タスクごとにどのAIモデルを使えば、余計な費用を避けられる？

要するに、考える作業は高性能モデルに任せ、実行はよりシンプルなモデルに任せましょう。計画や複雑な判断にはフラッグシップモデル（GPT-6 Astra、Claude Fable 5.1、またはClaude Opus 5.5）を使い、完成した計画に沿った作業には中位モデルを、定型タスクやバックグラウンドのエージェント呼び出しには対応できる範囲で最も安価なモデルを使います。同時に、結果を確認してください。モデルが安価であるほど、その作業をより慎重にレビューする必要があります。そうしなければ、手戻りで節約分が消えてしまいます。

以下は、元の著者が2026年9月23日に公開リポジトリで公開した「タスク → モデル」の表です。掲載された主なモデルは、著者が仕事で使った経験に基づいて個人的に選んだものです。この表のための比較テストは行われておらず、別のタスクでも同じ結果になるとは限りません。より安価な選択肢の大半は、公開ランキングと開発元自身の推奨をもとに選びました。コード向けのOpus 5.5も、私自身の経験に基づいています。元の資料の価格は、2026年9月23日時点のOpenAIおよびAnthropicの公式ページで確認しました。

Ailootの使い方に関する追加の手順は、ドキュメントを参照してください。

何にでも同じモデルを使うと費用がかさむ理由#

API経由でトークン料金を支払う場合、よりシンプルなモデルで十分なタスクでも、フラッグシップモデルで実行すれば毎回フラッグシップ価格がかかります。サブスクリプションの場合は、プランと選択したモデルの上限を考慮し、プランのページで確認してください。Claudeのサブスクリプション上限の仕組みや、上限を消費する要因については、別の記事Claude Codeの上限を1日で使い切らない方法をご覧ください。この記事では、個々の作業に使うモデルの選び方を説明します。

2026年9月23日時点の、100万トークンあたりの公式API価格：

仮のエージェント実行を考えてみましょう。入力トークン10万、出力トークン1万です。これはキャッシュを使わず、基本料金で計算した例であり、実際のタスクを測定したものではありません。この実行の費用は、GPT-6 AstraまたはFable 5.1で約$1,5、Opus 5.5で$0,6、Sonnet 5またはGPT-6 Solで$0,3、Haiku 4.5で$0,15、GPT-6 Lunaで$0,015です。この計算では、フラッグシップモデルと最も安価なモデルの価格差は100倍です。自分の使用量に基づいてこのような実行の費用を計算する方法は、APIのトークン使用量を計算する方法をご覧ください。

価格に関する注意点が2つあります。GPT-6モデルでは、入力トークンが27万2千を超えるリクエストは全体に高い料金が適用され、入力は2倍、出力は1.5倍になります。OpenAIとAnthropicのどちらも、バッチリクエストは通常価格の半額です。

基本ルール：高性能モデルで考え、安価なモデルで実行する#

その後の作業は計画の出来に左右されるため、ここは節約せず、最も高性能なモデルを使います。完成した計画に沿って文章を書く、データを集める、チャットの名前を変更する、会話を圧縮するといった作業なら、よりシンプルなモデルでもできます。

モデルを選ぶ際には、ほかに次の3つのルールにも従っています。

1. モデルが安価であるほど、その作業をより慎重に確認する必要があります。 レビューにもあなたの時間がかかります。
2. 1回のリクエストではなく、完成した成果物の価格を比べましょう。 たとえばOpus 5.5は、入力・出力の両方でFable 5.1より2.5倍安価です。手戻りによってOpusがタスクに3倍の入出力トークンを使うなら、結果として費用は高くなります。レビュー時間も、トークン料金に加わるコストです。成果物の費用の計算方法は、記事どちらのAIエージェントが安いか：タスクを1件解決する費用で説明しています。
3. モデルが合わなければ、別のモデルを試しましょう。 すべてに勝るモデルはありません。それぞれに長所と限界があります。

モデル選びは、AIエージェントとの作業の一部です。

表：タスク → モデル#

「メイン」列には、私自身が使っているモデルを載せています。次の列には代替モデルを載せており、その大半は公開ランキングや開発元の推奨に基づいて選びました。コードには、個人的な経験からOpus 5.5も選んでいます。安価なモデルの結果は、より慎重に確認してください。定型タスク向けの選択肢は支払い方式が異なるため、必ずしも費用が安くなるとは限りません。

戦略と計画。 計画に誤りがあると、後続のステップにも影響することがあります。ここでは最も高性能なモデルを使います。より安価な選択肢はGPT-6 Solです。OpenAIは、複雑なコードやエージェントのシナリオ向けと位置付けています。

コード。 コードにはFable 5.1を使っています。ただしAnthropicは、ほとんどのタスクではOpus 5.5から始め、難しい推論や長時間稼働するエージェント作業、または高レベルの推論を有効にしたOpusでもタスクを処理できない場合にFable 5.1を使うことを推奨しています。APIではOpus 5.5のほうが2.5倍安く、私の経験では作業にかかる費用も安くなります。計画ができているなら、より安価なモデルにそれに沿って書かせることができます。コード向けの2つのフラッグシップモデルを詳しく比較するには、GPT-6 AstraとClaude Fable 5.1：どちらを選ぶべきか？をご覧ください。

執筆。 クライアント向けの文章には、高性能モデルを使います。より安価な選択肢はSonnet 5です。Anthropicは、速度と知性のバランスが最も優れているとしています。出力はより慎重に確認してください。

数字と財務。 ここでも高性能モデルを使います。これは仕事での経験に基づく私の選択であり、比較テストの結果ではありません。それでも、高性能モデルを使えば確認が不要になるわけではありません。数値を一次情報と照合してください。データを利用できる規約になっている無料プランには、財務情報や個人情報を送らないでください。

検索とリサーチ。 簡単なタスクや検索にはSonnet 5を使っています。これは私の経験に基づく選択です。より安価な選択肢はGPT-6 Lunaで、OpenAIは大量の反復タスク向けと位置付けています。

定型タスク。 定型タスクは何度も繰り返すため、1回ごとの費用が積み重なります。私はKimi CodeのサブスクリプションでKimi K3を使っています。DeepSeek FlashはAPI従量課金の選択肢です。支払い方式が異なるため、どちらが安いかは使用量によって決まります。

節約しないところ#

これらのルールは私の実務経験に基づいています。比較調査で検証したものではありません。

• 計画とアーキテクチャ。 計画に誤りがあると、後続のステップにも影響することがあります。
• 数字と財務。 ここでは高性能モデルを使い、数値も一次情報と照合します。
• 結果の確認。 作業を行ったモデルが安価であるほど、その成果をより慎重に確認する必要があります。

会話の圧縮によって、エージェントが長い会話から何を記憶するかが決まり、性能が低すぎるモデルでは重要な情報が失われることがあります。圧縮を安価なモデルに任せることはできますが、自分のタスクで品質を確認してください。

Hermes Agentのバックグラウンドタスクを安価なモデルに移す方法#

エージェントは主要な作業に加えて、チャットのタイトル付け、長い会話の圧縮、画像の分析、コマンドを自動承認できるかどうかの判断といった補助タスクも実行します。Hermes Agentでは、これらは補助タスクと呼ばれています。デフォルトでは、各タスクがautoに設定され、メインモデルが処理します。メインモデルがフラッグシップで、API経由で料金を支払っている場合、補助タスクにもフラッグシップ料金が適用されます。

smartモードでのコマンド承認について、Hermesのドキュメントは安価で高速なモデルを推奨し、高価なモデルを使うのは無駄だとしています。コンテキストの圧縮やウェブページの要約、つまり内容を短く説明する作業についても、高価な推論モデルではなく高速なモデルを推奨しています。

手順：

1. 安価なモデル用のプロバイダーを、キーとともに事前に接続します。Hermesのドキュメントによると、キーのないプロバイダーをタスクに割り当てると、デフォルトの選択肢にフォールバックし、agent.logログに警告が記録されます。autoモードでメインモデルがタスクを実行できず、フォールバックチェーンも設定されていない場合、Hermesは警告を出してタスクをスキップし、ほかの接続済みプロバイダーには切り替えません。
2. Hermesのウェブパネルを開き、Models → Model Settings → Auxiliary tasks → Configureと進みます。必要なタスクの行（たとえばCompression、Title Gen、Vision）でChangeをクリックし、プロバイダーとモデルを選んでからSwitchをクリックします。代わりにShow auxiliaryボタンを使う方法がHermesのドキュメントに記載されています。ラベルはバージョンによって異なります。
3. または、同じ設定を~/.hermes/config.yamlに入力します。Hermesのドキュメントにある例では、高速なモデルを使った画像分析（vision）を設定します。

Ailootのドキュメントでツールのガイドを探す

チャットのタイトルには、高速なモデルを固定するか、auxiliary.title_generation.prefer_fast_model: trueを設定する方法がドキュメントで提案されています。するとHermesが、利用中のプロバイダーから高速なモデルを選択します。

4. 新しいセッションを開きます。モデルの変更は新しいセッションにのみ適用され、すでに開いているチャットでは以前の設定が引き続き使われます。config.yamlを手動で編集したのに新しいセッションに設定が反映されない場合は、Hermesを再起動してください。

確認方法。 タスクの行にauto (use main model)ではなくprovider · modelと表示されているはずです。それでもautoと表示される場合、そのタスクは引き続きメインモデルを使っています。すべてのタスクをメインモデルに戻すには、Reset all to autoをクリックします。

バックグラウンドタスク向けの表には、GPT-6 Luna、Gemini 3.8 Flash、DeepSeek Flash、Claude Haiku 4.5が載っています。すでに接続しているプロバイダーから選んでください。OpenAIモデルをChatGPT / Codexサブスクリプションプロバイダー経由で接続しており、GPT-6 SolとGPT-6 LunaがまだHermesのモデル一覧にない場合、表ではGPT-5.6 SolまたはGPT-5.6 Lunaが推奨されています。Anthropicのページによると、Haiku 4.5の引退は早くても2026年10月15日です。正確な日付はないため、それまでに状況を確認してください。

表に含まれていないこと#

• 節約率。 測定していません。節約額は、タスクと選ぶモデルによって異なります。
• サブスクリプション上限の正確な使用量。 Hermesのドキュメントには、HermesからのリクエストがChatGPTサブスクリプションの上限をどのように使うか、正確な説明はありません。
• 変わらない価格。 モデルやプランは変わります。購入前に公式ページを確認してください。

今日やること#

1. エージェントによく頼むタスクの種類を3つか4つ挙げます。
2. それぞれについて、考える作業が必要なのか、完成した計画を実行すればよいのかを決めます。
3. 「考える」作業にはフラッグシップモデルを残し、「実行」には1段下のモデルを使い、定型作業には対応できる範囲で最も安価なモデルを使います。
4. Hermesでは、まずチャットのタイトル付けから始めます。安価なモデルに移しやすい作業です。次にコンテキストの圧縮を移し、長い会話でエージェントが重要な情報を失い始めていないか、自分で確認してください。

モデルを使った作業をさらに進めるには、Ailootをご覧ください。