2026年、どのAIエージェントが安いか：解決済みタスク1件あたりのコスト

サブスクリプション料金やトークン単価だけでは、AIエージェントの費用を十分に比較できません。同じ金額で、あるエージェントは5つのタスクを完了できるかもしれませんし、1つだけかもしれません。違いは内部の仕組みによります。ここで唯一正直な尺度は、エージェントが実際にタスクを実用できる状態まで仕上げたとき、1件にいくらかかるかです。

次に、このコストの計算式を示し、2026年9月初旬時点のプロバイダー価格を使って計算します。ここでは使用量の例を使い、それが例であることを明確にします。あなたの数値はあなた自身のものです。以下のすべては自分で再計算できます。節約の約束も、魔法の組み合わせもありません。

サービスの利用方法については、Ailootのドキュメントをご覧ください。

月額料金では、どのエージェントが安いかわからないのはなぜ？#

多くの人は選ぶときにサブスクリプション料金を見ます。一方のエージェントは月20ドル、もう一方は200ドルなので、最初のほうが10倍お得に見えます。ただし価格だけでは割安か判断できません。サブスクリプションはアクセスの費用を示し、その範囲で完了した作業は別に測る必要があります。

月額固定料金のタクシーが2台あると想像してください。一方は一度で目的地に着きますが、もう一方は半分の乗車で道を間違えるため、もう一度呼びます。サブスクリプション料金が同じでも、実際には最初のタクシーなら半額で目的地に着けます。エージェントも同じです。同じサブスクリプションを支払っても、完了できるタスク数は内部の仕組みによります。

サブスクリプションは、タスクのコストの話とは分けて考えるのが最善です。その利点は金額が予測できることです。サブスクリプション、従量課金、カスタム開発という料金モデルの選び方については、AIエージェントの価格に含まれるもので別途説明しています。この記事が扱うのは別の問いです。どの支払いモデルでも、どのエージェントがより低いコストで結果を出すのでしょうか？

トークン単価も誤解を招くのはなぜ？#

2番目によくある比較方法は、トークン単価を見ることです。トークンは単語の一部分ほどのテキストで、モデルに送るものと、モデルが応答として書くものの両方を測ります。プロバイダーは100万トークンあたりの価格を公表しており、モデルによって価格は大きく異なります。安いモデルを選べば支払いが少なくなる、という考えは一見もっともです。

落とし穴は、トークン単価が原材料の価格であり、たとえばガソリン1リットルあたりの価格のようなものだという点です。知りたいのは移動全体のコストであり、1リットルだけではほとんどわかりません。エージェントは複数の手順でタスクを解決します。ファイルを閲覧し、コマンドを実行し、エラーを読み、コードを書き直し、各手順でコンテキストを再びモデルに送ります。エージェントとの1回の会話が何十回ものリクエストになり、それぞれでトークンが使われることも珍しくありません。

価格だけの比較は、手順やトークンの増加、完了するタスク数の減少という2つの可能性で変わります。どちらも価格だけから決まるものではありません。同じタスクで候補ごとに、失敗した試行も含めて測ってください。料金が膨らむ仕組みについてはAPIのトークン使用量の計算方法で詳しく説明し、バイブコーディングが見かけ以上に高くつく理由でも別途取り上げています。

解決済みタスク1件あたりのコストとは？#

完成した結果1件あたりの費用を計算します。プラン料金やトークン単価も費用の入力値ですが、それだけでは不十分で、実際の使用量と完了した結果も必要です。計算式は次のとおりです。

1. タスクに対するエージェントの1回の実行料金、つまり1回の試行で使うすべてのトークンのコストを求めます。
2. エージェントが実際にタスクを実用できる状態まで仕上げる割合を見積もります。
3. 1つ目の数値を2つ目で割り、解決済みタスク1件あたりのコストを求めます。

なぜ割るのかを説明します。エージェントが10件中7件を完了する場合、10回の実行のうち3回は無駄になりますが、10回すべてに料金を支払っています。つまり、その10回分のコストを7つの実用的な結果で分担するため、それぞれの結果のコストは1回の実行より高くなります。成功率が低いほど、実用的なタスク1件あたりのコストは高くなります。

「完了したタスクの割合」は測定できます。SWE-benchのようなベンチマークで測ります。エージェントには実際のプロジェクトの実際のバグが提示され、修正を提出すると、システムが自動テストで確認します。表の割合は解決したタスクの比率です。ただし、ラボでの割合はあなたの場合と同じではありません。自分のプロジェクトでの割合は異なるため、約束ではなく参考値として扱ってください。こうした表の読み方については、AIコーディングエージェントのランキングの記事で別途説明しています。

タスクのコストを構成する3つの要素は？#

どこに追加の支出が隠れているかがわかるよう、コストを構成要素に分けてみましょう。

1つ目：トークン単価。モデルの基本料金、つまり入力トークン100万個と出力トークン100万個にいくらかかるかです。高性能モデルと軽量モデルでは、数十倍の差がつくことがあります。

2つ目：タスクあたりのトークン使用量。1回の試行でエージェントがモデルに通すテキストの量です。タスクの規模、読み直すファイル数、手順数で変わります。少ない手順で解決するモデルは使用量を抑えられる可能性がありますが、価格や「高性能」という分類から推測せず、実際の使用量を確認してください。

3つ目：完了したタスクの割合。実用的な結果で終わる試行の割合です。合計コストをこの割合で割ります。1回の実行コストを同じに保つと、成功率40パーセントでの実用的なタスク1件あたりの費用は、80パーセントの場合の2倍です。ただし、価格や使用量も変わる比較で、この要素が最も重要だと示したわけではありません。

比較が混乱するのは、トークン単価という最初の数値だけを見る人がいるからです。しかし最終コストは3つの数値すべてで決まります。使用量が多く成功率が低ければ、単価が安くても、単価が高く使用量が少なく成功率が高い場合より高くつくことがあります。

この3つの数値を実用的な設定にまとめるには、料金と作業方法の両方を考えます。アプローチの柱は、AIクローン、Second Brain、コンテキストエンジニアリングの3つです。整理されたコンテキストは使用量と成功率に影響しますが、モデルの料金や選択が重要でないという意味ではありません。同じタスクで測定して比較してください。

モデルごとの1回の実行コストは？#

計算式を具体的にするため、公表されている実際の価格を使って1回の実行コストを計算します。ここでは、エージェントが1回の試行あたり入力トークンを約300,000個使う（複数の手順でプロジェクトやエラーを読み直す）複雑なタスクの例を使い、出力トークンは約40,000個とします。繰り返しますが、これは計算の例であり測定値ではありません。あなたの使用量は異なります。

2026年9月初旬時点で、各プロバイダーが公式に公表している100万トークンあたりの価格は次のとおりです。

Anthropicのドキュメントにある実例で計算式を確認できます。Opus 5へのリクエストで、入力トークン50,000個、出力トークン15,000個の場合、次のように計算されています。

つまり、入力と出力をそれぞれの価格で計算して足します。まさに計算式のとおりです。残るのは1回の実行コストを完了したタスクの割合で割ることだけです。ここで安い価格が意外な結果をもたらします。

安価なモデルが高性能モデルよりタスクを高くつかせることがあるのはなぜ？#

2つのモデルを、使える結果1件あたりの費用で比較します。1回の実行コストを除外するのではなく、実行コストと完了率を合わせて確認します。

Sonnet 5：1回の実行は約1ドルで、例のタスクでは試行の70パーセントを完了するとします。実用的なタスク1件あたりのコストは、1ドルを0.7で割った約1.40ドルです。

Haiku 4.5：例の1回の実行は約50セントで、記載したトークン単価は半分です。この例では使用量が約1.6倍、完了率が40パーセントだと仮定します。その仮定では、実用的なタスク1件あたり約2ドルとなります。使用量と成功率は計算に与えた値で、モデルが安いことから観測された結果ではありません。

この仮定の例では、トークン単価が半分のモデルでも、仮定した追加使用量と失敗率が価格差を上回り、結果あたりの計算上の費用が高くなります。これは計算式の働きを示すもので、手元のプロジェクトでどのモデルが割安かを実証するものではありません。

ただし、ここで使った成功率の70パーセントと40パーセント、およびトークン使用量は、仕組みを示すための例です。あなたの数値は異なり、軽量モデルがあなたの作業をうまく処理し、最も安いままである可能性も十分にあります。高価なモデルが必ずしもお得とは限りません。自分の3つの数値を使って結果1件あたりのコストを比較してください。

自分のタスクあたりのコストを計算する方法：3つのプロフィール？#

自分の作業に当てはめるには、どのプロフィールが最も近いかを見積もります。計算式は同じで、変わるのは3つの数値だけです。

プロフィール1：単純で反復的なタスク。テキストの書き換え、データ整理、小さなコード修正などです。HaikuやDeepSeek V4-Flashのような軽量モデルが、少ない使用量と再試行で自分の合格条件を満たすか試してください。他の候補と結果あたりの実測費用を比べてから、どちらが最安か、Opusへの支払いが余分かを判断します。

プロフィール2：見慣れないコードを扱う複雑な作業。他人のプロジェクトの理解、わかりにくいバグの修正、新機能の開発などです。これらの課題で全試行を測ります。高いトークン単価でも、成功率の向上や使用量の減少が価格差を補えば、使える結果あたりの費用は下がる可能性があります。その利点はモデルの分類から決めず、自分の結果で確かめてください。

プロフィール3：混在する作業。1つのモデルですべて処理する場合と、定型作業と難しい作業を別の候補へ振り分ける場合を比べます。作業全体の使用量、失敗、人による修正も数えてください。振り分けで費用が下がる可能性はありますが、この記事は最安の方法と実測したわけではありません。多くのエージェントでは、作業中にモデルを切り替えられます。

同じ計算式でプロフィールごとに計算すれば、どこで安くなるかがわかります。

選ぶときによくある間違いは？#

料金だけで選ぶと、作業内容による違いを見落とすことがあります。あるモデルが定型作業を安く処理できても、難しい機能では試行が増えるかもしれません。その結果が他のモデルより高くつくかは、使用量と完了率を測って判断することで、安い単価から決まることではありません。

逆のことも起こり得ます。軽量モデルが同じ合格条件のタスクを3分の1の費用で完了できるなら、そのタスクに高い構成を選ぶのは余分な支出です。ただし条件付きの比較です。品質、試行回数、費用を試してから判断してください。

私自身のやり方についても書いておきます。私はClaude Codeとサブスクリプションを使っています。従量課金のメーターが動くより、予測可能な金額を好むため、日常の作業では通常のAPIを使いません。整理されたコンテキストと明確なタスクは、使用量や成功率を変える可能性があります。ただし、この経験だけでモデルの価格や選択の影響が小さいとは結論づけられません。料金、全試行の使用量、使える結果を得た割合を同じ代表的なタスクで測って判断します。

結局、どのエージェントが安い？#

「最も安い」エージェントは、作業内容によって変わります。プラン料金やトークン単価だけで決めず、料金と全試行の使用量から実行費用を計算し、実際の完了率で割って比較しましょう。料金表は計算に必要ですが、使える成果がいくつ得られたかも記録してください。

最後にもう1つ。解決済みタスク1件あたりの費用は、モデルの料金、失敗を含む全試行のトークン使用量、実際に成功したタスクの割合で決まります。コンテキストや作業方法は使用量と成功率を変えますが、モデルの変更でも両方が変わります。上の仮定の成功率から、どの要因が最も重要かは判断できません。同じ代表的なタスクで候補モデルを比較し、再試行と人による修正も数えて、使える成果1件あたりの実測費用で選んでください。

バイブコーディングの方法として、AIクローンにSecond Brainとコンテキストエンジニアリングを組み合わせる考え方があります。整理されたコンテキストと構造化された作業は、トークン使用量や成功率に影響します。それらにモデルの料金と選択も合わせ、同じ課題で実測した結果あたりの費用を比較してください。

Ailootについてご覧ください。