# ~1/7 のコスト比較をどう算出しているか - GateLLM

> コスト比較の全入力:既定シナリオ、モデルカタログの価格と出典、コストと能力の式、実行モデルの感度、そしてこの比率に含まれないもの。

正規 URL: https://www.gatellm.io/ja/methodology/

## コスト比較の算出方法

計算機とトップページの比較の背後にある入力を公開します。信じるのではなく、再計算できるようにするためです。

本ページのすべての数値はビルド時に、計算機と同じモジュール（モデルカタログ、ミックスモデル、公開価格表）から算出されます。翻訳ファイルに手書きされた数値はありません。

## このページが示すこと

既定のプリセットでは、ミックス構成のコストは全フロンティア基準の 16%、およそ 6 分の一 です。同時に能力スコアは基準の 97.3% を維持します。どちらも以下の式の出力であり、宣伝文句ではありません。

## 既定のシナリオ

計算機は 一つのシナリオで開きます。月間 300億 トークン、うち 10% が出力、実行の 90% をオープン層のモデルに任せ、input のキャッシュヒット率は 80%。プランナーは Claude Opus 5.5、エグゼキューターは DeepSeek V4.1 Flash です。これらは企業利用を想定した例示値で、特定顧客の実測ではありません。

### 既定のプリセット

| 入力 | 値 | 出典 |
| --- | --- | --- |
| DEFAULT_MIX_INPUT.monthlyTokens | 300億 | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.outputRatio | 10% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.openShare | 90% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.cacheHitRate | 80% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.plannerId | Claude Opus 5.5 | shared/model-catalog.ts |
| DEFAULT_MIX_INPUT.executorId | DeepSeek V4.1 Flash | shared/model-catalog.ts |
| INTRINSIC_PLANNING_FRAC | 10% | shared/mix-economics.ts |

## 使用する価格

定価はベンダーの価格ページから取得し、カタログの基準日は 2026-11-02 です。BYOK ではこの価格を直接支払い、GateLLM は上乗せしません。同一モデルに複数の価格がある場合、カタログは高いほうを採用します。私たちの削減幅を小さく見せる方向です。

### カタログ価格(百万トークンあたり、USD)

| モデル | ベンダー | 入力 | 出力 | キャッシュ入力 | 出典 |
| --- | --- | --- | --- | --- | --- |
| Claude Sonnet 5.5 | Anthropic | $2 | $10 | $0.10 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Opus 5.5 | Anthropic | $4 | $20 | $0.20 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Fable 5.1 | Anthropic | $10 | $50 | $0.25 | https://platform.claude.com/docs/en/about-claude/pricing |
| GPT-6 Astra | OpenAI | $10 | $50 | $1 | https://developers.openai.com/api/docs/pricing |
| Claude Haiku 5.5 | Anthropic | $0.10 | $0.50 | $0.01 | https://platform.claude.com/docs/en/about-claude/pricing |
| GLM-5.3-Flash | Zhipu | $0.15 | $0.50 | $0.03 | https://docs.z.ai/guides/overview/pricing |
| DeepSeek V4.1 Flash | DeepSeek | $0.30 | $1.20 | $0.006 | https://api-docs.deepseek.com/quick_start/pricing/ |
| Qwen3.8-Max | Alibaba | $2 | $6 | $0.25 | https://www.alibabacloud.com/help/en/model-studio/qwen3-8-max |

## コスト比率の計算方法

基準ではすべての通信をプランナーに送り、同じキャッシュ前提を適用します。ミックスでは通信の 90% をエグゼキューターに送ります。比率はミックス÷基準で、既定のプリセットでは 16%、およそ 6 分の一 です。絶対額では基準 $86K／月、ミックス $13K／月、削減 $73K／月です。

### 既定のプリセットでの月次コスト

| 項目 | USD / 月 | 備考 |
| --- | --- | --- |
| プランナー入力 | $3K | キャッシュ割引を適用 |
| プランナー出力 | $6K |  |
| エグゼキューター入力 | $2K | キャッシュ割引を適用 |
| エグゼキューター出力 | $3K |  |
| ベースライン（すべてプランナー） | $86K | すべてのトラフィックをプランナーへ |
| ミックス | $13K | 上の四行の合計 |
| 削減額 | $73K | ベースライン − ミックス |
| キャッシュ削減 | $14K | 参考情報 —— 入力行にすでに含まれる |

## 能力維持率の計算方法

各モデルは planning と routine の 二つのスコアを持ちます。作業の 10% を planning、残りを routine 実行として扱います。基準はどちらもプランナーを使い、ミックスはプランナーに planning 分までを割り当て、残りをエグゼキューターに送ります。既定のプリセットでの維持率は 97.3% です。スコアは公開リーダーボード由来の例示的な範囲で、当社が実施したベンチマークではありません。

### 能力スコア

| 役割 | Planning | Routine | 出典 |
| --- | --- | --- | --- |
| プランナー | 100 | 100 | https://artificialanalysis.ai/models/claude-opus-5-5 |
| エグゼキューター | 88 | 97 | https://lmarena.ai/leaderboard |
| ベースラインスコア | 100 |  | INTRINSIC_PLANNING_FRAC で重み付け |
| ミックススコア | 97 |  | INTRINSIC_PLANNING_FRAC で重み付け |

## 比率を動かす要因

支配的なのは 二つです。どのモデルがエグゼキューターを担うか、そしてそのモデルがどれだけの通信を担うか。以下の表は同じ式で再計算します。一つはカタログ内のすべてのエグゼキューター、もう 一つは 70% から 92% のスイートスポット周辺の比率です。両方向を示します。安いエグゼキューターほど削減幅は大きく、強いモデルほど小さくなります。

### エグゼキューター感度

| エグゼキューター | コスト比率 | N 分の一 | 維持率 |
| --- | --- | --- | --- |
| Claude Haiku 5.5 | 12% | 8.1 | 95.5% |
| GLM-5.3-Flash | 13% | 7.6 | 94.6% |
| DeepSeek V4.1 Flash | 16% | 6.4 | 97.3% |
| Qwen3.8-Max | 46% | 2.2 | 97.3% |
| Claude Sonnet 5.5 | 55% | 1.8 | 98.2% |

### オープン比率スイープ

| オープン比率 | コスト比率 | N 分の一 | 維持率 |
| --- | --- | --- | --- |
| 0% | 100% | 1 | 100.0% |
| 70% | 34% | 2.9 | 97.9% |
| 90% | 16% | 6.4 | 97.3% |
| 92% | 14% | 7.3 | 97.1% |
| 100% | 6% | 16 | 96.1% |

## この比率に含まれないもの

比率はモデル API 支出のみを比較します。GateLLM のライセンス（Pro 層で月 $200、この利用量では上記ミックス額の 1.5%）、インフラ、エンジニアリング時間は含みません。プロバイダと別途交渉した割引も含みません。

## 知っておくべき境界

本ページの数値を引用する前に、以下をお読みください。

- プリセットはありうる企業像の 一つで、あなたのミックスは異なります。
- 能力スコアは例示値で、コスト側はそれらに依存しません。
- 価格が変われば比率も変わります。カタログは基準日付きで更新され、固定ではありません。
- この比率はアーキテクチャの比較であり、あなたの請求額への約束ではありません。

## FAQ

### この数値を再現できますか?

はい。計算機のスライダーを上記のプリセットに合わせれば、同じ入力から同じ数値が出ます。算出に使うモジュールは各表の「出典」列に記載しています。

### なぜ 6 分の一 という、切りのよい数ではないのですか?

このプリセットでカタログ価格から算出される値がそのためです。見出しでは最も近い整数の分母に丸め、丸めていない比率を上の表に示しています。

### 安いエグゼキューターほど出力品質は下がりますか?

下がる場合があります。各エグゼキューターは独自の planning スコアを持ち、感度表に能力維持率を示しています。既定はカタログで最も安いモデルではなく、routine スコアの高いモデルを選びます。

## 関連ページ
- [ホーム](https://www.gatellm.io/ja/index.md)
- [料金](https://www.gatellm.io/ja/pricing.md)
- [コスト計算ツール](https://www.gatellm.io/ja/calculator.md)
- [会社概要](https://www.gatellm.io/ja/about.md)
- [デモを予約](https://www.gatellm.io/ja/demo.md)
- [FAQ](https://www.gatellm.io/ja/faq.md)
- [AI ゲートウェイ比較](https://www.gatellm.io/ja/compare.md)
- [LiteLLM 比較](https://www.gatellm.io/ja/compare/litellm.md)
- [OpenRouter 比較](https://www.gatellm.io/ja/compare/openrouter.md)
- [Alibaba Cloud AI Gateway 比較](https://www.gatellm.io/ja/compare/alibaba-cloud.md)
- [Azure API Management 比較](https://www.gatellm.io/ja/compare/azure-apim.md)
- [Apigee 比較](https://www.gatellm.io/ja/compare/apigee.md)
- [Cloudflare AI Gateway 比較](https://www.gatellm.io/ja/compare/cloudflare.md)
- [Kong AI Gateway 比較](https://www.gatellm.io/ja/compare/kong.md)
- [Portkey 比較](https://www.gatellm.io/ja/compare/portkey.md)
- [Microsoft 365 Copilot の代替](https://www.gatellm.io/ja/compare/copilot.md)
- [LiteLLM vs Kong AI Gateway](https://www.gatellm.io/ja/compare/litellm-vs-kong.md)
- [LiteLLM vs OpenRouter](https://www.gatellm.io/ja/compare/litellm-vs-openrouter.md)
- [LiteLLM vs Portkey](https://www.gatellm.io/ja/compare/litellm-vs-portkey.md)
- [ユースケース](https://www.gatellm.io/ja/use-cases.md)
- [LLM コスト削減](https://www.gatellm.io/ja/use-cases/reduce-cost.md)
- [高可用性](https://www.gatellm.io/ja/use-cases/high-availability.md)
- [マルチテナント分離](https://www.gatellm.io/ja/use-cases/multi-tenant.md)
- [コンプライアンスと監査](https://www.gatellm.io/ja/use-cases/compliance-audit.md)
- [症状別トラブルシューティング](https://www.gatellm.io/ja/use-cases/troubleshooting.md)
- [マルチベンダー混合モデル構成](https://www.gatellm.io/ja/use-cases/mixed-model-stack.md)
- [Office 内での AI セルフホスト](https://www.gatellm.io/ja/use-cases/self-hosted-office-ai.md)
- [Token 使用量の可視化と帰属](https://www.gatellm.io/ja/use-cases/token-ops.md)
- [Token FinOps：AI コストの配賦と統制](https://www.gatellm.io/ja/use-cases/token-finops.md)
- [MCP ツールガバナンス](https://www.gatellm.io/ja/use-cases/mcp-tool-governance.md)
- [すべてのモデルに Web 検索を追加](https://www.gatellm.io/ja/use-cases/web-search-grounding.md)
- [マルチキーのローテーションと待機系](https://www.gatellm.io/ja/use-cases/multi-key-pooling.md)
- [接続クライアントの受付制御](https://www.gatellm.io/ja/use-cases/client-admission-control.md)
- [モデル利用ポリシーの強制](https://www.gatellm.io/ja/use-cases/enforce-model-policy.md)
- [クライアントにモデル選択を公開しない](https://www.gatellm.io/ja/use-cases/automatic-model-tiering.md)
- [1 つのプロトコルで、あらゆるモデル](https://www.gatellm.io/ja/use-cases/one-protocol-any-model.md)
- [Office / Microsoft 365 アドイン](https://www.gatellm.io/ja/office-addin.md)
- [用語集](https://www.gatellm.io/ja/glossary.md)
- [LLM ゲートウェイとは](https://www.gatellm.io/ja/llm-gateway.md)
- [エンタープライズ AI ガバナンス](https://www.gatellm.io/ja/enterprise-ai-governance.md)
- [モデルカタログ](https://www.gatellm.io/ja/models.md)
- [SDK・フレームワーク連携](https://www.gatellm.io/ja/integrations.md)
- [AI コーディングエージェントとハーネス](https://www.gatellm.io/ja/coding-agents.md)
- [セキュリティとコンプライアンス](https://www.gatellm.io/ja/security.md)