COST × PERFORMANCE MATRIX
AI モデルコスパマトリクス
主要 AI モデル 12 個を「料金」×「知能スコア」の2軸でビジュアル化。 左上に近いほど「安くて賢い」コスパ最強、右下に近いほど「高くて賢くない」要再検討モデル。 ai-garage 編集部が公開ベンチデータから独自集計した、2026年7月時点のスナップショットです。
どのAIを選べばいいか迷ったら
5問に答えるだけでおすすめがわかるよ
📊 SCATTER PLOT
価格 × 知能スコアの散布図
※ 縦軸は第三者機関 Artificial Analysis の Intelligence Index v4.1（AA Index）。中央の点線は「平均料金 $3」「AA Index 45」のコスパ判定基準ライン。左上ほど効率が高い。
📋 DATA TABLE
計算過程の元データ
| モデル | SWE | MMLU | GPQA | AIME | 知能(AA) | 入力 $/MTok | 出力 $/MTok | 平均 $ | AIコスパ指数 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.5 SpaceXAI（旧xAI） | - | - | - | - | 54 | $2 | $6 | $4.00 | 75 |
| Qwen3.7 Max Alibaba | 80.4 | - | 92.4 | - | 46 | $1.25 | $3.75 | $2.50 | 73 |
| Kimi K3 Moonshot AI | - | - | 93.5 | - | 57 | $3 | $15 | $9.00 | 70 |
| Gemini 3.5 Flash Google | - | - | - | - | 50 | $1.5 | $9 | $5.25 | 70 |
| DeepSeek V4-Pro DeepSeek | 80.6 | 86 | 78 | 88 | 44 | $1.74 | $3.48 | $2.61 | 69 |
| Claude Sonnet 5 Anthropic | 85.2 | - | - | - | 53 | $3 | $15 | $9.00 | 66 |
| GPT-5.6 Sol OpenAI | - | - | 94.1 | - | 59 | $5 | $30 | $17.50 | 65 |
| Gemini 3.1 Flash-Lite Google | - | - | - | - | 25 | $0.25 | $1.5 | $0.88 | 65 |
| Claude Opus 4.8 Anthropic | 88.6 | - | 93.6 | - | 56 | $5 | $25 | $15.00 | 64 |
| Gemini 3.1 Pro Google | 80.6 | 91 | 94.3 | 95 | 46 | $2 | $12 | $7.00 | 63 |
| Claude Fable 5 Anthropic | 95 | - | - | - | 60 | $10 | $50 | $30.00 | 60 |
| Mistral Large 3 Mistral AI | 60 | 85.5 | 73 | 75 | 16 | $0.5 | $1.5 | $1.00 | 53 |
※「知能(AA)」＝第三者機関 Artificial Analysis の Intelligence Index v4.1（散布図の縦軸）。「平均 $」＝入力・出力料金の単純平均（散布図の横軸）。 「AIコスパ指数」＝知能(AA) と料金の安さ（入力3:出力1のブレンド料金・対数スケール）を 6:4 で加重した ai-garage 編集部の独自指標（算出式は 比較表・用語集 を参照）。 SWE / MMLU / GPQA / AIME は参考掲載で、「-」は各社が数値を未公表なもの（AA Index は独立測定のため掲載可能）。
🧭 EDITORIAL VIEW
4 象限ごとの選び方ガイド
🏆 左上：コスパ最強象限
DeepSeek V4 / Qwen3.7 Max / Gemini 3.5 Flash
高スコア × 低価格の理想ゾーン。大量処理・API バックエンド・社内自動化に最適。 ただし日本語性能・サポート品質は別途確認が必要（特に中国系オープンモデル）。
💎 右上：高性能・高価格象限
Claude Fable 5 / Opus 4.8 / GPT-5.6 Sol / Gemini 3.1 Pro
最高性能ゾーン。重要判断・高品質コード生成・専門レポート作成など、料金より品質を重視する場面で。 「最後の砦」として要所で使う運用が現実解。
🪙 左下：軽量・低コスト象限
Mistral Large 3
性能・価格ともに中庸。ハイエンドが過剰な定型タスク、欧州市場でのデータレジデンシー要件などで選ばれる。 汎用エージェントのバックボーンとしてもアリ。
⚠️ 右下：要再検討象限
該当モデル少数
高価格なのにスコアが低い「コスパ悪い」象限。2026年7月時点の主要モデルにはほぼ該当無し。 ただし「特定ベンチに弱い割に高い」モデルは要警戒。用途別ベンチ確認を必ず。
この集計について
知能スコアと AIコスパ指数の算出： 縦軸の知能スコアは、第三者機関 Artificial Analysis の Intelligence Index v4.1（第三者測定）をそのまま採用しています。 データ表の AIコスパ指数 は、この知能スコア（最高知能を100とした相対値）を0.6、料金の安さ（入力3:出力1のブレンド料金・対数スケール）を0.4で加重した ai-garage 編集部の独自統合スコアです（算出式の詳細は AIモデル比較表）。
掲載対象について： 知能スコアは Artificial Analysis Intelligence Index v4.1 を採用（第三者測定）。Llama 4 Maverick は API 料金未公表のため散布図対象外。
より厳密な指標を見たい方： 独立分析サイト Artificial Analysis が、 より多くのベンチマーク（HumanEval / MATH / HLE / LiveCodeBench 含む）を加重平均した Intelligence Index を公開しています。 人間評価ベースなら LMArena を併用するとさらに精度が上がります。
注意点： 知能スコアは複数評価を1つに束ねた合成指標のため、得意分野（コーディング偏重 vs 数学偏重 vs 汎用）の違いは1つの数値では表現できません。 実務用途では AIモデル比較表 の個別指標、 指標源ガイド の使い分けと合わせて参照してください。
更新頻度： 月次でモデル追加・スコア再集計。