小型LLMのコスト平均75%減がエージェント設計を組み替える
2026年10月、LLM市場は「安く、速く」へ一斉に動いた。AnthropicはClaude Haiku 5.5を平均75%のコスト削減とともに発表し、DeepSeekは価格を変えず性能を上げたV4.1-Flash-1017を出した。GoogleもGemini 4 Argonを一般提供した。3社の一次情報から、エージェント利用を前提としたモデル選定の変化を読み解く。
平均75%のコスト減は段階制料金で実現された
Anthropicは2026年10月7日、小型モデル「Claude Haiku 5.5」を発表しました。同社によれば、Haiku 5.5はHaiku 4.5と比べて平均して約75%のコスト減になるといいます。価格の内訳を見ると、入力トークンは100万トークンあたり0.10ドル（プロンプトが10万トークン以下の場合）。従来のHaiku 4.5の1.00ドルから10分の1に下がりました。出力トークンも0.50ドルで、旧モデルの5.00ドルから大きく下がっています。
鍵を握るのは段階制の料金設計です。プロンプトが10万トークンを超えると、入力は0.50ドル、出力は2.50ドルへ跳ね上がります。Anthropicは「直前のHaikuモデルへのリクエストの約90%が10万トークン以下だった」と説明しており、大半の利用者は安い側の料金で済む前提で設計されています。また、Haikuクラスのモデルとして初めて、コストと知能のどちらを優先するかを調整するeffort設定に対応しました。
顧客の声として、Asanaのエンジニアは自社の評価スイートでタスク完了のレイテンシが30%以上減り、エージェント1回あたりの推論が最大2.5倍速くなったと述べています。ただしこれはAnthropicの発表に含まれる顧客証言であり、独立した検証ではありません。
ベンチマークの数字はベンダーの主張として読む
Haiku 5.5の発表には、各種ベンチマークの数字が並んでいます。エージェント型コーディングを測るTerminal-Bench 4.0では39.2%（Anthropicの比較表でHaiku 4.5は0.0%、OpenAIのGPT-6 Lunaは16.4%）。多分野の推論を測るHumanity’s Last Examでは道具なしで45.9%（同表でHaiku 4.5は10.2%）と、旧モデル比で大きな伸びを示しています。
一方、10月17日には、DeepSeekはV4.1-Flash-1017への更新を発表しました。Terminal-Bench 4.0で42.3、ソフトウェア開発を測るDeepSWE v1.1で77.0としています。Haiku 5.5の39.2%を数字の上では上回りますが、単純な比較はできません。DeepSeek自身の明記によれば、Terminal-Bench 4.0はClaude Codeフレームワーク、DeepSWEはMini-SWE-V2フレームワークで測定しており、採点環境（ハーネス）が異なります。各社の発表する数字はいずれも自己申告であり、ハーネスの違いを差し引いて読む必要があります。
DeepSeekは値上げなき性能向上で対抗する
DeepSeekの更新で注目すべきは、APIの価格を変えずに性能だけを上げた点です。変更履歴では「APIの呼び出し方法と価格は変わらない」と明記され、モデル名deepseek-flashのまま最新版にルーティングされます。あわせて、タスクの実行時間と出力長を短縮したため、同じ価格でタスクを完了するコストが下がったと説明しています。同社はこれを「性能とコストのパレート最適」と表現しました。
社内検索エンジンのAPI提供開始も同じ日に発表しました。数千億ページをインデックスし、SEOスパムや低品質なAI生成コンテンツをフィルタするとしており、モデルと検索を組み合わせたエージェント構築を狙った布陣です。
フロンティアモデルは役割を明示する
小型モデルが安くなる一方で、フロンティア側は役割の明示を進めています。Googleは9月30日にフロンティアモデル「Gemini 4 Argon」を発表し、10月13日にGemini APIでの一般提供を開始しました。公式ブログでは「現実世界のコーディング、企業の知識業務、サイバー防御」のためのモデルと位置づけています。
Anthropicも同様に、Haiku 5.5の役割を明確に区切りました。Terminal-Bench 4.0で測るような複雑なエージェント型コーディングではSonnet 5.5とOpus 5.5が引き続き良い選択だとし、Haiku 5.5は要約や圧縮、サブエージェント作業など「これまではコスト的に割に合わなかった狭い範囲のタスク」に向くとしています。あわせてSonnet 5.5のキャッシュ読み取り価格を半額（100万トークンあたり0.20ドルから0.10ドル）に引き下げ、エージェント作業の多くで約20%のコスト減を見込むと発表しました。
モデル選定は階層の組み合わせへ移る
ここまでの事実を整理すると、方向は1つに収束します。モデルの性能を1つの数字で比べる時代から、タスクの種類と頻度に応じてモデル階層を組み合わせる設計へ重心が移るということです。要約や分類のような高頻度の処理は小型モデルへ、複雑なコーディングはフロンティアモデルへ振り分ける構成になります。AnthropicがHaiku 5.5をOpus 5.5やSonnet 5.5と組み合わせるサブエージェントとして説明した点、DeepSeekが出力長の短縮で実質的な値下げを行った点のいずれも、エージェントの大量運用を前提とした価格設計です。
読者に一つ問いたい。あなたのワークフローで、最も高く賢いモデルを向けたままのタスクは、どれほど残っているでしょうか。10月前半の2週間の発表はその問いを見直す時期に来ていることを示しています。
