タスクに合う安いモデルはどれ？入力:出力比で選ぶ

見出しの価格ではなく、タスクの形で選びましょう。入力が長く回答が短い場合（長いレポートの要約、長い入力へのタグ付け）、DeepSeek-V4-Flash が3つの中で最も安くなります。回答が入力と同じかそれ以上に長い場合（短いチャットのやり取り、リライト、コード生成）、GLM-5.3-Flash が安くなり、長いチャットでは途中で答えが入れ替わります。MiniMax-M2.7 は、自分のテストでその回答が最も自分に合うとわかったときに選ぶもので、3つの中で OpenRouter の参考価格を最も大きく下回ります。

20リクエスト送れば、自分がどちら側にいるかわかります。以下の価格は2026年11月6日の CheapTokens 価格リファレンスに基づくもので、表やマーカー内の数値はすべてライブなので、現在の料金に追随します。

リクエストには2つのメーターがある#

すべてのリクエストは2回課金されます。1回は送信するトークン（入力）、もう1回はモデルが書き戻すトークン（出力）です。各モデルはそれぞれの側に独自の価格を設定しており、ここが見出し価格の比較がうまくいかない理由です（基本は Input vs output tokens: what an AI API bills you for にあります）。

DeepSeek-V4-Flash は100万トークンあたり入力 $0.015、出力 $0.10 を課金します。GLM-5.3-Flash は $0.02 と $0.04 です。MiniMax-M2.7 は $0.05 と $0.15 です。入力側で安いモデルもあれば出力側で安いモデルもあり、勝者は各方向に流れるトークン数によって決まります。

知っておくべき数値はその比率です。入力トークンを出力トークンで割ったものです。600トークンのチケットを読み、10トークンのラベルで答えるタガーは60対1（600 ÷ 10 = 60）です。400トークンの段落を受け取り800トークンを返すリライトツールは1対2（400 ÷ 800 = 0.5）です。

20リクエストで自分の比率を測る#

推測が失敗のもとですから、測りましょう。すべての Chat Completions レスポンスには usage オブジェクトが含まれ、prompt_tokens（送信したもの）と completion_tokens（返ってきたもの）を持ちます。Anthropic Messages 形式では input_tokens と output_tokens と呼ばれ、CheapTokens ドキュメント に両方の形式が示されています。

タスクから20〜50件の実際のリクエストを取り、各側を合計します。リクエストごとの比率を平均せず、合計してください。小さな回答が1つあるだけで平均は大きくぶれます。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

prompts = ["...", "..."]  # 20-50 real inputs from your task

tokens_in = tokens_out = 0
for text in prompts:
    r = client.chat.completions.create(
        model="deepseek-ai/DeepSeek-V4-Flash-0731",
        messages=[{"role": "user", "content": text}],
        max_tokens=2000,
    )
    tokens_in += r.usage.prompt_tokens
    tokens_out += r.usage.completion_tokens

print(f"input {tokens_in}, output {tokens_out}, ratio {tokens_in / tokens_out:.1f} : 1")

最後の行が比率を出力します。この1つの数値だけを次のセクションに持ち込みます。

比率が請求額に与える影響#

よくある4つの形を紹介します。サイズは典型的なものとして選んだ仮定です。自分の実行の数値に置き換えてください。

1日10,000件のチケットにタグ付け#

サポートツールが1日10,000件のチケットにタグを付けるとします。入力600トークン、出力10トークンのラベルです。各モデルでの1日全体は：

表を読んでください。DeepSeek-V4-Flash がここでは3つの中で最も安いのは、支払うトークンのほぼすべてが入力だからです。OpenRouter 列は、入力と出力を合計した総額で3モデルすべてが参考価格を下回っていることを示しています。

長いレポートの要約#

12,000トークンのレポートを300トークンの要約に圧縮すると40対1（12,000 ÷ 300 = 40）です。要約1回のコストは DeepSeek-V4-Flash で $0.00021、GLM-5.3-Flash で $0.00025 です。タグ付けと同じ話で、書く単語あたり読む量が多いほど、DeepSeek の入力価格が有利になります。

リライトとコードファイル#

今度は逆にします。トーンリライトは400トークンを受け取り800トークンを返します。DeepSeek-V4-Flash：$0.000086。GLM-5.3-Flash：$0.00004。この請求では出力が大きい半分なので、出力価格が最も低いモデルが勝ち、それが GLM-5.3-Flash です。

成長し続けるチャット#

チャットは油断できないものです。API には記憶がないため、各ターンで messages 配列全体を再送します。ターン1ではユーザーが300トークンを書き、ボットが200トークンで答えます（300 ÷ 200 = 1.5）。これは GLM の領域です：$0.000014 対 DeepSeek-V4-Flash の $0.000025。

ターン30になると履歴は6,000トークンで、回答は依然200トークンです（6,000 ÷ 200 = 30）。今度は GLM-5.3-Flash の $0.00013 が DeepSeek-V4-Flash の $0.00011 と対峙し、安いモデルが入れ替わっています。同じボットが長い会話の途中で最適なモデルを変えるのです。

1つの回答の長さが決め手になるとき#

比率だけが判断基準ではありません。回答の上限が異なります。DeepSeek-V4-Flash は1回の回答で最大32,768出力トークンを書け、GLM-5.3-Flash と MiniMax-M2.7 は最大8,192です。

12,000トークンのモジュール全体を一度に要求するとします。上限8,192のモデルでは、返答はファイルの途中で finish_reason: length で止まります（修正方法は AI answer cut off? Fix finish_reason length and max_tokens にあります）。DeepSeek-V4-Flash なら収まります。つまり長い単一出力では、まず上限を確認し、次に比率を見てください。

入力側では GLM-5.3-Flash が390Kトークンのコンテキスト、DeepSeek-V4-Flash が380Kを持ち、1リクエストで本1冊分の文書に十分です。MiniMax-M2.7 は180Kです。

MiniMax-M2.7 が合う場面#

比率は上の表で勝つ2つの行の間を決めます。MiniMax-M2.7 を選ぶのは別の理由です：自分のタスクでその回答がどう読めるかです。コスト表では OpenRouter 列の下で最も広い差を示し、180Kのコンテキストはチャットやほとんどの文書に十分です。

価格表は品質を教えてくれません。計測ステップの同じ20プロンプトを3つの id（zai-org/GLM-5.3-Flash、deepseek-ai/DeepSeek-V4-Flash-0731、MiniMaxAI/MiniMax-M2.7）すべてで実行し、回答を並べて読んでください。直接比較の概要は GLM vs DeepSeek vs MiniMax: which model to choose を、エージェントセッション全体については Agent session cost: 50 steps on GLM, DeepSeek or MiniMax をご覧ください。

自分の数値を入れる#

1リクエストのトークン数と1日に送るリクエスト数を入力してください。計算機はライブ価格を使い、3モデルすべてを表示します。初期値は RAG 回答ボットで、取得テキストと質問で入力3,000トークン、出力500トークンです。入力を上にドラッグして、最も安い行が変わるのを見てください。

数値が正しければ、このリストを確認してください。

ベース URL とモデル id は CheapTokens ドキュメント にあり、完全なライブ価格リストは 価格ページ に、各モデルには専用ページがあります：GLM、DeepSeek、MiniMax。1つの残高で3つすべてをカバーできるので、計測後の切り替えはモデル id の1行変更で済みます。