HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

フロンティアモデルの本当の価格。トークン * 価格、ですよね?

The real prices of frontier models. Tokens * Price, right? (playcode.io)

137 pointsby ianberdin68 コメント

要約

この記事は、AIモデルの価格設定における「トークンあたりの価格」という指標の誤解を指摘しています。実際には、モデルごとに同じテキストが異なる数のトークンに分割されるため、同じ「トークンあたりの価格」でも、実際の請求額は大きく異なる可能性があることを、具体的な例を挙げて解説しています。

全文翻訳

Claudeの方がGPTより73%高価な同じTypeScript

TL;DR

  • 「トークン」は固定されたテキスト量ではありません。各ベンダーのトークナイザーは、同じファイルを異なる数の断片に分割し、その断片ごとに課金されます。したがって、$/Mtok(100万トークンあたりのドル)はベンダー間で比較できません。
  • Anthropicの最新トークナイザー(Sonnet 5, Opus 4.8, Opus 5, Fable 5, Fable 5.1)は、以前のものよりも同じコードから約30%多くのトークンを生成します。リスト価格は変更されていません。Opus 5とFable 5.1は2026年9月2日の実際の請求書で検証済みです。同じトークナイザーで、トークン単位まで一致しました。
  • 同一ファイルで、GPTのトークン数の1.36〜1.73倍を生成します。TypeScriptが最悪のケースで1.73倍です。
  • 実質的に、Opus 4.8とOpus 5の$5 / $25は、$7.50 / $37.50のように、Fable 5.1の$10 / $50は、$15 / $75のように振る舞います。Sonnet 5の$2 / $10は、8月31日に終了する導入価格として発表されましたが、9月2日現在もライブレートです。
  • これは入力トークン化のみを測定したものです。出力はより大きな要因です。同一タスクで、Fable 5.1はFable 5の2.3倍の出力トークンを生成し、Sonnet 5はGemini 3.7 Flashの8.8倍を生成しました。詳細は後半にあります。

私たちは、各ベンダー自身のカウントエンドポイントを使用して、すべてのフロンティアトークナイザーの下で同じバイト数をカウントし、カウントを実際の請求済みリクエストと比較しました。以下にその数値と、それらがレートカードの価格にどう影響するかを示します。

[画像: 円グラフ: 同じ2,888文字のTypeScriptファイルが、GPT-5.xでは681トークン、Grok 4.5では718トークン、Gemini 3 Flashでは788トークン、Claudeの旧トークナイザーでは898トークン、Claudeの新型トークナイザーでは1,178トークンになります]

なぜ$/Mtokは比較可能な価格ではないのか

モデルの請求額は、2つの数値を掛け合わせたものです。

コスト = (コンテンツが変換されるトークン数) × (トークンあたりの価格)

価格ページには2番目の数値が表示され、最初の数値は定数として扱われます。しかし、それは定数ではありません。モデルのトークナイザーに依存し、ベンダー間ではトークナイザーが大きく異なります。2つのモデルが同じ「$5.00 / 1M 入力トークン」をリスト価格として表示していても、同じ段落に対して異なる請求額を生成する可能性があります。なぜなら、一方のモデルがその段落をより多くのトークンに変換するからです。誰もトークンあたりのコンテンツ数を公開していないため、私たちはそれを測定しました。

測定方法

私たちは16個の実際のフィクスチャ(英語の散文、HTMLページ、JavaScript、Python、TypeScript、Rustファイル、JSONツールスキーマとツール結果、中国語のチャットと散文、記号が多いテキスト、および私たち自身のエージェントシステムプロンプト)を使用しました。各フィクスチャは、各モデルのプロダクショントークナイザーでバイト単位でカウントされました。

  • Anthropicモデルは、公式のcount_tokensエンドポイントでカウントされました。これはAnthropicが請求するカウントと同じ数を返します。
  • OpenAIモデルは、tiktokenを介して文書化されたo200k_baseトークナイザーでカウントされました。最新モデルについては、プロダクションで再確認しました。GPT-5.1、GPT-5.5、GPT-5.6 Solに対して実際のAPIコールを送信し、ローカルカウントとライブusage番号を比較しました。リクエストのフレームをキャンセルするために、長いものから短いものの差分を使用しました。3つすべてがo200k_baseと完全に一致しました。
  • GeminiとGrokは、プロバイダーのトークンカウントエンドポイントでカウントされました。

GPTのo200kは、2年以上凍結され公開文書化されているため、全体を通して1.00xの基準として機能します。一方、Claudeのトークナイザーは変更されたものです。DeepSeekとGLMはテーブルから完全に除外されています。それらについては、実際のトークナイザーカウントではなく、4で割った文字数のおおよその推定値しかありません。この投稿は測定された数値に関するものです。

発見1:同じリスト価格、約30%多いトークン

Claude Opus 4.6とOpus 4.8は同じ$5.00 / $25.00のリスト価格を持っています。それらの間に変更されたのはトークナイザーです。Sonnet 4.6とOpus 4.6は古いトークナイザーを使用しています。Sonnet 5、Opus 4.8、Fable 5、そしてこの更新以降のOpus 5とFable 5.1は新しいトークナイザーを使用しています。テーブルは、Anthropic自身のエンドポイントで、両方のトークナイザーで同じバイト数をカウントしています。

コンテンツ旧トークナイザー新トークナイザー変化
英語の散文 (2,115文字)476636+34%
HTMLページ (3,195文字)1,1311,302+15%
JavaScript (1,933文字)659794+20%
Python (2,251文字)8311,022+23%
TypeScript (2,888文字)8981,178+31%
Rust (2,924文字)1,0191,312+29%
JSONツールスキーマ (9,948文字)2,6313,306+26%
私たちのエージェントシステムプロンプト (42,661文字)10,76114,953+39%
中国語の散文 (379文字)435433~0%

実際のAIエージェントのリクエスト構成(主に英語のシステムプロンプト、ツールスキーマ、コード、JSON)でこれらの行を重み付けすると、新しいトークナイザーはリクエストあたり約+32%になります。中国語の行はほとんど変化しませんでした。つまり、インフレは英語とコードに集中しています。

Sonnet 5のローンチ価格、再計算

Sonnet 5は、$2.00 / $10.00でローンチしました。これはSonnet 4.6の$3.00 / $15.00から値下げされたように見えました。Anthropicはこれを2026年8月31日に終了する導入価格として発表しました。このレートが維持されている間は、低いレートが追加トークンをわずかに上回るため、Sonnet 5は同じコードに対して4.6よりもわずかに安くなります。更新 2026-09-02: 発表終了から2日経っても、レートカードには$2.00 / $10.00と表示されており、ページに終了日はありません。もし$3.00 / $15.00に戻った場合、追加トークンはそのまま残り、同じリスト価格でSonnet 4.6よりも約3分の1高くなります。以下のテーブルはその両方を示しています。

カウンターと実際の請求書の照合

count_tokensは予測値であるため、max_tokens: 1で実際の請求済みリクエストを送信し、請求書の基となるusage.input_tokensを読み取りました。同じコンテンツに対して、Opus 4.6は2,541入力トークンを請求し、Opus 4.8は3,191を請求しました。どちらも予測カウントと完全に一致しました。ラインナップの中で最も高価なモデルであるFable 5でも同じチェックを実行し、請求されたトークン数は3,191で、Opus 4.8と同一でした。したがって、Fableは同じ新しいトークナイザーを使用しており、その高いリスト価格の背後に隠された追加のトークンあたりのマークアップはありません。この検証全体で約$0.08かかりました。

2026-09-02 再検証 Anthropicがそれ以降にリリースした2つのモデルについて: Opus 5は同じ差分に対して3,191を請求し、Fable 5.1も3,191を請求しました。Fable 5.1の生のカウントは、16個のフィクスチャすべてでFable 5よりも正確に2トークン多くなっています(短いもので117対115、長いもので3,308対3,306)。リクエストのフレームングによる一定のオフセットはトークナイザーではなく、差分では相殺されます。したがって、5.1が「より多く消費する」という噂は入力に関するものではありません。同じバイト数は同じトークン数を消費します。より多く消費するのは出力であり、それは以下にあります。この検証には$0.12かかりました。

発見2:ギャップはコードで最も大きい

ベンダー間のテーブルは、GPTのo200kを1.00xの基準として使用しています。各セルは、そのモデルの同一ファイルに対するトークン数をGPTのそれと比較した値です。つまり、1.20xはGPTより20%多いトークンを意味します。Claudeの新しいトークナイザーと古いトークナイザーを並べて表示しています。

コンテンツClaude (新)Claude (旧)Gemini 3.x FlashGrok 4.5
TypeScript1.73x1.32x1.16x1.05x
Rust1.58x1.22x1.19x1.05x
JavaScript1.52x1.26x1.23x1.11x
Python1.50x1.22x1.20x1.09x
HTMLページ1.36x1.18x1.08x1.04x
英語の散文1.40x1.05x1.01x1.00x
中国語の散文1.44x1.45x0.85x0.86x
中国語のチャット1.53x1.55x0.91x0.92x

コードの行は散文の行よりもかなり上に位置しています。TypeScriptは1.73x、Rustは1.58x、JavaScriptは1.52x、Pythonは1.50xであり、英語の散文は1.40xです。コードはコーディングエージェントが処理する内容の大部分を占めるため、そのワークロードでは1.50〜1.73xの範囲が関連性があります。

なぜTypeScriptが最悪のケースなのでしょうか?それは、o200kがTypeScriptに対して異常に効率的だからです。1トークンあたり約4.24文字であり、これは多くのWeb JavaScriptやTypeScriptで学習された結果のように見えます。そこではcamelCaseの識別子やJSXパターンが単一のトークンに圧縮されます。Rustでは、その効率は1トークンあたり約3.51文字に低下します。Claudeのトークナイザーは両方の言語でほぼ均等に高密度であるため、ギャップはGPTが最も得意とする領域で最も広くなります。

中国語は異なる動作をします。Claudeは、古いトークナイザーと新しいトークナイザーの両方で、GPTよりも約1.45〜1.55倍高くなります(散文フィクスチャでGPTの300トークンに対して435対433トークン)。これは、新しいトークナイザーが導入したものではなく、ClaudeファミリーがCJKテキストに対して長年持っている特性です。Geminiは実際にはここでGPTよりも効率的で、256トークンです。どのトークナイザーがより多くのコストがかかるかは、あなたが何を書くかに依存します。

Geminiの列は現在「3.x」と表示されています。なぜなら、Gemini 3 Flash、3.6 Flash、3.7 Flashは、すべてのフィクスチャで同一のカウントを返すからです(2026年9月2日にVertexでカウントされたTypeScript、散文、ツールスキーマファイルではそれぞれ789 / 459 / 2,541)。世代全体で1つのトークナイザーであるため、Geminiの価格変更は実際の価格変更です。

価格への影響

リスト価格に測定された乖離を掛けると、同じ作業を処理するための実質的な価格が得られます。ここでは、乖離はGPTのo200kに正規化された、典型的な英語コーディングリクエストのブレンドされた乗数です。

モデルリスト価格 入力/出力 ($/Mtok)乖離実質価格 入力/出力 ($/Mtok)
GPT-5.1$1.25 / $10.001.00x (基準)$1.25 / $10.00
GPT-5.5$5.00 / $30.001.00x$5.00 / $30.00
GPT-6 Astra$10.00 / $50.001.00x (2026-09-05 検証済)$10.00 / $50.00
GPT-5.6 Sol$4.00 / $20.001.00x (検証済)$4.00 / $20.00
GPT-5.6 Terra$2.00 / $12.001.00x (2026-09-02 検証済)$2.00 / $12.00
Grok 4.5$2.00 / $6.001.03x$2.06 / $6.18
Gemini 3 Flash$0.50 / $3.001.09x$0.55 / $3.27
Gemini 3.7 Flash (2026-12-31まで)$0.75 / $3.751.09x (同一トークナイザー)$0.82 / $4.09
Claude Sonnet 4.6$3.00 / $15.001.14x (旧トークナイザー)$3.42 / $17.10
Claude Sonnet 5 (ライブレート, 2026-09-02)$2.00 / $10.001.50x (新トークナイザー)$3.00 / $15.00
Claude Sonnet 5 (導入価格終了の場合)$3.00 / $15.001.50x$4.50 / $22.50
Claude Opus 4.6$5.00 / $25.001.14x (旧トークナイザー)$5.70 / $28.50
Claude Opus 4.8$5.00 / $25.001.50x (新トークナイザー)$7.50 / $37.50
Claude Opus 5$5.00 / $25.001.50x (2026-09-02 検証済)$7.50 / $37.50
Claude Fable 5$10.00 / $50.001.50x (新トークナイザー)$15.00 / $75.00
Claude Fable 5.1$10.00 / $50.001.50x (2026-09-02 検証済)$15.00 / $75.00

数行は再確認する価値があります。Opus 4.6と4.8はリスト価格を共有していますが、実質価格では約32%の違いがあり、Opus 5は4.8の実質価格を引き継いでいます。GPT-5.5、GPT-5.6 Sol、GPT-5.6 Terraは同じトークナイザーを共有しているため、それらのリスト価格は互いに比較可能です。Gemini FlashはGPTよりもわずかに重いトークナイザーを実行しますが、それでも圧倒的な差で最も安価な選択肢です。Fable 5.1にはテーブルに表示できない行が1つあります。キャッシュ読み取りは、通常の0.1xではなく0.025xベース($0.25 / Mtok)で課金されます。そのため、キャッシュ読み取りが請求の大部分を占める長いAIセッションでは、その実質的なトークンあたりの価格は、同一のステッカー価格にもかかわらず、Fable 5よりも大幅に低くなります。

独立したデータポイントとして: Ployは今週、GPT-5.6 Solへのプロダクション移行を発表し、同じビルドに対してClaude Opus 4.8の2.60Mに対して1.70Mの入力トークンを報告しました。これはトークナイザープローブ全体ではなく、モデルの冗長性も含まれますが、同じ方向性を示しています。

入力比率で捉えきれないもの

上記のすべては1つのことを測定しています。同一のバイトがいくつの入力トークンになるかです。完全なAIタスクは、さらに多くの変数を追加します。それらは大きな変数です。同じ結果に到達するために、モデルはどれだけの出力トークンと思考トークンを消費しますか?ハーネスはステップごとにどれだけのコンテキストをロードしますか?ツールを呼び出したり、サブエージェントを起動したりする頻度は?プロバイダーはキャッシュの読み書きをどのように課金しますか?

説明する価値のある2つの結果があります。第一に、キャッシュトラフィックもトークンごとに課金されるため、32%多くのトークンを生成するトークナイザーは、すべてのキャッシュ書き込みとキャッシュ読み取りを約32%高価にします。そして、長いAIセッションではキャッシュ読み取りが請求の大部分を占めます。第二に、冗長性と思考を考慮に入れると、タスク全体のコストは1.73倍よりもはるかに大きく、どちらかの方向に乖離する可能性があります。人々が、あるモデルがエージェントワークで別のモデルの「2〜4倍のトークンを使用する」と報告するとき、それは彼らのセットアップでは真実である可能性があります。しかし、私たちのフィクスチャでの純粋な入力トークン化のギャップは1.73倍を超えることはありませんでした。これら2つの数値は異なるレイヤーを測定しています。

出力レイヤー、測定済み

私たちは今、1つの同一プロンプトに対する2番目のレイヤーを持っています。MacBook描画ベンチマークでは、各モデルにその最高の推論能力で同じSVGを要求し、出力予算をモデル自身のAPI上限に設定しました。1つの描画に費やされた出力トークン(思考を含む):

モデル出力トークン、1つの描画Fable 5比出力上限
Claude Sonnet 5121,7132.9x128,000
Claude Fable 5.199,0722.3x128,000
GPT-6 Astra45,8361.1x128,000
Claude Opus 574,0611.7x128,000
Claude Fable 542,5601.0x128,000
GPT-5.6 Terra29,8340.7x128,000
Gemini 3.7 Flash13,8630.3x65,536

同じトークナイザー、同じステッカー価格で、Fable 5.1は同じプロンプトに同じ努力で応答するために、Fable 5の2.3倍の出力トークンを消費します。なぜなら、より長く思考し、その思考は出力として$50 / Mtokで課金されるからです。それが「5.1はより多く消費する」という言葉が真実である場所であり、上記の入力テーブルのどの数値よりも大きな乗数です。それはまた、上限が重要であることを意味します。128,000出力トークンは、ClaudeまたはGPT-5.6モデルが1回の回答で生成できる最大値です(Gemini Flashは65,536で停止します。DeepSeek V4 Flashのみが393,216でそれより高くなります)。そしてFable 5.1は、1台のラップトップでその77%を使用しました。そのベンチマークの最初の試みでは、出力を64Kに制限し、カットオフをモデルの失敗と見なしました。それは私たちの誤りでした。

コンテンツタイプ別では、Claudeの新しいトークナイザーがGPTのo200kに対して測定した入力側の範囲は、散文、HTML、JSONが1.36〜1.42x、コードが1.50〜1.73x(TypeScriptが最高)、中国語と記号が多いテキストが1.44〜1.53xです。TypeScriptをタイトルに入れたのは、それが範囲のトップであり、コーディングエージェントが一日中処理するものであるためであり、世界全体が1.73xであるためではありません。

タスク全体のレイヤーは、そのフォローアップにあります。16モデルが完全な努力ラダーで1つの同一描画タスクを与えられ、98回のワンショット実行、プロバイダー自身の使用状況番号から価格設定されたすべての試み。同じ描画は、モデルと推論の努力によって$0.004から$4.95の範囲でした。その実験はここにあります:MacBook SVG Benchmark: 16 AIモデル、描画するラップトップでランク付け。

モデル価格の比較方法

  • 独自のコンテンツで比較してください。あなたの言語とファイルタイプが乗数を決定するため、レートカードを信頼する前に、代表的なサンプルを各トークナイザーに通してください。
  • トークナイザーの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しいモデルをリリースするときは、トークナイザーが移動したかどうかを確認してください。Opus 4.6から4.8への変更は、請求書に明記されていない約32%の増加です。
  • トークンあたりのドルではなく、完了したタスクあたりのドルで測定してください。その単一の数値は、トークン化、冗長性、思考、およびキャッシングを一度に折り込みます。プロバイダーのusageフィールドは、それを計算するための実測値を提供します。
  • $/Mtokは、開始点としては依然として有用です。ただし、それだけでは十分ではなく、トークナイザー間で比較できません。ベンダーは、バイトあたりの価格も公開することで、これをすぐに修正できます。誰かがそうするまで、変換作業はあなた次第です。

これらのどれも、あるモデルが普遍的に正しいということを意味しません。GPT-5.xは、英語とコードにおいてトークン効率の良い選択肢であり、Gemini 3 Flashは実質的に驚くほど安価であり、Claudeモデルはより多くのトークンを消費しても、その品質でその価値を証明しています。あなたが比較する価格が、トークナイザーの後で実際に支払う価格であることを確認してください。


出典: Anthropic pricing (anthropic.com/pricing), OpenAI pricing (platform.openai.com/docs/pricing), Google Gemini API pricing (ai.google.dev), xAI pricing (docs.x.ai). トークン数は、Anthropicのcount_tokensエンドポイント、OpenAIのo200k_base(ライブAPI使用量で検証済み)、およびGoogleとxAIのカウントエンドポイントから取得しました。これらのカウントを生成するためにテキストは生成されていません。

測定は私たちによるものです。文章はAI支援を受けて作成され、人間によって編集されました。2026-07-14にTL;DR、より簡潔な表現、および読者のフィードバックに基づいた「入力トークン化で捉えきれないもの」のセクションを追加して更新しました。2026-09-02更新:Opus 5、Fable 5.1、GPT-5.6 Terraを実際の請求書で検証。Gemini 3.7 Flashをカウント。Sonnet 5の導入価格をライブレートカードで再確認。出力レイヤーを1つの同一タスクで測定。

Playcodeは、これらのモデルのそれぞれをワンクリックで利用できるようにするため、同じプロンプトを2つのモデルで実行し、重要な結果、つまり構築されるアプリケーションを比較できます。ステッカー価格について議論するのではなく。playcode.ioでお試しください。