性能は最上位級、コストは数分の1──3社の新LLMが同じ週に揃った理由

2026年9月28日からの3日間で、Anthropic、OpenAI、Googleがそれぞれ新しい大規模言語モデルを発表しました。3社のモデルはいずれもAPI価格を入力100万トークンあたり2ドル・出力10ドルに設定し、最上位モデルに迫る性能を低コストで提供する構成が共通しています。競争の主戦場が「性能そのもの」から「1タスクあたりのコスト効率」へ移りつつあり、能力の向上に伴って安全策も一段厳しくなっています。

9月末の1週間、LLM（大規模言語モデル）のリリースが異例の密度で重なりました。9月28日にAnthropicが「Claude Sonnet 5.5」を発表し、翌29日にOpenAIが開発者イベントDevDayで「GPT-6.1 Sol」を、30日にはGoogleが「Gemini 4 Argon」をそれぞれ公式に発表しています（Anthropic、OpenAI、Google）。3社の狙いはそれぞれ異なりますが、発表を読み比べると共通のメッセージが浮かび上がります。

3日間で3社が揃えた「2ドル/10ドル」の価格帯

まず数字を並べます。3モデルのAPI標準価格は、いずれも入力100万トークンあたり2ドル、出力100万トークンあたり10ドルです。

AnthropicのSonnet 5.5は前世代のSonnet 5と同じ2ドル/10ドルの価格を維持したうえで、タスクあたりのコストを最大30%下げられるとしています。同じ作業に必要なトークン数が減ったためで、出力の生成速度も30%以上速いとしています。キャッシュ読み込みは100万トークンあたり0.20ドルです。

OpenAIのGPT-6.1 Solは、同社の最上位モデルGPT-6 Astra（入力10ドル／出力50ドル）の5分の1にあたる2ドル/10ドルです。キャッシュ入力は100万トークンあたり0.10ドルで、標準入力価格の95%引き、GPT-6 Solのキャッシュ価格の半額としています。

GoogleのGemini 4 Argonは紹介価格として2ドル/10ドルで始まり、キャッシュ入力は入力価格の95%引きです。紹介期間の終了後は4ドル/20ドルに上がる予定だと明記されています。

OpenAIとAnthropicのラインナップでは、2ドル/10ドルは最上位モデルの下のクラスに当たる価格帯です。ところが今回、Googleの最先端モデルが（紹介価格とはいえ）この帯に着地し、OpenAIは「最上位の5分の1の値段でほぼ同等の知能」を売り文句に据えました。実用モデルの主力価格帯として、2ドル/10ドルが標準になりつつある状況です。

各社のベンチマークが描く「最上位の隣」

性能面の主張も似た構造です。ただし、以下の数値はすべて各社が自社の評価環境で測定したものであり、実行条件が異なるため単純な横並び比較には注意が必要です。

OpenAIによれば、GPT-6.1 Solは実在するコードベースでの長時間のソフトウェア開発タスクを測るDeepSWE v1.1で、GPT-6 Astraと同等のスコアを約5分の1のコストで出し、GPT-6 Solの最高スコアも6.4ポイント上回ったとされます。科学ワークフローを測るTerminal-Bench Science 0.1では、最大の推論努力設定でのタスクあたり平均コストが5.47ドルに対し、AnthropicのOpus 5.5は23.21ドル、Astraは23.80ドルです。ただし最高スコア（68.1%）は依然としてAstraのもので、最難関のタスクには最上位モデルが要るとOpenAI自身が明記しています。

AnthropicのSonnet 5.5は、エージェント的コーディングを測るTerminal-Bench 4.0で70.6%を記録し、前世代Sonnet 5の10.3%から大きく伸ばしたと発表しています。同社の測定では上位モデルのOpus 5.5（66.4%）を上回る数値です。低〜中程度の努力設定なら、Sonnet 5の最高スコアを約10分の1のコストで超えるとしています。スクリーンショットだけを入力にゲーム『ポケットモンスター赤』をクリアした、初のSonnetモデルでもあります。

Googleは、ArgonがDeepSWE v1.1で77.9%を記録し過去最高を更新したと主張しています。業務ワークフロー全般を測るAutomationBenchでは51.3%で1位、長尺動画理解を測るLVBenchでは91.7%でした。内部利用の事例として、量子アルゴリズムの最適化で従来の公開ベースラインを40%上回る結果を分単位で出したことや、エージェント群がデータセンターのテレメトリを分析してメモリ最適化を自律適用し、300TiB超の解放につながったことなども紹介しています。

競争の軸は「1タスクあたりのコスト」に移った

3社の発表で共通して目立つのは、性能スコアよりもコスト効率の主張の厚さです。背景にはエージェント利用の増加があると考えられます。ツールを呼び出し、文書を読み、複数のステップを重ねるエージェントは1タスクで大量のトークンを消費するため、単価に加えて「同じ仕事に必要なトークン量」が実コストを左右します。各社ともこの2軸を下げる方向で設計しました。

具体的には3つの工夫が見えます。第一にキャッシュ価格の引き下げです。OpenAIはキャッシュ入力を0.10ドル、Googleは95%引きとし、文脈を再利用するエージェント向きの料金設計を揃えました。第二にトークン効率で、Sonnet 5.5はトークン削減によってタスクあたり最大30%のコスト減を実現したとします。第三に推論の努力水準の選択制です。モデルの思考の深さを低〜最大の設定で調整でき、2モデルとも低設定での性能劣化を抑えたことで、安い設定で足りる仕事の範囲を広げています。

加えてArgonは、モデルの出力上限をそれまでの6.4万トークンから100万トークンへ拡大しました。長い思考の軌跡を1回の生成で完結させるためです。OpenAIも数日中に、生成速度が最大8倍のUltrafast版の提供を始めると予告しています。

能力が上がったぶん、安全策は一段厳しくなった

今回の1週間のもう一つの共通項は、安全策の強化、特にサイバー領域の扱いです。

GoogleはArgonを一般公開せず、まず信頼済みのサイバー防御者に限定して提供する段階的リリースを選びました。防御者向けにはサイバー分野のガードレールを外した形で渡し、自律的な脆弱性の発見・検証・修正を可能にするとしています。米国政府の事前アクセスに関する自主的なプロセスにも参加中だと説明しています。セキュリティ企業Wizの「Scan for Good」プログラムでは、世界の病院で使われる医療ソフトの重大な脆弱性を、従来の最先端モデルが見逃していた領域から発見したとGoogleは報告しています。

Anthropicも、Sonnet 5.5のサイバー能力が上位のOpus 5並みに達したため、Sonnetクラスで初めてサイバー分野の安全機構とフォールバックを導入しました。OpenAIはGPT-6.1 Solの整列評価を公開し、自動安全レビュアーを迂回する試行は観測されなかったとしています。

最上位モデルの能力が中堅価格帯へ降りてくるまでの期間は縮まっています。今回の1週間は、その低下がコスト面でも安全面でも同時に進んだ例と言えます。開発者側に必要なのは、最上位を本当に必要とするタスクとそうでないタスクの仕分けでしょう。2ドル/10ドル帯の性能が上がり続ける限り、その境界線は毎週のように動いていきます。