安く大量に回す
Metaのモデル
- モデル
- 6件
- 最安の入力100万
- $0.027
- 最大の読める量
- 1,310,720
Metaが公開しているAIモデルのうち、当サイトに載せている6件を、一度に読める量・単価・渡せる入力で並べます。用途ごとの候補と、API料金の計算、試し方まで1ページで進めます。
Metaのモデル6件
| モデル（提供元） | 一度に読める量 | 100万トークン 入力／出力 | 渡せる入力 |
|---|---|---|---|
| Llama 4 Scout（Meta） | 1,310,720 | $0.1／$0.3 | 文字・画像 |
| Llama 4 Maverick（Meta） | 1,048,576 | $0.188／$0.653 | 文字・画像 |
| Llama Guard 4 12B（Meta） | 163,840 | $0.18／$0.18 | 画像・文字 |
| Llama 3.2 3B Instruct（Meta） | 131,072 | $0.05／$0.33 | 文字 |
| Llama 3.3 70B Instruct（Meta） | 131,072 | $0.1／$0.32 | 文字 |
| Llama 3.2 1B Instruct（Meta） | 60,000 | $0.027／$0.201 | 文字 |
用途ごとの3候補
6件から、単価・読める量・提供元の違いで3件を選びました。
| 候補 | なぜ候補か | 一度に読める量 | 入力100万 |
|---|---|---|---|
| Llama 3.2 1B Instruct | 単価がいちばん安い | 60,000 | $0.027 |
| Llama 4 Scout | 一度に読める量がいちばん多い | 1,310,720 | $0.1 |
Llama 3.2 1B Instruct（単価がいちばん安い）
Metaのモデルです。入力100万トークン$0.027（目安4円）。件数が多い作業ほど差が出ます。渡せる入力は文字。
Llama 4 Scout（一度に読める量がいちばん多い）
Metaのモデルです。1,310,720トークン（原稿用紙でおよそ2,341枚）。資料を分けずに渡せます。渡せる入力は文字・画像。
並べているのは公表されている仕様と単価だけで、出来の良し悪しの順位ではありません。同じ材料で1回ずつ試して、自分の作業で比べてください。
やりたいことに足りるか
やりたいことに要るおおよその量と、この中のモデルのうち一度に読めるものの数です。足りないモデルでは、資料を分けて渡すことになります。
| やりたいこと | 要るおおよその量 | 一度に読めるモデル |
|---|---|---|
| メール1通を書かせる | 1,000トークン | 6件／6件 |
| A4の資料1枚を読ませる | 2,000トークン | 6件／6件 |
| 1時間の会議の文字起こしを要約 | 15,000トークン | 6件／6件 |
| 契約書1通を読ませる | 20,000トークン | 6件／6件 |
| 本1冊を読ませる | 150,000トークン | 3件／6件 |
| 社内規程一式（本5冊ほど） | 750,000トークン | 2件／6件 |
渡せる入力で分ける
| 渡せる入力 | 何に使うか | このなかで渡せるモデル |
|---|---|---|
| 文字 | 文章を読ませる・書かせる | 6件 |
| 画像 | 写真・図・画面の写しを読ませる | 3件 |
| 音声 | 録音をそのまま渡す | 0件 |
| ファイル | PDFなどを貼り直さずに渡す | 0件 |
| 動画 | 動画をそのまま読ませる | 0件 |
1件ずつの仕様
Llama 4 Scout
Metaのモデルです。一度に1,310,720トークン（原稿用紙でおよそ2,341枚）まで読め、一度に16,384トークンまで書けます。渡せる入力は文字・画像、返ってくる形は文字。入力100万トークン$0.1（15円）、出力100万トークン$0.3（45円）。公開は2025-04-05。
Llama 4 Maverick
Metaのモデルです。一度に1,048,576トークン（原稿用紙でおよそ1,872枚）まで読め、一度に16,384トークンまで書けます。渡せる入力は文字・画像、返ってくる形は文字。入力100万トークン$0.188（28円）、出力100万トークン$0.653（98円）。公開は2025-04-05。
Llama Guard 4 12B
Metaのモデルです。一度に163,840トークン（原稿用紙でおよそ293枚）まで読め、一度に16,384トークンまで書けます。渡せる入力は画像・文字、返ってくる形は文字。入力100万トークン$0.18（27円）、出力100万トークン$0.18（27円）。公開は2025-04-30。
Llama 3.2 3B Instruct
Metaのモデルです。一度に131,072トークン（原稿用紙でおよそ234枚）まで読め、一度に117,964トークンまで書けます。渡せる入力は文字、返ってくる形は文字。入力100万トークン$0.05（8円）、出力100万トークン$0.33（50円）。公開は2024-09-25。
Llama 3.2 3B Instructの仕様と料金をくわしく
Llama 3.3 70B Instruct
Metaのモデルです。一度に131,072トークン（原稿用紙でおよそ234枚）まで読め、一度に16,384トークンまで書けます。渡せる入力は文字、返ってくる形は文字。入力100万トークン$0.1（15円）、出力100万トークン$0.32（48円）。公開は2024-12-06。
Llama 3.3 70B Instructの仕様と料金をくわしく
Llama 3.2 1B Instruct
Metaのモデルです。一度に60,000トークン（原稿用紙でおよそ107枚）まで読め、一度に54,000トークンまで書けます。渡せる入力は文字、返ってくる形は文字。入力100万トークン$0.027（4円）、出力100万トークン$0.201（30円）。公開は2024-09-25。
Llama 3.2 1B Instructの仕様と料金をくわしく
同じ単価帯のほかのモデル
このグループの入力の単価（平均$0.108）に近い、ほかのモデルです。1社に寄せずに比べるときの相手になります。
GPT-6 Luna Pro
OpenAIのモデルです。一度に1,050,000トークン（原稿用紙でおよそ1,875枚）まで読め、一度に128,000トークンまで書けます。渡せる入力はファイル・画像・文字、返ってくる形は文字。入力100万トークン$0.1（15円）、出力100万トークン$0.5（75円）。公開は2026-09-22。
GPT-6 Luna
OpenAIのモデルです。一度に1,050,000トークン（原稿用紙でおよそ1,875枚）まで読め、一度に128,000トークンまで書けます。渡せる入力はファイル・画像・文字、返ってくる形は文字。入力100万トークン$0.1（15円）、出力100万トークン$0.5（75円）。公開は2026-09-22。
Ministral 3 3B 2512
Mistral AIのモデルです。一度に131,072トークン（原稿用紙でおよそ234枚）まで読め、一度に104,857トークンまで書けます。渡せる入力は文字・画像、返ってくる形は文字。入力100万トークン$0.1（15円）、出力100万トークン$0.1（15円）。公開は2025-12-02。
Ministral 3 3B 2512の仕様と料金をくわしく
Gemma 4 26B A4B
Googleのモデルです。一度に262,144トークン（原稿用紙でおよそ468枚）まで読め、一度に235,929トークンまで書けます。渡せる入力は画像・文字・動画、返ってくる形は文字。入力100万トークン$0.09（14円）、出力100万トークン$0.3（45円）。公開は2026-04-03。
API料金を計算する
APIの料金は、読ませた量と書かせた量の両方にかかります。単価から3つの使い方の費用を出しました（入力・出力の量は当サイトの目安、1ドル150円）。
| モデル | メールの下書き1,000通 | 会議の要約100本 | 問い合わせの一次返信5,000件 |
|---|---|---|---|
| Llama 3.2 1B Instruct | $0.255（38円） | $0.081（12円） | $0.638（96円） |
| Llama 3.2 3B Instruct | $0.43（65円） | $0.141（21円） | $1.075（161円） |
| Llama 4 Scout | $0.5（75円） | $0.21（32円） | $1.25（188円） |
| Llama 3.3 70B Instruct | $0.52（78円） | $0.214（32円） | $1.3（195円） |
| Llama Guard 4 12B | $0.54（81円） | $0.306（46円） | $1.35（202円） |
| Llama 4 Maverick | $1.029（154円） | $0.413（62円） | $2.573（386円） |
件数と1件の長さを入れると、月の費用の目安が出ます。
【1件の入力】［ ］トークン（日本語は1字およそ1〜1.5トークン） 【1件の出力】［ ］トークン 【月の件数】［ ］件 入力の費用 ＝ 1件の入力 × 月の件数 ÷ 1,000,000 × 入力の単価 出力の費用 ＝ 1件の出力 × 月の件数 ÷ 1,000,000 × 出力の単価 月の費用 ＝ 入力の費用 ＋ 出力の費用（ドル）× 為替
業務から見る
この中のモデルが、どの業務に要る機能を満たすかを数えました。業務の側から選ぶときに使ってください。
| 業務の分類 | 要る機能 | 当てはまるモデル |
|---|---|---|
| 文章を書く | 長めの下書きを安く何度も書ける | 5件 |
| 問い合わせ | 大量の返信を安く回せる | 6件 |
| 調べる・まとめる | 長い資料を一度に読める | 2件 |
| 経理・請求 | 請求書の画像を読める | 3件 |
| 報告・共有 | 長い記録を一度に読める | 2件 |
| 社内手続き | 定型の処理を安く回せる | 6件 |
| 制作・発信 | 画像を見せて頼める | 3件 |
| 営業・顧客 | 商談の記録を長く読める | 2件 |
公開された時期
同じ提供元でも、新しいモデルほど一度に読める量が大きく、単価が下がる傾向があります。並べ替えて確かめてください。
| モデル | 公開 | 一度に読める量 |
|---|---|---|
| Llama Guard 4 12B | 2025-04-30 | 163,840 |
| Llama 4 Scout | 2025-04-05 | 1,310,720 |
| Llama 4 Maverick | 2025-04-05 | 1,048,576 |
| Llama 3.3 70B Instruct | 2024-12-06 | 131,072 |
| Llama 3.2 3B Instruct | 2024-09-25 | 131,072 |
| Llama 3.2 1B Instruct | 2024-09-25 | 60,000 |
同じ材料で試して決める
仕様が近いモデルは、同じ材料で並べて試すのがいちばん早く決まります。試す材料と見る点を先に決めてから始めます。
比べたいモデルすべてに、一字も変えずに渡します。
次の材料を読み、指定の形で答えてください。 【やってほしいこと】［要約する／返信を書く／表にする］ 【読む人】［誰が、何のために読むか］ 【形式】［箇条書き5行以内／表／300字］ 【守ること】材料に書いていないことは書かず、分からないときは「材料にない」と書く 【材料】 ［ここから下に貼る］
入力の例やってほしいこと：［問い合わせメールに、返信の下書きを書く］
［ ］［ ］を自分の作業に置き換えて、全部のモデルに同じ文で渡してください。
【材料】［ ］ モデル ｜正しさ（○△×）｜形式どおり｜直す手間（分）｜かかった費用 ［ ］ ｜［ ］｜［ ］｜［ ］｜［ ］ ［ ］ ｜［ ］｜［ ］｜［ ］｜［ ］ ［ ］ ｜［ ］｜［ ］｜［ ］｜［ ］ 【決めたモデル】［ ］ 【理由】［ ］
社内で使う前に決めること
試す前に、情シスや上長と決めておくことです。
この記事で使っている言葉
コンテキスト（一度に読める量）
1回のやり取りで渡せる文章の長さです。足りないと、前に渡したところを忘れます。大きいほど長い資料を分けずに渡せますが、読ませた分だけ費用もかかります。
トークン
AIが文章を数える単位です。日本語はおおむね1字が1〜1.5トークン。料金も読める量も、このトークンで数えます。
入力の単価・出力の単価
100万トークンあたりの米ドルです。読ませた量に入力の単価、書かせた量に出力の単価がかかります。出力のほうが高いのが普通です。
仕様はhttps://openrouter.ai/api/v1/modelsから2026-09-25に取ったものです。OpenRouter が各提供元から集めて公開している仕様です。単価は100万トークンあたりの米ドル。ベンチマークの点数や順位は含みません。
よくある質問
どれがいちばん賢いですか？
当サイトはベンチマークの点数や順位を載せていません。測っていないためです。仕様が条件に合うものを2〜3件選び、自分の材料で比べてください。
ChatGPTやClaudeの月額プランと何が違いますか？
ここで並べている単価は、プログラムから呼ぶAPIの料金です。画面で使う月額の使い放題とは別の料金で、使った量だけかかります。
円の額はいつの為替ですか？
既存のモデルページと同じく1ドル150円で計算した目安です。為替で動くので、契約や稟議では最新のレートで計算し直してください。
次にやること
- 条件を1つ決める
読める量・単価・渡せる入力のうち、外せないものを1つ決めます。 - 候補を2〜3件に絞る
上の3候補から始めると早く決まります。
Llama 3.2 1B Instruct - 同じ材料で試す
試験の指示を、全部のモデルに同じ文で渡します。