COST × PERFORMANCE MATRIX
AI モデルコスパマトリクス
主要 AI モデル 20 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 編集部が公開されている実力テストの数値から独自集計した、2026年10月時点の「その瞬間の記録」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 v4.3.2（AA Index）。中央の点線は「平均料金 $3」「AA Index 35」のコスパ判定基準ライン。左上ほど効率が高い。2026年9月5日に AA の指標が v4.1.1 から v4.2 に上がり、全モデルの点数がまとめて下がったため、判定ラインを 45 から 40 に、9月8日の v4.3 でさらに 40 から 35 に引き下げています（どちらも、切り分けられるモデルの顔ぶれを変えない値にしました）。
📋 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 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Haiku 5.5 Anthropic | - | - | - | - | 43 | $0.1 | $0.5 | $0.30 | 84 |
| GLM-5.3-Flash Z.ai | - | - | - | - | 42 | $0.15 | $0.5 | $0.33 | 82 |
| Qwen3.8-Flash Alibaba | - | - | - | - | 40 | $0.15 | $0.47 | $0.31 | 80 |
| GPT-6 Luna OpenAI | - | - | - | - | 38 | $0.1 | $0.5 | $0.30 | 79 |
| DeepSeek V4.1-Flash DeepSeek | - | - | 90.9 | - | 39 | $0.15 | $0.6 | $0.38 | 78 |
| Claude Sonnet 5.5 Anthropic | - | - | - | - | 56 | $2 | $10 | $6.00 | 72 |
| Muse Spark 1.3 Meta | - | - | - | - | 48 | $1.25 | $4.25 | $2.75 | 70 |
| GPT-6.1 Sol OpenAI | - | - | - | - | 52 | $2 | $10 | $6.00 | 68 |
| Claude Opus 5.5 Anthropic | - | - | - | - | 58 | $4 | $20 | $12.00 | 68 |
| GLM-5.3 Z.ai | - | - | - | - | 45 | $1.4 | $4.4 | $2.90 | 66 |
| Gemini 3.8 Flash Google | - | - | - | - | 41 | $0.75 | $3.75 | $2.25 | 65 |
| Grok 4.7 SpaceXAI（旧xAI） | - | - | - | - | 46 | $2 | $6 | $4.00 | 64 |
| Qwen3.8-Max Alibaba | - | - | 92.6 | - | 45 | $2 | $6 | $4.00 | 63 |
| Mistral Large 4 Mistral AI | - | - | - | - | 38 | $1.36 | $4.18 | $2.77 | 59 |
| Kimi K3 Moonshot AI | - | - | 93.5 | - | 44 | $3 | $15 | $9.00 | 56 |
| GPT-5.6 Terra OpenAI | - | - | - | - | 42 | $2 | $12 | $7.00 | 56 |
| GPT-6 Astra OpenAI | - | - | 96 | - | 53 | $10 | $50 | $30.00 | 55 |
| Claude Fable 5.1 Anthropic | - | - | - | - | 53 | $10 | $50 | $30.00 | 55 |
| Gemini 3.5 Flash-Lite Google | - | - | - | - | 22 | $0.3 | $2.5 | $1.40 | 50 |
| Gemini 3.1 Pro Google | 80.6 | 91 | 94.3 | 95 | 30 | $2 | $12 | $7.00 | 44 |
※「知能(AA)」＝第三者機関 Artificial Analysis の Intelligence Index v4.3.2（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」＝ざっくり言うと賢さ6割・安さ4割で点数化したもの。細かくは、知能(AA) と料金の安さ（入力と出力の料金を3:1で混ぜた平均額を、桁の違いをならす対数目盛りで換算）を 6:4 の重みづけで合成した ai-garage 編集部の独自指標です（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
Claude Haiku 5.5 / GPT-6 Luna / Qwen3.8-Flash / GLM-5.3-Flash / DeepSeek V4.1-Flash / Muse Spark 1.3 / GLM-5.3 / Gemini 3.8 Flash / Mistral Large 4
高スコア × 低価格の理想ゾーン。大量処理・自社サービスの裏側での組み込み（API 連携）・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）。 Claude Haiku 5.5 は10万トークンを超える長い依頼だと単価が5倍（入力 $0.50／出力 $2.50）になる点、Mistral Large 4 はまだ公開プレビュー版（正式版の前のお試し公開）で、表の料金は定価（公開から2週間は半額）である点にも注意。
💎 右上：高性能・高価格象限
Claude Opus 5.5 / Claude Sonnet 5.5 / Claude Fable 5.1 / GPT-6 Astra / GPT-6.1 Sol
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。 ほかに Grok 4.7・Qwen3.8-Max・Kimi K3・GPT-5.6 Terra もこの象限（平均 $3 以上・知能35以上）に入ります。
🪙 左下：軽量・低コスト象限
Gemini 3.5 Flash-Lite
知能スコアは22と控えめで、平均 $1.40 と安い軽量モデル。最上位モデルではオーバースペックな定型作業を大量に流す用途向きで、Gemini API には無料枠もある。 ただしいまは左上に、もっと安くて賢いモデル（Claude Haiku 5.5・GPT-6 Luna など、平均 $0.30〜$0.38 で知能38〜43）が並んでいるので、新しく選ぶなら先にそちらと比べよう。
⚠️ 右下：要再検討象限
Gemini 3.1 Pro
高価格なのにスコアが低い「コスパ悪い」象限。知能スコアが v4.3 になって、Gemini 3.1 Pro（知能30・平均 $7.00）がここに落ちてきました。 ただしこのモデルは一度に読める量が約105万トークンと本表で最大級で、公式の SWE-bench Verified も 80.6% あるので、長い資料をまるごと読ませる用途やコードを直す用途なら知能スコアだけでは判断できません。 Google の次の世代の Gemini 4 Argon（2026年9月30日発表・知能53）は、いまはサイバー防御の組織だけへの限定提供で一般の人は使えないため、本表には載せていません。 2026年10月9日の更新までこの象限にいた Mistral は、行を Medium 3.5（知能14）から Large 4（知能38）に替えたので左上に移りました。 「特定の実力テストに弱い割に高い」モデルは要警戒で、用途ごとのテスト結果を必ず確認しよう。
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 v4.3.2（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（入力と出力の料金を3:1で混ぜた平均額を、桁の違いをならす対数目盛りで換算）を0.4の重みで合成した 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 v4.3.2 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（AIの実力テスト。エージェント・一般知識・コーディング・科学的推論の4分野10評価で、Terminal-Bench 4.0 や HLE を含む）に重みをつけて平均した 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。
この記事をシェア
引用文は「『タイトル』 - ai-garage.jp URL」の形でコピーされます。出典として URL を残したまま貼れます。