8月5日、AI Updates Netが「Chinese AI Models Turn Cost Into a Competitive Weapon」と題した記事を公開した。Alibaba・DeepSeek・Moonshotの3社が価格とアーキテクチャを競争軸として中国AIモデル市場で戦う構図を、実測コストデータとともに解説している。
ベンチマークスコアではなく「コスト」が戦場になった
中国AIモデルの競争は、ベンチマーク上の性能争いと並行して、経済合理性の勝負に移行している。
Alibaba の Qwen3-235B-A22B（Qwen3.8-Max）、DeepSeek の V4-Flash、Moonshot AI の Kimi K3——この3モデルは規模もアーキテクチャも異なるが、いずれも「コストを競争力に変える」という方向性を共有している。
この動きには複合的な背景がある。米国の対中半導体輸出規制により、中国勢は最先端GPUへのアクセスが制限されており、同等の性能をより少ない計算資源で実現するアーキテクチャ上の工夫が不可欠になっている。加えて、OpenAIやAnthropicを含むグローバルなAPI価格競争が激化するなかで、価格そのものが差別化軸として浮上してきた。こうした構造的な制約と競争圧力が、中国モデル各社のコスト最適化を加速させている。
※編集部の考察：中国当局によるAIサービスの国内利用規制や、海外展開における法的不確実性も、各社が技術的優位をコスト面に転化しようとする動機の一つと見られる。
スパースアーキテクチャが「モデルサイズ」と「動作コスト」を切り離す
3モデルはいずれも **MoE（Mixture of Experts）アーキテクチャ**を採用している。MoEとは、モデル全体のパラメータのうち、推論時には一部の「専門家（Expert）」サブネットワークだけを選択的に活性化する設計で、全パラメータを毎回使う通常のDenseモデルに比べて計算量を抑えやすい。
各モデルのパラメータ規模と活性化パラメータは以下のとおり：
| モデル | 総パラメータ | 推論時の活性パラメータ |
|---|---|---|
| Qwen3.8-Max（Alibaba） | 2.4兆 | 約950億 |
| Kimi K3（Moonshot） | 2.8兆 | 約1,040億 |
| V4-Flash（DeepSeek） | 2,840億 | 約130億 |
DeepSeekのV4-Flashは総パラメータ数こそ小さいが、活性パラメータも極めて少なく抑えており、これが異常なほどの低価格設定を支えている。
ただし、活性パラメータが少ないことが即「高効率」を意味するわけではない。ルーティング設計、ハードウェア利用効率、メモリ転送量、そしてタスクを解くのに必要なトークン数がトータルコストを左右する。
DeepSeek V4-Flash の価格破壊と「1タスクあたり3セント」
エンジニアにとって最もインパクトがある数字がここだ。
Artificial Analysisの計測によると、V4-FlashのAPI単価は入力$0.14/百万トークン、出力$0.28/百万トークン。さらにMax Effortバリアントのキャッシュヒット時は**$0.003/百万トークン**という価格が報告されている。
実際のテストでの1タスクあたりコストを比較すると：
- DeepSeek V4-Flash：約3セント
- Kimi K3：約86セント
- OpenAI GPT-5.6 Sol：約$1.86（V4-Flash比で約62倍）
- Anthropic Claude Fable 5：約$3.15
※タイトルの「GPT-5の60分の1」は、Artificial AnalysisがGPT-5ファミリーの一つとして計測したGPT-5.6 Solとの比較における数値。
ただし、これはArtificial Analysisの特定のワークロード・設定における数値であり、全用途に一般化できるものではない。記事は明確にこう指摘している——低タスクコストが意味を持つのは、結果の品質が要件を満たしている場合のみだ。リトライが増える、プロンプトが長大化する、人手によるレビューが増えるといった事態になれば、API単価の差は消える。
V4-FlashのIntelligence Indexスコアは40、出力速度は約118トークン/秒。DeepSeekの公式サイトではAPIドキュメントと最新の価格表を参照できる。
Kimi K3が示す「能力とコストの正比例」
一方、Kimi K3は対照的な立ち位置にある。
エージェンティックなナレッジワークを評価する AA-Briefcaseベンチマークでは、1タスクあたり平均$10.57、83ターン、約12万トークンの出力を消費した。コストは高いが、そのベンチマークで2位のスコアを記録している。
Qwen3.8-Maxは入力$2/百万トークン、出力$6/百万トークンと、Kimi K3（入力$3、出力$15）より安く、ホスト型サービスとしてはQwenが有利な数字だ。QwenはArena.AIの中国語テキストモデルランキングで1位に達しているが、Anthropicモデルと比べるとランク上は下位に位置する。Alibabaの公式Qwenページでは各バリアントの詳細スペックを確認できる。
オープンウェイトは「無料推論」ではない
3社はいずれもホストAPIと並行してオープンウェイトモデルも公開している。V4-FlashはMITライセンス、Kimi K3はMoonshotの独自ライセンスで提供される。
自社インフラや第三者プロバイダーで動かせる自由度があるが、記事は次の点を明確にしている——オープンウェイトは「無料推論」ではない。アクセラレータ（GPU/TPU）、エンジニアリング工数、スケーリング、可観測性、セキュリティ、アイドル時のキャパシティコストが発生する。また、ライセンス条件の精査と、評価したバージョンと公開されている重みが一致しているかの確認も必要だ。
オープンウェイトモデルの重みはいずれもHugging Face上で公開されており、各モデルのモデルカードでライセンス詳細を確認できる。
エンジニアが実際に評価すべき指標
記事が強調する実用的な評価フレームは以下のとおり：
- タスク成功率
- 消費トークン数とターン数
- レイテンシ
- リトライ回数
- 人手レビューの量
- コンテキストの再利用率（キャッシュヒット率）
- 自組織の出力品質閾値
「百万トークンあたりの単価」は購入判断の出発点に過ぎない。実際のワークフロー全体での繰り返し可能な総コストが、最終的な選定基準になる。Artificial Analysisのモデル比較ダッシュボードでは、今回取り上げた各モデルのコスト・速度・品質を横断的に確認できる。
詳細はChinese AI Models Turn Cost Into a Competitive Weaponを参照していただきたい。
