus 4.6 より 3,191 対 2,541 の入力トークンで課金されており(約 32% の増加)ます。Sonnet 5 は導入時の割引価格(2026 年 8 月 31 日まで $2/$10)から開始していますが、紹介期間後の標準料金($3/$15)とトークン増の双方が合わさることで、実務コストは Sonnet 4.6 より約 33% 高くなっています。トークン数はベンダー固有でありプロバイダー間で比較不可であるため(ポイント 1)、クロスベンダーの「$/Mtoken」指標は誤解を招きます。また、冗長性、思考トークン、ツール呼び出し、コンテキスト読み込みなど、すべてトークン単位で請求されるため、全タスクのコストもさらに乖離する可能性があります。コード重視のスタックや厳格な予算管理を行う開発者は、Anthropic の新価格構造下で、トークナイザーによるトークン増加と将来の料金調整の両方を考慮しない限り、予期せず高い実質的な支出を負うことになります。

本文

クラウド LLM のトークンコスト:公表価格では見えない「実質価格」の真相

TL;DR(要約)

  • 「$/Mtok(1 百万トークンあたりの料金)」はベンダー間で比較できない。「トークン」とは文字数の固定単位ではなく、各社独自の分割方法(トークナイザー)により異なり、同じファイルを異なる数にカウントするためです。
  • Anthropic の新モデル(Sonnet 5 など)では、同様のコードに対して約 30% 増加したトークン数が生成されます。しかし、リスト価格は据え置きのため、実質コストは32%〜46% 上昇しています。
  • 最悪ケースは TypeScript です。OpenAI の GPT(基準)と比較すると、TypeScript コードの処理に約 1.73 倍ものトークンが発生します。
  • Gemini 3 Flash は依然として最もコスト効率が良いモデルであり、GPT よりもわずかに冗長ですが圧倒的に安価です。

1. なぜ「$/Mtok」は嘘になるのか

モデルの請求額は、「(生成されるトークン数)×(トークン単価)」で計算されます。 価格表には「単価」のみが表示され、生成される「トークン数」は定数であるかのように扱われますが、実際にはモデル固有のトークナイザーに強く依存しており定数ではありません

  • ベンダー間比較の不可能性: 異なる 2 つのモデルが同じ価格表記をしても、処理パラグラフの実費は全く異なります。
  • 理由: あるモデルはコンテンツをより多くのトークンに変換するためです。各社は「トークン対コンテンツの比率」を公開していません(独自に計測する必要がある)。

2. 測定方法と検証プロセス

16 件の実際のサンプルを用い、各モデルのプロダクション用トークナイザーでバイト単位ごとにカウントしました。

サンプルデータの種類

  • 英語の散文・HTML ページ・JavaScript・Python・TypeScript・Rust ファイル
  • JSON ツールスキーマおよび結果
  • 中国語のチャットと散文
  • 記号多数のテキスト
  • エージェントシステムプロンプト

カウント手法の詳細

ベンダー使用したカウント方法
Anthropic公式エンドポイント
count_tokens
を利用(請求対象と同一)。
OpenAI (GPT)文書化済みの
o200k_base
トークナイザーを
tiktoken
でカウント。最新モデル(GPT-5.x)については実際の API コールとローカルカウントを比較(完全一致確認)。
Gemini / Grok各プロバイダーのカウントエンドポイントを利用。
基準値GPT の
o200k
1.00x と設定(2 年以上凍結されており、他のモデルより安定しているため)。
除外対象DeepSeek / GLM は「文字数÷4」という推定値しか得られなかったため計測データから除外。

3. 発見:リスト価格に隠れたコスト増

発見 1:同じリスト価格でもトークン数は約 30% 増加

Anthropic の新モデル(Sonnet 5, Opus 4.8, Fable 5)は、以前のモデル(Sonnet 4.6, Opus 4.6)よりも多くのトークンを生成します。

バイト数ごとのカウント比較結果(内容 / 旧トークナイザー / 新トークナイザー / 変化率)

コンテンツ種類文字数旧トークン数新トークン数+/-%
英語の散文2,115476636+34%
HTML ページ3,1951,1311,302+15%
JavaScript1,933659794+20%
Python2,2518311,022+23%
TypeScript2,8888981,178+31%
Rust2,9241,0191,312+29%
JSON スキーマ9,9482,6313,306+26%
エージェントプロンプト42,66110,76114,953+39%

重要: エージェントリクエスト(システムプロンプト、コード、JSON)に重み付けすると、新トークナイザーはリクエスト単位で約 +32% のコスト増をもたらします。インフレの影響は英語およびコード集中です。

Sonnet 5 の立ち上げ価格とその後

  • 期間限定割引(2026 年 8 月 31 日まで): $2.00 / $10.00 だが、追加トークン分を上回るほど安くはなく、実質 Sonnet 4.6 よりもわずかに安い状態。
  • 9 月 1 日以降(標準価格化): $3.00 / $15.00 に復帰。新トークナイザーによる増加をそのまま負担するため、Sonnet 4.6 と比べて実質コストが約 30% 上昇します

4. カウント値と請求額の照合

count_tokens
は予測値であるため、同時に
max_tokens: 1
の有料リクエストを送り込み、実際の請求書 (
usage.input_tokens
) を確認しました。

  • Opus 4.6: 2,541 トークン(予測と一致)。
  • Opus 4.8: 3,191 トークン(予測と一致、+25%)。
  • Fable 5: 3,191 トークン(Opus 4.8 と同一)。

結論: Fable 5 は「高いリスト価格」の裏に隠された追加単価はありませんが、トークン数の増加分はそのまま請求されます。検証コスト全体は約 $0.08 に留まりました。

5. 実質的な乖離率:コード領域での顕著な差

ベンダー間比較を GPT の

o200k
を基準(1.00x)とし、各モデルが同一ファイルに対して発生させるトークン数を比値化しました。

コンテンツTypeScript (新)Rust (新)JavaScript (新)Python (新)HTML (新)英語散文 (新)
Claude 新 (Opus/5)1.73x ⬆️1.58x1.52x1.50x1.36x1.40x
Claude 旧 (Opus/4.6)1.32x1.22x1.26x1.22x1.18x1.05x
Gemini 3 Flash1.16x1.19x1.23x1.20x1.08x1.01x
Grok 4.51.05x1.05x1.11x1.09x1.04x1.00x

なぜ TypeScript が最悪ケースなのか?

  • GPT の
    o200k
    TypeScript に特異に効率的です(約 4.24 文字毎に 1 トークン)。camelCase や JSX パターンを単一トークンに圧縮するため、ウェブ上の JavaScript/TypeScript データで訓練されています。
  • Claude の新トークナイザーは両言語(TypeScript / Rust)でほぼ同密度のため、**GPT が得意とする領域(TypeScript)でギャップが最大(1.73x)**となります。

中国語への言及

  • 新旧どちらのトークナイザーでも、Claude は GPT よりも CJK テキスト(中国語) で約 1.45-1.55x と高い値を示します。これは新トークナイザーによるものではなく、Claude の長年の特性です。
  • Gemini は CJK でも GPT より効率的(0.85-0.91x)です。

6. リスト価格に基づく実質価格試算表

リスト価格に計測された乖離率を掛け合わせた、**「同じ作業を行うための実質価格」**です。 基準:GPT の

o200k
(1.00x)。

モデルリスト価格 (入/出 $)乖離率実質価格 (入/出 $)
GPT-5.1 / 5.5 / 5.6 Sol$1.25/$10 or $5.00/$301.00x$1.25/$10 or $5.00/$30
Grok 4.5$2.00 / $6.001.03x$2.06 / $6.18
Gemini 3 Flash$0.50 / $3.001.09x$0.55 / $3.27 (圧倒的安価)
Claude Sonnet 4.6 (旧)$3.00 / $15.001.14x$3.42 / $17.10
Claude Sonnet 5 (9/1 以降)$3.00 / $15.001.50x$4.50 / $22.50 (+50% 増)
Claude Opus 4.6 (旧)$5.00 / $25.001.14x$5.70 / $28.50
Claude Opus 4.8 (新)$5.00 / $25.001.50x$7.50 / $37.50 (+32% 増)
Claude Fable 5 (新)$10.00 / $50.001.50x$15.00 / $75.00

: Opus 4.6 と 4.8 はリスト価格が同じですが、実質価格は約 32% の差があります。Gemini 3 Flash は GPT より冗長ですが、依然として最安値を維持しています。 独立データ: Ploy(Playcode)の報告により、GPT-5.6 Sol と Claude Opus 4.8 を比較した際、入力トークンは約 35% 削減(Ploy の場合)でしたが、出力冗長性を考慮すると同方向を示しています。

7. 「入力比率」では捉えきれない要素

上記は「入力バイト→入力トークン」のみを測っています。エージェントタスク全体には以下の追加コスト要因があります。

  1. 出力と思考トークン: 結果を得るためのモデル消費量、冗長性、思考プロセス。
  2. コンテキスト読込: ハーネス(枠組)が各ステップで読み込む量。
  3. ツール呼び出し頻度とサブエージェント起動数。
  4. キャッシュの価格設定: キャッシュトラフィックもトークン単位で請求されるため、+32% の増えはキャッシュ読込みにも反映し、長 сеанスでは請求額の主要な部分を占めます。

結論: 「モデル A は B より 2-4 倍多い」という報告は純粋な入力ギャップ(最大 1.73x)を含むが、両者が異なるレイヤー(入力 vs 全体タスク)を測定している場合があるため注意が必要。

8. モデル価格比較への推奨事項

  • 自らのコンテンツで比較してください: あなたの言語やファイルタイプは乗数を決めます。レート表だけを信じる前に、代表サンプルを実行してください。
  • トークナイザー変更を価格変更として扱ってください: ベンダーが同じリスト価格で新モデルを出荷する場合、トークナイザーが動いたか確認してください(例:Opus 4.6→4.8 は約 32% の増加だが請求書項目は同じ)。
  • 「$/Mtok」は有益だが十分ではありません: トークン単価ではなく**「タスク完了あたりのドル数」**を測定してください。これにはトークナイゼーション、冗長性、思考、キャッシュが一度に内包されます。

まとめ: GPT-5.x は英語とコードでのトークン効率が良く、Gemini 3 Flash は実質的に驚くほど安く、Claude モデルはトークン消費が多い代わりに質で地位を確立しています。重要なのは、あなたが実際に支払う価格(トランスレーション後の実質値)と比較することです


出典: Anthropic, OpenAI, Google Gemini API, xAI の公式料金表およびトークナイザーカウントデータ。

同じ日のほかのニュース

一覧に戻る →

2026/07/14 7:19

『アジア最浄の村』が日曜日観光客禁止に

## Japanese 翻訳: 2026 年 1 月以来、インディアのメガラヤ州にある約 600 人の居住者がいるモーリャン・オン(Mawlynnong)村では、「真の村の生活」を再建する目的として、日曜日の昼間の観光客に対する厳格な禁止措置を導入しています。1902 年に設立された教会が存在し、人口の推定 100% がクリスチャンであるこのコミュニティは、日曜日には単一の道路への入口を黒い金属製のゲートで閉鎖して、 uninterrupted な礼拝を保証しています。以前からほとんどの観光関連事業所が日曜日の営業停止を選択していました(レストランは 2 カ所のみ営業)ましたが、公式な禁止措置により、今では店舗や一日利用施設が完全に閉鎖されるようになっています。一泊予約を持つゲストはこの昼間の旅行禁止からの例外扱いで、ゲストハウスに滞在することができ、一方で地元のレストランや記念品販売店は引き続き閉鎖されています。住民は、村評議会の委員でもあるプリシウス・コングドプ(Precious Khongdup)を含むコミュニティの一致した支持を受けながら、この取り組みを文化のアイデンティティ、精神的なリズム、および 2003 年に「アジアで最も清潔な村」と命名されたり、2014 年にナレンドラ・モディ首相のクリーン・インディア・ミッションキャンペーンの際に全国的な注目を得たりした功績をもたらした規律を保持するために不可欠だと考えています。この決定は、観光客による妨害に対する具体的な懸念に対応しており、観光客が地面にプラスチック製の水ボトルを置き去りにするというバイラル化した事象などが挙げられ、これにより地元からは強い反発が生じていました。言語学の教授ヴィジャヤ・デブナス(Vijaya Debnath)を含む専門家は、このイニシアチブを称賛しており、清潔さを維持しつつ、村民の静かな一日の休息と祈りの必要性にも敬意を表していると評価しています。

2026/07/14 3:22

Xcode を起動することなく Mac および iOS アプリを開発して配送する方法

## Japanese Translation: 本テキストでは、Xcode を一度設定した後の開封を不要とする堅牢で完全にヘッドレスの iOS アプリケーションの作成・デプロイワークフローが概説されています。シェルスクリプトによるライフサイクル全体のアオマティゼーションを通じて、開発者は `xcodebuild` コマンドラインツールを用いてコードをコンパイルし、`notarytool` によってビルドを保護し、`devicectl` を用いて物理デバイスにアプリを直接インストールします。セキュリティは、証明書ベースのキーチェーンおよび外部パスワードマネージャーの活用により維持され、プライベートキーなどの機密情報はバージョン管理システムへの投入を完全に防ぎます。本システムは XcodeGen を用いてプロジェクトを管理し、煩雑なローカルフォルダではなくクリーンな YAML 設定ファイル(`.yml` ファイル)によってプロジェクトを制御し、アドホックテスト版と公式開発者 ID リリースを自動的に区別します。一度設定されたリリーススクリプトは、アーカイブ、署名、認証化、スタプリング、インストールを含む厳格なパイプラインを実行し、沈黙する失敗を防ぐために堅牢なエラー処理(`set -euo pipefail`)を採用します。このアプローチは、チームが手動のマウス操作または GUI ウィンドウなしに、実際に動作するソフトウェアを効率的にデプロイするために安全で再現可能な CI パイプラインを構築することを可能にします。 ## Text to translate: The text outlines a robust, fully headless workflow for creating and deploying iOS applications that eliminates the need to open Xcode after an initial setup. By automating the entire lifecycle through shell scripts, developers utilize command-line tools such as `xcodebuild` to compile code, `notarytool` to secure builds, and `devicectl` to install apps directly onto physical devices. Security is maintained by leveraging certificate-based keychains and external password managers, ensuring sensitive secrets like private keys never enter version control. The system employs XcodeGen to manage projects via clean YAML configurations (`.yml` files) rather than cluttered local folders, automatically distinguishing between ad-hoc testing versions and official Developer ID releases. Once configured, a release script executes a rigorous pipeline involving archiving, signing, notarizing, stapling, and installation, while using strict error handling (`set -euo pipefail`) to prevent silent failures. This approach empowers teams to establish secure, repeatable CI pipelines that deploy real software efficiently without any manual mouse interactions or GUI windows.

2026/07/14 1:06

Apple が発表した新たな音声分析 API「SpeechAnalyzer」のベンチマークテストで、Whisper とその前代モデルと比較

## Japanese Translation: Apple の新しい SpeechAnalyzer API は、次期 OS 26 の一部として提供されるもので、英語の読み上げ音声に対する優れたオンデバイス音声認識を実現しており、特定ベンチマークコンテキスト内では従来のツールや人気が高い Whisper モデル(Tiny, Base, Small)を大幅に上回っています。この優位性は、M2 Pro チップなどの Apple ハードウェアで行われた厳密なローカルベンチマークを通じて証明され、オーディオを外部サーバーにアップロードすることなく、高速な処理速度——Whisper Small の計算時間の約 1/3——を実現することが示されました。清潔な LibriSpeech テストデータに対しては、従来の SFSpeechRecognizer API に比べて単語誤りを約 4 倍削減し(2.12% WER から 9.02%)、ノイズのあるデータに対しても同様の劇的な改善が見られました。この研究では、Inscribe のプロダクションコードパスと同一のテストハルネスを用い、Whisper の測定値は OpenAI が公開した値と比較しましたが、Whisper の相対的な不正確さは、これらのベンチマーク(アクセントのある音声、遠距離音声、または複数話者シナリオを含まない)に限定されたもの임을 指摘しました。重要なのは、すべてのテストが完全にオンデバイスで行われたことであり、従来の SFSpeechRecognizer もローカルで使用される場合でもクラウド処理にデフォルトで切り替わるという点です。これらの結果に基づき、Inscribe は製品ロジックを更新し、対応言語(現在約 30 のロケール)では SpeechAnalyzer を優先し、未対応の言語のみを Whisper に切り替えました。さらに、研究チームは Inscribe が SpeechAnalyzer でオーディオファイルを取り扱う際に重大なバグを見出し、生テキストデータを検証のために公開ダウンロード可能とする措置を講じました。これは、Apple エコシステム内のプライバシー重視かつ高パフォーマンスなオンデバイス AI 機能において大きな飛躍を意味します。