11月17日、Databricksが「Introducing the Databricks AI Index: The state of enterprise AI tokenomics」と題した記事を公開した。同社が運営するエンタープライズAIプラットフォームの実トラフィックデータをもとに、モデル選択・コスト構造・利用分布を定量分析した「Databricks AI Index」の内容だ。トークン単価の安さがそのままコスト優位につながるとは限らないという、現場エンジニアには重要な知見が含まれている。
「トークン単価が安い=コストが安い」は幻想だった
エンジニアにとって最も刺さるのはここだ。
同じタスク成功率89.1%を達成した2つのモデルが、コストで約32倍もの差を生んでいた。 GPT-6 Luna(2026年公開のOpenAIフラッグシップモデル)はタスクあたりのAIコストが平均$0.05だったのに対し、Claude Opus 5.5(Anthropicの同世代最上位モデル)は$1.62。トークン単価だけを見て安いモデルを選んでも、モデルが解答にたどり着くまでの「試行回数・出力量・失敗数」が多ければコストは跳ね上がる。
さらに極端な例がある。Gemini 3.8 Flash(Googleの軽量高速モデル)はトークン単価が低いにもかかわらず、1タスクあたり平均140ターンを要した結果、ベンチマーク内でもっともコストの高いモデルの一つ($11.97/タスク)になった。コーディングエージェントの文脈では「コスト/タスク」が「コスト/トークン」より本質的な指標だ。
また、スコアトップのモデルが最良の選択とも限らない。Claude Fable 5.1はタスク成功率96.0%でベンチマーク首位だが、コストは$7.47/タスク。一方、Muse Wonder(2026年登場の新興モデル)は94.9%を$1.53/タスクで達成している。その差わずか1.1ポイントのために5倍近いコストを払うかどうか——Databricks自身のデータでも、Fable 5.1のプロプライエタリモデル内トークンシェアはローンチから6週間で5.5%から0.6%に急落しており、市場の判断は明確だ。
モデルの乗り換えサイクルが異常なほど速くなっている
2026年5月以降、フラッグシップのプロプライエタリまたはオープンウェイトモデルが約3.7日に1本のペースでリリースされている。これだけの速度で市場が動けば、企業のモデル選択も当然流動化する。
データはその実態を裏付けている。Anthropicのエンタープライズシェアは57.6%から68.8%に回復したが、その主因はClaude Opus 5.5のローンチだ。わずか6週間でOpus 5.5のプロプライエタリモデル内トークンシェアは7.2%から37.9%に急伸した。

Databricks自身もこの速度に対応するため、Day 1モデルロールアウトプロセスを導入し、新モデルを数日以内に評価できる体制を整えている。同社はOpus 5.5がコスト面でも有利であること(前バージョン比でセッションあたりコスト29%減かつ品質向上)を確認した上で、Claude Codeのデフォルトモデルとして採用した。
オープンウェイトモデルのシェアが4ヶ月で4倍超

7月時点でエンタープライズのトークントラフィックに占めるオープンウェイトモデルのシェアは7.3%だったが、11月には**30.9%**へ拡大した。コーディングベンチマークでは上位10モデルのうち3つがオープンウェイトで、DeepSeek V4.1とGLM 5.3(いずれも2026年公開の中国発オープンウェイトモデル)がともに93.1%のパスレートで3位に並んでいる。
また、単一プロバイダーに依存する企業の割合は7月の64%から11月には28%まで低下した。マルチAI戦略が企業の標準になりつつある。
AI支出の集中度:中央値$2.49 vs 99パーセンタイル$699.74
ユーザーあたりのAI支出分布も興味深いデータだ。週次の中央値支出は**$2.49だが、99パーセンタイルは$699.74**と約281倍の開きがある。

6週間で中央値は$1.10から$2.49超へと倍増しており、一般ユーザーへのAI利用浸透が進んでいることを示す。一方、90〜99パーセンタイル層の支出は横ばいで、AI予算の大半を少数のヘビーユーザーが消費している構造は変わっていない。
この数字が意味するのは、企業がAIコストを管理しようとするとき、「平均ユーザー」への施策だけでは不十分だという点だ。コーディングエージェントを終日動かすエンジニアとAIアシスタントに数問投げる一般社員では消費量が桁違いになる以上、ヘビーユーザー層の利用パターンを把握・管理できるかどうかが、AI投資対効果を左右する実質的な鍵になる。
Databricks AI Indexの概要
Databricks AI Indexは以下の2つのデータソースを組み合わせた公開リソースだ。
- エンタープライズ利用データ:10,000社超が使用するUnity Gateway(Databricksが提供する統合AIゲートウェイ製品。複数のAIプロバイダーへのアクセスを一元管理し、利用ログ・コスト・ガバナンスを横断的に把握できる)から収集した匿名・集計データ。Fortune 500やGlobal 2000企業を含み、AnthropicやOpenAIへの外部プロバイダートラフィックも含む。
- コーディングエージェント評価:Databricksのプライベートコードベース(非公開テスト)を使用したベンチマーク。ベンチマーク汚染(学習データへの混入)のリスクを下げながら、Claude CodeやCodexといったハーネス(モデルにタスクを与えて実行・評価する自動化フレームワーク)とモデルの組み合わせを継続評価する。
現在のデータセットは2026年9月21日〜11月7日をカバー。週次更新される予定だ。
詳細はIntroducing the Databricks AI Index: The state of enterprise AI tokenomicsを参照していただきたい。