AIモデル「安さ×性能」総合ランキング(2026年10月21日版・ベースライン)
現場の段取りと同じで、道具選びは「値段」と「仕事ぶり」の両方を見ることが大事です。今日の数字を初回の記録(ベースライン)にして、毎日・毎週・毎月の変化を追っていきます。
この記事のポイント
- 性能の物差しは、第三者機関Artificial Analysisの総合指標(AA Intelligence Index)を使いました。
- 料金は各社の標準API料金(100万トークンあたり、米ドル)です。
- 1位はClaude Haiku 5.5、2位は前日公開のMiniMax M3.1 Flashでした。
- 性能だけならClaude Opus 5.5が首位(57.6)ですが、料金が高いため総合では9位です。
スコアの出し方(算出式)
- 混合単価 =(入力単価×3 + 出力単価×1)÷ 4
- 入力3:出力1の比率は、Artificial Analysisの価格比較と同じ考え方に合わせました。
- 性能点 = AA指数 ÷ 対象内の最高値(57.6)× 100
- 安さ点 = (log10(最高単価) − log10(そのモデルの単価)) ÷ (log10(最高単価) − log10(最低単価)) × 100
- 単価は100倍もの差があるため、対数で目盛りをそろえています。
- コスパ総合スコア = 性能点 × 0.6 + 安さ点 × 0.4
- 入力・出力の両方の単価が確認できたモデルだけが対象です。考え方は筆者の独自基準で、公式な順位ではありません。
総合ランキング(上位17件)
| 順位 | モデル | 入力$ | 出力$ | 混合$ | AA指数 | 総合スコア |
|---|---|---|---|---|---|---|
| 1 | Claude Haiku 5.5 | 0.10 | 0.50 | 0.20 | 43.4 | 85.2 |
| 2 | MiniMax M3.1 Flash | 0.15 | 0.60 | 0.26 | 42.7 | 82.1 |
| 3 | Qwen3.8-Flash | 0.15 | 0.47 | 0.23 | 39.8 | 80.2 |
| 4 | GPT-6 Luna | 0.10 | 0.50 | 0.20 | 38.1 | 79.7 |
| 5 | MiMo-V2.6-Pro | 0.435 | 0.87 | 0.54 | 46.3 | 79.5 |
| 6 | DeepSeek V4.1-Flash-1017 | 0.30 | 1.20 | 0.53 | 45.1 | 78.6 |
| 7 | Claude Sonnet 5.5 | 2.00 | 10.00 | 4.00 | 56.0 | 72.3 |
| 8 | Muse Spark 1.3 | 1.25 | 4.25 | 2.00 | 48.1 | 70.1 |
| 9 | Claude Opus 5.5 | 4.00 | 20.00 | 8.00 | 57.6 | 68.0 |
| 10 | GPT-6.1 Sol | 2.00 | 10.00 | 4.00 | 51.8 | 67.9 |
| 11 | GLM-5.3 | 1.40 | 4.40 | 2.15 | 44.8 | 66.0 |
| 12 | Gemini 3.8 Flash | 0.75 | 3.75 | 1.50 | 40.9 | 65.1 |
| 13 | Grok 4.7 | 2.00 | 6.00 | 3.00 | 46.4 | 64.8 |
| 14 | Qwen3.8-Max | 2.00 | 6.00 | 3.00 | 45.4 | 63.8 |
| 15 | Kimi K3 | 3.00 | 15.00 | 6.00 | 43.6 | 55.9 |
| 16 | Claude Fable 5.1 | 10.00 | 50.00 | 20.00 | 53.4 | 55.6 |
| 17 | GPT-6 Astra | 10.00 | 50.00 | 20.00 | 52.7 | 54.9 |
出典
- AA指数(10月20日時点のスナップショット): https://modelcap.ai/benchmarks/aa-intelligence-index (元データ: https://artificialanalysis.ai/leaderboards/models )
- 料金(10月8日時点、各社公式ページへのリンク付き): https://9io.ai/blog/llm-api-pricing-benchmarks-comparison
- MiniMax M3.1 Flashの料金: https://platform.minimax.io/docs/pricing/overview
料金がそろわず順位の対象外にしたモデル
- Gemini 4 Argon(AA指数52.6): 一般向けの公開価格がない、と9io.aiは書いています(10月8日時点)。ModelCapには出力10ドルとありますが、食い違うため未確認とします。
- Muse Wonder(52.4、出力20ドル)、Muse Spark Open(38.9、出力4.25ドル)、Nemotron 3.5 Lightning(12.9、出力0.20ドル): 入力の単価が未確認です。出典: https://modelcap.ai/benchmarks/aa-intelligence-index
ほかの物差し(参考)
| モデル | LMArena テキスト(10/2) | Terminal-Bench 4.0(Vals、10/7) |
|---|---|---|
| Claude Opus 5.5 | 1504(4位) | 65.2% |
| Claude Sonnet 5.5 | 1471(45位) | 64.1% |
| GPT-6 Astra | 1477(29位) | 59.6% |
| Gemini 4 Argon | 1525(1位、暫定) | 57.6% |
| GPT-6.1 Sol | 1483(21位) | 55.1% |
| Claude Haiku 5.5 | 未確認 | 35.4% |
| MiMo-V2.6-Pro | 1480(26位) | 31.3% |
| DeepSeek V4.1-Flash | 1474(38位) | 19.7% |
出典: https://9io.ai/blog/llm-api-pricing-benchmarks-comparison (LMArena https://arena.ai/leaderboard/text 、Vals https://www.vals.ai/benchmarks/terminal-bench-4 の値を引用)
- SWE-bench Verifiedは、Valsが「飽和した」として掲載を終えているため使いませんでした(同出典)。
- MiniMax M3.1 FlashのTerminal-Bench 4.0は38.1、という報道もあります(https://aibriefs.news/briefing/2026-10-20 )。表の値とは集計元が違う可能性があるため、表には入れていません。
前回との比較(今回わかった範囲)
日次・週次・月次の過去データは、今回はきちんとそろえられませんでした。代わりに、約2週間前(10月8日)のAA指数と比べています。
- DeepSeek V4.1-Flash: 39 → 45.1(+6.1)。ただし10月8日の値は、10月17日版(1017)が出る前のものです。
- MiniMax M3.1 Flash: 10月20日に新しく登場して42.7。
- そのほかの主要モデルは±0.4以内の動きでした。10月8日の値は整数に丸められているので、この差はほぼ誤差です。
- 月次(9月21日ごろ)の値は未確認です。
次回から差分を出す手順
- 毎朝、同じ出典(ModelCapのAA指数ページ、各社の料金ページ)から値を取り、
model_ranking_YYYYMMDD.csvを同じ列の形で保存します。 - 同じスクリプト(
calc.py)でスコアを出します。式は変えません。式を変えるときは、版の番号を付けて記録します。 - 差分は、モデル名をキーにして、前日・7日前・30日前のCSVと突き合わせて出します。例:
python3 - <<'PY' import pandas as pd a=pd.read_csv("model_ranking_20261021.csv"); b=pd.read_csv("model_ranking_20261022.csv") m=b.merge(a,on="model",suffixes=("","_prev")) m["Δスコア"]=m.cospa_score-m.cospa_score_prev; m["Δ順位"]=m["rank_prev"]-m["rank"] print(m[["model","rank","Δ順位","cospa_score","Δスコア"]]) PY - 7日前や30日前のファイルがまだないときは、「比較データなし」と書きます。
- 新しく出たモデルには「NEW」、料金が変わったモデルには「価格改定」の印を付けます。
記録ファイル: /workspace/blog_plan/model_ranking_20261021.csv
※特定の製品の購入や、投資を勧めるものではありません。