GLM vs DeepSeek vs MiniMax: どのモデルを選ぶべきか

3つとも同じOpenAI互換API、同じキーで利用できるオープンウェイトモデルです。違いはコンテキストサイズ、出力上限、価格にあり、ほとんどのプロジェクトではこれが決め手になります。以下の制限は2026年10月20日時点のものです。後半の表にある価格とコストはライブデータで、常に現在のレートを表示します。

概要#

制限はGET https://api.cheaptokens.dev/v1/modelsによるもので、ツールが見るのと同じリストです。

現在の価格（ライブ）#

この表は自動更新されます。100万トークンあたりのレートを入力と出力に分けて表示し、価格ページと同じデータです。OpenRouterの数値は、比較のために追跡しているopenrouter.ai上の同じモデルの定価です。

典型的なリクエストのコスト#

条件: 入力20,000トークン、出力2,000トークンの1リクエスト — コンテキストにいくつかのファイルを含む中規模のコーディング質問。表は現在の価格から計算され、価格が変わると再計算されます。OpenRouter列は、追跡している参照価格での同じワークロードを示します。

選び方#

これらは上記の制限と価格に基づく出発点であり、ベンチマーク結果ではありません。3モデルの品質テストは実施していません。

• 長い出力 — ファイル全体、長いレポート、1回の回答での大規模リファクタリング: DeepSeek-V4-Flash。3つの中で唯一32Kの出力上限があります。
• リクエストあたりの最低コスト: 上の表を参照 — 価格が変わるたびに再計算されます。
• 難しい推論 — 多段階の変更、厄介なバグ: GLM-5.3-Flash。回答前に推論し、その推論も生成テキストなので出力トークンと時間が増えます。
• エージェントと自動化: MiniMax-M2.7。コンテキストは3つの中で最小（200K）なので、長い履歴は切り詰めてください。
• 非常に長いコンテキスト — 大規模なコードベースやドキュメントセット: GLM-5.3-Flash（390K）またはDeepSeek-V4-Flash（380K）。

最も信頼できるテストは自分で行うものです。簡単な方法: モデルIDと日付を書き留め、仕事から実際のタスクを10〜20個取り、同じプロンプトで3モデルすべてに実行させ、正確さ、指示の遵守度、回答の長さ、応答時間を採点し、usageからトークン数を読み取って現在のレートを掛けます。

モデルの切り替え#

API、ベースURL、キーはすべてのモデルで同じで、変わるのはmodelフィールドだけです:

import os
from openai import OpenAI

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

for model in ["zai-org/GLM-5.3-Flash", "deepseek-ai/DeepSeek-V4-Flash-0731", "MiniMaxAI/MiniMax-M2.7"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Summarize the CAP theorem in two sentences."}],
    )
    print(model, resp.usage.prompt_tokens, resp.usage.completion_tokens)
    print(resp.choices[0].message.content, "\n")

カタログは時間とともに変化します。新しいモデルが追加され、一部は一時的に利用できないことがあります。IDをハードコードする前にGET /v1/modelsを確認してください。