【要約】OpenAI and Anthropic in price war as Chinese AI rivals gain ground [Ars_Technica] | Summary by TechDistill
> Source: Ars_Technica
Execute Primary Source
// Problem
AI導入を進める企業が、膨大な推論コストの増大という課題に直面している。コスト意識の高いユーザーが、より安価な代替案を求めて動いている。
- ・AI利用料の増大による、企業の予算圧迫。
- ・MoonshotやDeepSeekなど、中国勢による高性能・低価格なモデルの台頭。
- ・クローズドモデルの価格設定と、実効コストの乖離。
- ・定額制から従量課金制への移行に伴う、コスト管理の複雑化。
// Approach
米国主要AIラボは、市場シェアを維持するために価格戦略を転換した。中位モデルの価格を大幅に引き下げ、中国勢に対抗するアプローチを採用している。
- ・中位モデルの価格を大幅に引き下げ、中国勢に対抗。
- ・OpenAIはGPT-5.6 Lunaの価格を80%削減。
- ・AnthropicはOpus 5を最上位モデルの半額で提供。
- ・最上位モデルの性能を維持しつつ、中位モデルで価格競争を図る。
// Result
価格改定により、主要モデルのトークン単価は7月中旬から約25%低下した。米国勢は中位モデルの防衛に成功しつつある。
- ・OpenAIはGPT-5.6 Lunaの入力単価を$1から$0.20へ削減。
- ・AnthropicはOpus 5を$5/1M input, $25/1M outputで提供。
- ・ただし、タスク完了あたりのコストでは、中国勢が依然として優位な場合がある。
Senior Engineer Insight
> 単なるトークン単価での比較は、実運用において極めて危険である。モデルの知能が、タスク完了に必要なトークン数や試行回数を左右するからだ。性能が高いモデルは、少ないトークンで正解に到達できる。したがって、以下の視点が重要となる。
- ・「タスク完了あたりのコスト」を真の指標とせよ。
- ・"effort"設定による性能とコストの変動を考慮せよ。
- ・性能とコストのバランスを最適化する、モデルの階層化運用が不可欠だ。