不快な真実:「モデル選択」はあなたの早急なエンジニアリングの半分です レシピなら、モデルはキッチンです。 素晴らしいレシピは役に立たない: 
 
 
 
 
 ウォンは小さい(コンテストウィンドウ) 材料は高価(トークン価格)です。 リーダーは遅い(遅い)。 あなたのツールが合わない(機能呼び出し / JSON / SDK / エコシステム) こちらはA 実際に使える比較です。 practical 
 
 「パラメーター」に関する注意:多くの境界モデルでは、パラメーター数は公表されていません。実践では、コンテキストウィンドウ + 価格 + ツール機能は、パラメータースケールを推測するよりも「適合」を予測します。 多くの境界モデルでは、パラメータの数値は公表されていません。実践では、コンテキストウィンドウ + 価格 + ツール機能は、パラメータのスケールを推測するよりも「フィット」をよりよく予測します。 Note on “parameters”: 1) 迅速な比較:あなたが最初に気にするべきこと 1.1 重要な「4つのボタン」 
 
 
 
 
 文脈: 1 つのリクエストに仕事を合わせることができますか? コスト:容量は許可できますか? 遅延:あなたのUXは待つことを許しますか? 互換性:あなたのスタックはきれいに統合されますか? 他のすべては第二の秩序です。 2)モデルスペックテーブル(コンテキスト+ポジション) このテーブルは、安定したものに焦点を当てています: . family, positioning, and context expectations で、 で、 ) 一般用途、強力なツールエコシステム 価格 + キャッシュ入力は明確に発表されています。  OpenAI「o」推理ファミリー(例えば、 で、 深い考え方 / 計画の難しさ よく高いコストを使用し、選択的に使用します。 Anthropic クラウド ファミリー (e.g., Haiku / Sonnet tiers) 強力な書き込み + 安全な姿勢; クリーン ドキュメント クリーン ドキュメント 価格のテーブルには複数の価格サイズが含まれています。 Google クラウド ジェミニファミリー (Flash / Pro tiers) マルチモダル + Google エコシステム + キャッシング / グローディングオプション バーチャル バーチャル 価格ページは、明示的にキャッシング + グローディング バーチャル バーチャル バーチャル DeepSeek バーチャル DeepSeek チャット + gpt-4o gpt-4.1 gpt-5* o3 o1 3)価格表(あなたのCFOが実際に読んでいる部分) 以下は 公式ドキュメント(USD per ) これをベースラインとして使用し、次に適用します:キャッシュ、バッチ割引、そして実際の出力長。 public list prices 1M tokens 3.1 OpenAI (selected highlights) OpenAIは、1Mトークンあたりの入力、キャッシュ入力、出力価格を公開します。 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Model 
 Input / 1M 
 Cached input / 1M 
 Output / 1M 
 When to use 
 
 
 
 
 
 
 gpt-4.1 
 $2.00 
 $0.50 
 $8.00 
 High-quality general reasoning with sane cost 
 
 
 
 
 
 
 gpt-4o 
 $2.50 
 $1.25 
 $10.00 
 Multimodal-ish “workhorse” if you need it 
 
 
 
 
 
 
 gpt-4o-mini 
 $0.15 
 $0.075 
 $0.60 
 High-throughput chat, extraction, tagging 
 
 
 
 
 
 
 o3 
 $2.00 
 $0.50 
 $8.00 
 Reasoning-heavy tasks without the top-end pricing 
 
 
 
 
 
 
 o1 
 $15.00 
 $7.50 
 $60.00 
 “Use sparingly”: hard reasoning where mistakes are expensive gpt-4.1 2 ドル 0.50 ドル 8 ドル 健全なコストを伴う質の高い一般的推論 gpt-4o 2.50 ドル 1.25 ドル 10 ドル Multimodal-ish “workhorse” if you need it gpt-4o-mini ドル 0.15 075 ドル ドル 0.60 High-throughput chat, extraction, tagging トップページ o3 2 ドル 0.50 ドル 8 ドル トップエンドの価格設定なしの合理的で重いタスク o1 15 ドル 7.50 ドル 60 ドル “Use sparingly”: hard reasoning where mistakes are expensive. 「節約的に使用する」:過ちが高価な場合の厳しい推論 
 
 あなたが製品を構築している場合:あなたはしばしば80～95%の通話をより安価なモデル(ミニ/高速レベル)で実行し、ハードケースだけをエスカレートします。 あなたが製品を構築している場合:あなたはしばしば走ります。 より安価なモデル(ミニ / スピード レベル)で呼び出し、厳しいケースだけをエスカレートします。 80–95% 3.2 アントロピック(クラウド) Anthropic は Claude docs でモデル価格表を公開しています。 
 
 
 
 
 
 
 
 
 
 
 
 Model 
 Input / MTok 
 Output / MTok 
 Notes 
 
 
 
 
 
 Claude Haiku 4.5 
 $1.00 
 $5.00 
 Fast, budget-friendly tier 
 
 
 
 
 
 Claude Haiku 3.5 
 $0.80 
 $4.00 
 Even cheaper tier option 
 
 
 
 
 
 Claude Sonnet 3.7 (deprecated) 
 $3.75 
 $15.00 
 Listed as deprecated on pricing 
 
 
 
 
 
 Claude Opus 3 (deprecated) 
 $18.75 
 $75.00 
 Premium, but marked deprecated クルド・ハイク 4.5 1 ドル 5.00 ドル 早い、予算フレンドリーな動物 クルド・ハイク 3.5 0.80 ドル 4 ドル もっと安いオプション クラウド・ソネット 3.7 (deprecated) 3.75 ドル 15 ドル Listed as deprecated on pricing に記載されている クロード・オプス3 (Deprecated) 18.75 ドル 7500 ドル プレミアム, but marked deprecated 
 
 重要: モデル可用性の変化. 価格表を「現時点で存在するもの」として権威あるものとして扱う。 重要: モデル可用性の変化. 価格表を「現時点で存在するもの」として権威あるものとして扱う。 Google Gemini(開発者API) Geminiの価格は階層によって異なり、コンテキストキャッシュ + 地付け価格を含みます。 
 
 
 
 
 
 
 
 
 
 Tier (example rows from pricing page) 
 Input / 1M (text/image/video) 
 Output / 1M 
 Notable extras 
 
 
 
 
 
 Gemini tier (row example) 
 $0.30 
 $2.50 
 Context caching + grounding options 
 
 
 
 
 
 Gemini Flash-style row example 
 $0.10 
 $0.40 
 Very low output cost; good for high volume ジェミニ・ティア(Row Example) ドル 0.30 2.50 ドル コンテキストキャッシング + grounding options Gemini フラッシュ スタイル ライン 例 ドル 0.10 ドル 0.40 非常に低い出力コスト;高容量に良い Geminiの価格ページもリストしています: 
 
 
 コンテキストキャッシュ価格、および Google検索の価格設定/制限 4.4 ディープ検索(API) DeepSeek は、API ドキュメントおよび価格設定ページに価格を公開します。 
 
 
 
 
 
 
 
 Model family (per DeepSeek pricing pages) 
 What to expect 
 
 
 
 DeepSeek-V3 / “chat” tier 
 Very low per-token pricing compared to many frontier models 
 
 
 
 DeepSeek-R1 reasoning tier 
 Higher than chat tier, still aggressively priced DeepSeek-V3 / 「チャット」 多くの国境モデルと比較してトークンごとに非常に低い価格 DeepSeek-R1 論理 チャットレイヤーより高い、依然として攻撃的価格 4) 遅延:偽の「平均秒」テーブルを使用しないこと ほとんどのブログの遅延テーブルも以下の通りです。 
 
 
 ある日、ある地域、ある使用量で測定され、その後永遠にリサイクルされる。 純粋なフィクション 代わりに、使用 : two metrics you can actually observe 
 
 
 TTFT(Time to First Token) - ストリーミングがどのように早く始まるか トークン/セク — 出力が開始するとどれくらいの速さで到着するか 4.1 実用的な遅延期待値(方向性) 
 
 
 
 「ミニ/フラッシュ」レベルは通常、チャットスタイルのワークロードのためのTTFTとトランスポートを獲得します。 「合理化」レベルは通常、TTFTが遅くなり、より多くのトークン(より多くの思考)を出力する可能性があります。 長いコンテキストの入力は、どこでも遅延を増加させます。 4.2 自分の製品のベンチマークの作成方法(15分の方法) 以下を送信する小さなベンチマークスクリプトを作成します。 
 
 
 
 
 同じプロンプト(例えば、400～800トークン) 固定マックス出力(例えば、300トークン) あなたのターゲット地域では、 30～50レース。 レコード: 
 
 
 
 p50 / p95 TTFT p50 / p95 全時間 トークン / SEC その後、Vibesではなくデータで決定を下す。 5)互換性:なぜ“tooling fit”が原型モデルの品質を打ち負かすのか 5%「スマート」ですが、あなたのバックを破るモデルは、純損失です。 5.1 Prompt + API 表面互換性(モデルを切り替えると壊れる) 5.2 生態系適合性(A.k.a. 「あなたはすでに何を使用していますか?」) 
 
 
 
 Google ワークスペース / Vertex スタイルのワークフローで生活している場合は、Gemini 統合 + 地形オプションが自然に適合する可能性があります。 幅広い第三者自動化エコシステムに依存している場合、OpenAI + Claude は成熟した SDK + ツールのカバー(LangChain など)を持っています。 データレジデンス/オンプレムが必要な場合は、オープンソースモデル(Llama/Qwen)でデータを限界内に保管できますが、MLOpsで支払うことができます。 6)決定チェックリスト:エンジニアのようにモデルを選択する STEP 1 - タスクの分類 
 
 
 
 High Volume / Low Stakes: Tagging, rewrite, FAQ, extraction Medium stakes: customer support responses, internal reporting (顧客サポートの回答、内部レポート) 高い賭け:法的、金融、セキュリティ、医療のような分野(注意してください) Step 2 — decide your stack (the “2-3 モデルルール”) 共通の設定: 
 
 
 
 ほとんどのリクエストに最適な低価格 Strong tier for hard prompts, long context, tricky reasoning (ハード・ポンプト、長い文脈、複雑な推論) オプション:リアルタイムまたは特定の UX/機能のための深い推論レベル ステップ3 - コストコントロール戦略(出荷する前に) 
 
 
 
 
 出力制限の長さ cache repeated system/context シリーズ バッチ Homogeneous Jobs エスカレーションルールを追加する(すべてを最も高価なモデルに送るな) 7) PRDに貼り付けることができる実用的な比較テーブル 以下は、利害関係者向けの短い「コピー/ペスト」テーブルです。 
 
 
 
 
 
 
 
 
 
 
 
 
 Scenario 
 Priority 
 Default pick 
 Escalate to 
 Why 
 
 
 
 
 
 
 Customer support chatbot 
 Latency + cost 
  (or Gemini Flash-tier) gpt-4o-mini 
  / Claude higher tier gpt-4.1 
 Cheap 80–90%, escalate only ambiguous cases 
 
 
 
 
 
 
 Long document synthesis 
 Context + format stability 
 Claude tier with strong long-form behaviour 
 gpt-4.1 
 Long prompts + structured output 
 
 
 
 
 
 
 Coding helper in IDE 
 Tooling + correctness 
  or equivalent gpt-4.1 
  /  o3 o1 
 Deep reasoning for tricky bugs 
 
 
 
 
 
 
 Privacy-sensitive internal assistant 
 Data boundary 
 Self-host Llama/Qwen 
 Cloud model for non-sensitive output 
 Keep raw data in-house 顧客サポートチャットボット 遅延 + コスト (ジェミニ・フラッシュ・ティア) gpt-4o-mini クロード・ハイジャー・ティア (Claude Superior Tier) gpt-4.1 安い80～90%、曖昧なケースだけをエスカレート 長い文書の概要 コンテキスト + 形式の安定性 Claude tier with strong long-form behavior(強力な長い形態の行動) gpt-4.1 Long Prompts + Structured Output(構造化された出力) コード・ヘルパー in IDE トップ > 正確性 あるいは等価 gpt-4.1 / / o3 o1 Deep Reasoning for Tricky Bugs(トリック・バグ) プライバシーに敏感な内部アシスタント データ境界線 オリジナルタイトル Llama/Qwen 非敏感な出力のためのクラウドモデル RAW DATA IN-HOUSE 最終取 「ベストモデル」は一つではない。 There is only . best model for this prompt, this latency budget, this cost envelope, and this ecosystem もしあなたが乗船した場合: 
 
 
 
 
 測定されたベンチマークは、 2～3モデルスタック 生産制限の厳しさ、 バッチャング/バッチャング ...あなたは毎月最新のモデルを追いかけているチームを上回ります。

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

このオーディオは、ストーリーの元の言語で制作されています。

2026年にLLMを選択する:実践的な比較テーブル(スペクトル、コスト、遅延、互換性)

About Author

コメント

ラベル

この記事は

Related Stories

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

ユニークなエコシステムを支えるビットコインUTXOのモデル

デジタルノマドの皆さん、タイの新しい DTV ビザについて知っておくべきこと

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

ユニークなエコシステムを支えるビットコインUTXOのモデル

デジタルノマドの皆さん、タイの新しい DTV ビザについて知っておくべきこと

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps