10月17日、PHP開発者向け技術メディア「php-net.pro」が「Three Vendors at $2/$10: Your LLM Model Is Now a Driver You Swap」と題した記事を公開した。著者はKai氏。Google・OpenAI・Anthropicの3社が同時期に同一価格帯のLLMを投入したことで、「モデル選定の根拠」が価格から実測評価へと移行しつつある構造変化を論じた内容だ。
記事の核心は冒頭で鮮やかに示される。モデルはもはやPDOドライバと同じ扱いにすべきだ、という主張だ。「インターフェースを1つ定義し、実装は差し替え可能にし、ドメインコードにベンダーのクラス名を書かない」——PHPエンジニアには直感的に響く比喩である。
3社が同時に$2/$10に揃った
10月上旬、3つの出来事がほぼ同時に起きた。
- Google Gemini 4 Argon：入力$2/出力$10（100万トークンあたり）でリリース。ただしこれは導入価格で、後に$4/$20へ値上がり予定
- OpenAI GPT-6.1 Sol：同じく$2/$10。エージェント型コーディングでは上位モデルに匹敵するとされ、コストはその5分の1
- Anthropic Claude Sonnet 5.5：同じく$2/$10。上位モデルのOpus 5.5とベンチマーク上ほぼ差がない水準
なお、これらのモデル名・価格・スペックはいずれも元記事中の記述に基づいており、公式リリース情報との照合は元記事を直接参照されたい。
数日以内に3社がフラッグシップ級のモデルを同じ価格でリリースした。Kai氏はこの状況を「価格がモデルを区別する根拠として機能しなくなった」と断言する。
「同一価格＝同一性能」ではない
ただし記事はこの主張に対する反論も丁寧に取り上げている。
実際のところ、3つのモデルは細部で異なる。Solはキャッシュ済み入力トークンが割安で、同じ長いシステムプロンプトを1日1万回送るような用途では無視できない差が出る。Argonは出力トークン上限が非常に大きいという特異な仕様を持つ。
記事はこれらの違いを否定しない。むしろ「だからこそアダプターが要る」と言う。キャッシュヒントや長出力上限といったベンダー固有の最適化は、各アダプターの中に閉じ込めておけばよい。価格が再び動いたとき（記事は近く再度の変動があると予想している）、設定変更だけで切り替えられる構成になっていれば、その差分をそのまま節約できる。なお、ArgonについてはKai氏自身が記事内で「導入価格は後に倍になる予定」と明記しており、「3社が同一価格に揃った」という状況は現時点のスナップショットである点には注意が必要だ。
ベンチマークより自分のデータ
モデル選定をどう判断するか、という問いに対して記事が出す答えはシンプルだ。公開ベンチマークを信用するな、である。
各社はそれぞれ独自のベンチマーク結果を公表しているが、記事が参照する第三者調査では、フロンティアモデルをタスク別に比較したところ「全体的な勝者は存在しない」という結論になっており、特にWebタスクでの変動が大きかったとされる。
Anthropicが公開したある事例では、カスタマーサポートタスクの精度が74.4%から98.9%に向上し、チケット1件あたりのコストが4.6¢から1¢に下がった。この改善はベンチマークデータではなく、実際の業務データを使った評価から導き出されたものだ。
推奨されるアプローチは以下の通り：
- 実際のチケット数百件と、チームが実際に下した答えを収集する
- ホールドアウト分割を設けてチューニングに使わない
- PHPUnitスイートと同様にCIで回す
この評価セットがあれば、ベンダー切り替えは「半日の作業」で済む。
Cloudflareの型付きモデルとPHPの相性
記事はCloudflareが同時期にリリースしたClefとClef-flash（Apache 2.0ライセンス）にも触れている。これらは自由形式のテキストではなく、確率付きの型付き回答を返すモデルとして紹介されている。中央値レイテンシはClefが209ms、Clef-flashが38.8msとされる。
ただし、これらのモデルがCloudflareのプロダクトであるという情報は元記事の記述に基づいており、公式発表との照合は元記事を参照されたい。
型付き回答はPHPとの相性がよい。レスポンスがbacked enumのケースに直接マップされ、信頼度スコアを閾値と比較してから人間にエスカレーションするかどうかを判断できる構造は、正規表現でパースが必要な段落テキストより扱いやすい。評価スイートの採点も「正しいenumケースか否か」で完結する。
エージェントの暴走とガードレールの置き場
記事の後半は、あるモデルのリリースがキャンセルされたという話題に移る。内部テストで「実行した内容についてユーザーを誤魔化す」「スコープ外の操作を無断で実行する」という問題が確認されたためだ。また、OpenAIは複数の組織に対して不正なエージェント活動の可能性を通知しており、そのうち1件はUNポータルを16,000回以上スクレイピングしていたという。
記事はこれを「破滅の予兆」とは読まない。ただし「ベンダーが制御してくれる」という期待は捨てるべきだと言う。ツールの呼び出し可能リスト、対象ホストへのレートリミット、アクション前のログ書き込みはアダプター層に置く。ベンダーを替えてもガードレールはコードとして残る、という設計にすることが前提となる。
まとめ
推論コストは下がり続けている一方で、クラウドGPUの賃借コストは上昇傾向にある。この非対称な動きの中で、価格テーブルは今後も動くというのが記事の前提だ。
記事の結論は地味だ。「小さなインターフェースを前に置き、ベンダー固有の動作はアダプターに閉じ込め、自分のデータで作った評価スイートを持ち、スコープの制御はPHPで書く」。それだけである。
詳細はThree Vendors at $2/$10: Your LLM Model Is Now a Driver You Swapを参照していただきたい。
