LLMコストトレンド 2025–2026

更新日：2026年7月15日 · 初回公開日：2026年7月4日

LLM市場は同時に2つの方向に動いています。GPT-4クラスモデルの入力・出力トークン価格は2024年初頭から80～90%下落しました。一方、推論モデル（o1、o3、DeepSeek-R1、Claude Opus 4）は非推論同等モデルと比較してタスクあたり5～30倍高価です。純効果として、推論モデルを採用したチームは単価が下がっても請求額が増加します。

この記事では、2025年から2026年半ばまでの主要な価格・品質イベントを追跡し、コストを動かす要因を解説し、2026年後半の見通しを予測します。

主要トレンド1：GPT-4クラスモデルは18ヶ月で90%下落

2024年3月、GPT-4-turboは入力100万トークンあたり$10、出力100万トークンあたり$30でした。2026年半ばまでに、GPT-4.1は入力$2、出力$8に下がり、75～80%の下落となりました。Claudeも同様の軌跡をたどりました：Claude 3 Opusの$15/$75からClaude Sonnet 4の$3/$15へ。Mistral、Llama、DeepSeekのオープンウェイトモデルはさらに価格を押し下げ、ホストプロバイダー経由で入力100万トークンあたり$0.50以下で利用できるものもあります。

これは単なる価格競争ではありません。推論インフラが改善しました：量子化、投機的デコーディング、KVキャッシュ最適化、バッチングにより、トークン配信コストが削減されました。プロバイダーはこれらの節約の一部を顧客に還元しました。

主要トレンド2：推論モデルは5～30倍高価

推論モデル（o1、o3、o4-mini、DeepSeek-R1、拡張思考付きClaude Opus 4）は最終回答を生成する前に内部的な「思考」トークンを生成します。これらの思考トークンは出力トークンとして課金されます。推論モデルがコーディングタスクを解く際、2Kトークンの回答を生成する前に10K～50Kの思考トークンを生成することがあります。したがって、タスクあたりの実効コストはトークン単価が示唆するものよりはるかに高くなります。

あらゆるタスクに推論モデルを使用するチームにとって、これが2026年の最大のコストドライバーです。重要なのは「モデルはいくらか？」ではなく「このタスクに推論は必要か？」です。ほとんどのタスクには必要ありません。

主要トレンド3：オープンソースが品質ギャップを解消

2024年初頭、オープンウェイトモデルはコーディングや推論ベンチマークでプロプライエタリモデルに大きく遅れていました。2026年半ばまでに、Llama 4 Maverick、DeepSeek-V3、Qwen 3、MiMoなどのモデルはほとんどのベンチマークでGPT-4クラスの性能に数ポイント差まで迫っています。これがコストに重要なのは、オープンウェイトモデルの配信コストが低いためです。価格競争をするプロバイダーはそれらを使ってプロプライエタリ価格を下回ります。

フロンティア推論タスクについては品質ギャップは完全には解消されていません。ただし、生産ワークロードの大部分--要約、抽出、分類、コード生成、ツール使用--において、オープンウェイトモデルは十分に良く、大幅に安価です。

主要トレンド4：キャッシュが繰り返しワークロードの実効コストを50～90%削減

プロンプトキャッシュ（Anthropic）と自動コンテキストキャッシュ（OpenAI、Google）は、繰り返しワークロードの経済性を変革しました。同じシステムプロンプトとコンテキストをモデルに1日100回送る場合、キャッシュされた読み取りは非キャッシュ読み取りより50～90%安くなります。RAGパイプライン、エージェントシステム、バッチ処理にとって、これは変革的です。

キャッシュの利点は不均等に分配されます。安定したコンテキスト（同じシステムプロンプト、同じドキュメントセット）を持つワークロードは大きな恩恵を受けます。動的コンテキスト（ユーザー固有の会話、リアルタイムデータ）を持つワークロードは恩恵が少なくなります。FinOpsチームはキャッシュヒット率を測定し、コンテキストの安定性を最適化して節約を最大化すべきです。

主要トレンド5：エージェントワークフローがトークン消費を倍増

エージェントワークフロー--モデルがツールを呼び、ファイルを読み、コードを実行し、結果を反復する--は、単一ターンの対話と比較してタスクあたり5～50倍多くのトークンを消費します。バグを解決するコーディングエージェントは、ツール呼び出し、リトライ、コンテキスト蓄積全体で100K～500Kトークンを消費する可能性があります。同等の単一ターンプロンプトは2K～5Kトークンを使用するかもしれません。

これが2026年で最も重要なコストトレンドです。トークン価格は下落していますが、タスクあたりのトークン消費はより速く増加しています。純結果として、ほとんどのチームのLLM総支出は単価が下がっても増加し続けています。

タイムライン：主要イベント

日付	イベント	価格への影響	品質への影響
2024年3月	GPT-4-turboローンチ	GPT-4より50%安い	同等の品質
2024年6月	Claude 3.5 Sonnetローンチ	Opusより5倍安い	Opusに近い品質
2024年9月	o1-previewローンチ	タスクあたり3～5倍高い（推論）	大幅な推論向上
2024年12月	Google Gemini 2.0 Flash	入力100万トークンあたり$1未満	スピードタスクに強い
2025年1月	DeepSeek-R1オープンソース	o1より10倍安い	o1に近い推論
2025年2月	Claude 3.5 Sonnet値下げ	さらに20%下落	同じ品質
2025年4月	GPT-4.1ローンチ	GPT-4-turboより30%安い	コーディング改善
2025年5月	Claude Sonnet 4ローンチ	同じ価格、より良い品質	大幅なコーディング向上
2025年6月	OpenAI o3-mini値下げ	推論が50%安い	同じ品質
2026年1月	DeepSeek-V3ホストプロバイダー	入力100万トークンあたり$0.50未満	GPT-4クラスに近い
2026年4月	Claude Opus 4ローンチ	プレミアム価格（$15/$75）	フロンティア推論
2026年6月	Llama 4 Maverickホスト	入力100万トークンあたり$0.30未満	高い汎用品質
2026年7月	Anthropic Fable 5 / OpenAI GPT-5.6層の立ち上げ	新しいフロンティア層（$5/$30）、中位層の価格設定（$2.50/$15）、予算層（$1/$6）	Fable 5がOpus 4パフォーマンスを実現

2026年後半の見通し

推論モデルの価格は30～50%下落する。オープンソース推論モデル（DeepSeek-R2、Qwen 3推論バリアント）からの競争が、プロプライエタリプロバイダーに推論ティアの値下げを強いるでしょう。

エージェント固有の価格設定が登場する。プロバイダーは、ツール呼び出し、リトライ、コンテキストを単一の予測可能なコストにバンドルするタスク別・セッション別の価格モデルをテストしています。少なくとも1つの主要プロバイダーが2026年第4四半期までにこれを提供すると予想されます。

キャッシュが自動化される。手動のキャッシュ管理は消滅します。プロバイダーはキャッシュ配置を透過的に最適化し、開発者の介入なしにほとんどのワークロードのキャッシュヒット率が改善します。

オープンウェイトモデルがルーチンワークを支配する。2026年末までに、ルーチンタスク（分類、抽出、要約、簡単なコード生成）の生産推論の70%以上がホストプロバイダー経由のオープンウェイトモデルで実行されると予想されます。

総支出は上昇し続ける。単価の下落にもかかわらず、エージェント駆動のワークフローとAIユースケースの拡大により、LLM総支出は成長し続けます。支出を管理するには、安価なモデルだけでなくFinOpsの規律が必要です。