【ITニュース解説】LLM Prices Fell Up to 80% in Months. Here's What to Change in Your Stack

IT業界では、近年急速に発展しているLLM（大規模言語モデル）の利用が拡大している。その一方で、これらのLLMの利用にかかるコスト、特にAPI（アプリケーション・プログラミング・インターフェース）の利用料金が、ここ数ヶ月で劇的に変化している状況にある。具体的には、主要なLLM提供企業であるOpenAIやAnthropicなどが、一部のモデルで最大80%もの大幅な価格引き下げを実施したのだ。これにより、以前にLLMの利用コストを算定し、予算を組んでいた企業や開発チームは、その見積もりを見直す必要に迫られている。

この価格変動は、まるで潮の満ち引きのように短期間で起こっている。例えば、今年6月末に登場したGPT-5.6 SolやClaude Sonnet 5といったモデルから、その後数ヶ月の間に価格改定が繰り返された。特に、GPTのLunaモデルは80%の大幅な価格カットを経験し、またGPT-6 Solやその後のバージョンでは、入力・出力トークンだけでなく、キャッシュからの読み出し料金も半額に引き下げられるなど、複数のモデルで継続的な値下げが行われた。これは一時的なセールではなく、市場全体の構造変化によるものと見られている。実際、あるデータによると、LLMの集計トークンコストは、わずか数ヶ月で以前の半分以下にまで減少していることが示されている。

なぜこのような価格下落が起きているのだろうか。その背景には、主に四つの要因が考えられる。一つ目は、「オープンウェイトモデル」の台頭だ。これは、モデルの内部構造（重み）が公開されており、誰でも利用・改変できるLLMを指す。例えばDeepSeek Flash V4.1のようなオープンウェイトモデルは、非常に安価な価格で提供されており、その価格水準が市場全体の価格の基準となりつつある。多くのプロバイダーがこれらのモデルをホストし、競争が激しくなることで、プレミアム価格を維持することが難しくなっているのだ。

二つ目は、プロバイダー間の「切り替えコスト」がほぼゼロになっている点だ。多くのLLMのAPIは、OpenAIが提供するAPIと互換性のある形式を採用している。これは、開発者が一度OpenAIのAPIを使ってシステムを構築すれば、必要に応じて他の互換性のあるプロバイダーへも簡単に切り替えられることを意味する。設定ファイルを少し変更するだけで、別のLLMサービスを利用できるため、特定のプロバイダーが高額な料金を設定しても、ユーザーはすぐに安価な競合サービスへと移行できる。これにより、プロバイダーは価格競争に巻き込まれざるを得ない状況だ。

三つ目は、LLMの「サービス提供コスト」自体が安くなっていることだ。LLMは大量の計算資源を必要とするため、モデルの運用には高額なコストがかかる。しかし、技術の進歩により、モデル自体の効率が向上し、より少ない計算資源で同じ性能を発揮できるようになってきた。Anthropic社が自社のモデルについて「以前のバージョンより少ないコンピューティングで提供できる」と述べているように、運営側のコストが下がれば、その分を料金に反映させることが可能になる。

四つ目は、市場戦略としての「補助金投入」の可能性だ。OpenAIやAnthropicといった企業は、IPO（新規株式公開）を視野に入れているとされており、その財務状況は数十億ドルの損失を抱えているという情報もある。一部には、市場シェアを獲得するために、一時的に赤字覚悟で低価格を提供しているのではないかという見方もある。かつてのライドシェアサービスが初期に安価な料金で顧客を囲い込んだように、LLM市場でも同様の動きが見られる可能性がある。しかし、オープンウェイトモデルを含む競合他社が利益を出せる価格水準が存在するため、極端な価格高騰が将来起こる可能性は低いとされている。

このような状況は、システムを設計・開発するシステムエンジニアにとって、LLMの利用戦略を根本的に見直すきっかけとなる。例えば、具体的なワークロードを想定し、その月額コストを計算してみよう。もし、入力トークン1億、出力トークン2千万、キャッシュからの読み出しが入力の60%という条件でLLMを利用する場合、GPT-6 Solのようなフラッグシップモデルでは月に約292ドルかかるとする。しかし、最新のGPT-6.1 Solではキャッシュ料金の削減により約286ドルとなり、さらにDeepSeek Flash V4.1のようなオープンウェイトモデルを使えば、なんと約18ドル程度で済むのだ。これは、最も安価なモデルと閉鎖的なフラッグシップモデルの間で、リスト価格で約16倍ものコスト差があることを示している。もちろん、単に安ければ良いというわけではなく、安価なモデルが誤った結果を出すのであれば意味がないが、この差は無視できない。

システムエンジニアは、この変化にどう対応すべきだろうか。まず、現在のLLM利用コストの見直しは不可欠だ。特に、今年の9月以前に策定された予算はすでに陳腐化している可能性が高い。キャッシュからの読み出し料金が大幅に下がっているため、プロンプトの設計を見直し、繰り返し利用する定型的な部分をキャッシュから効率的に利用できる構造に変えることを検討すると良い。

次に、タスクに応じて利用するLLMを使い分ける「ルーティング」の概念を導入すべきだ。情報抽出、テキスト分類、要約といった比較的シンプルなタスクには、必ずしも高価なフラッグシップモデルは必要ない。これらのタスクには、安価なモデルやオープンウェイトモデルを割り当て、本当に複雑で高度な判断が必要なタスクにのみ、性能の高い高価なモデルを使用することで、コストを最適化できる。

そして、モデルを切り替える前に、必ず「評価（Evals）」を行うことが重要だ。IBMのCEOが「オープンモデルは最高のモデルの90%の性能で、コストは10%」と主張しているが、これはあくまでベンダー側の主張だ。自社のデータセットを使って、複数の候補モデルが実際にどれくらいの精度や速度で動作するかをテストし、客観的なデータに基づいて最適なモデルを選定する必要がある。安価なモデルが自社の要件を満たせるのであれば、それに越したことはない。

さらに、将来的な変動に備えて「ポータビリティ」を確保しておくべきだ。LLMの料金は今後も変動する可能性がある。もし数年後に料金が再び上昇するような事態になっても、プロバイダーを短期間で切り替えられるように、システム設計段階で工夫しておくことが重要だ。具体的には、LLMのモデル名やプロバイダー情報は、プログラムコードの中に直接埋め込むのではなく、設定ファイルなどで一元管理し、変更しやすい構造にしておく。また、安価なうちに長期契約を結ぶといった行動は、将来の選択肢を狭める可能性があるため慎重になるべきだ。

まとめると、LLMの活用において、かつては「LLMをそもそも使えるか、コスト的に見合うか」が問われたが、現在は「どのタスクに、どのモデルを、いかに効率的かつ安価に使うか」が重要な問いになっている。これからの1年で成功を収める開発チームは、単に最高の性能を持つモデルを使うのではなく、最適なルーティング、キャッシュの活用、そして継続的な評価を行う規律を持ち、毎月のように変動する料金表をこまめにチェックするような運用能力を備えているだろう。情報源としてminimaxir氏の報告やThe RegisterのIBMに関する記事が参考になるが、予算を組む際には常に最新の料金を確認することが不可欠である。