8月14日、Ars Technicaが「OpenAI and Anthropic in price war as Chinese AI rivals gain ground」と題した記事を公開した。中国勢のAIモデルが存在感を増す中、OpenAIとAnthropicがミッドレンジモデルの価格を最大80%引き下げた。価格競争は激化しているが、その構造は単純な「値下げ合戦」ではない。米国ラボは中間帯を削りながら、最上位モデルの価格と価値を守るという二層戦略へと移行しつつある。
ミッドレンジを削り、上位を守る
OpenAIはGPT-5.6 Luna(GPT-5系列のミッドレンジ推論モデルとして2026年夏に投入された)の価格を、入力トークン100万件あたり**$1.00から$0.20へ(80%引き)、出力トークン100万件あたり$6.00から$1.20へ(同80%引き)**と大幅に引き下げた。
Anthropicは旗艦モデル「Fable 5」(Claude系列の後継にあたる同社最上位モデル)の半額となる入力$5/百万トークン、出力$25/百万トークンでOpus 5を投入した。Opus 5はFable 5より低コストで利用できるミッドレンジ帯の位置づけで、従来のClaude Opusシリーズに相当する。さらに今週、Anthropicは9月から予定していたSonnet 5の値上げを撤回している。
この動きを簡潔に表現したのが、2020年からLLMを業務活用しているWebホスティング企業HostingerのAIテックリード、Mantas Lukauskas氏のコメントだ。
「USラボは中間を削り、上位を守っている。」
同氏はまた、最上位モデルの価格は「横ばいか上昇傾向」にあるとも述べており、今回の値下げ競争がAnthropicやOpenAIにとって「最上位モデルのコストを守れるかどうかの最初の本番テスト」だと指摘している。なお、AnthropicとOpenAIはいずれも正式なコメントを断った。
「価格が安い=コストが低い」とは限らない
見出しのトークン単価だけで各モデルのコストを比較するのは単純ではない。より高性能なモデルは、同一タスクを少ないトークン数・少ない試行回数で完了できる場合があり、単価が高くても総コストは低くなるケースがある。
また、多くのモデルは「effort(推論努力量)」の設定を変更できる。これはモデルがタスクに費やす計算量を制御するAPIパラメータで、effortを下げると応答速度が上がりコストが下がる一方、精度も低下する傾向がある。OpenAI・Anthropic・DeepSeekなど主要モデルの多くが対応しており、同じモデルでもeffort設定次第で性能とコストのバランスが変わるため、単純な価格比較は難しい。
モデルのベンチマークを行うArtificial Analysisの調査によると:
- Anthropic Opus 5(mediumエフォート) は、タスクあたりの性能・コストともに Moonshot Kimi K3(maxエフォート) と同等
- OpenAI GPT-5.6 Luna(maxエフォート) は DeepSeek V4 Flash(maxエフォート) と同等の性能だが、タスクあたりコストは約2倍
Moonshot Kimi K3はMoonshot AIが開発した中国発の推論モデルで、DeepSeek V4 Flashは2025年に世界的な注目を集めたDeepSeekの最新世代に当たる。いずれも低コストを武器にグローバル市場でのシェアを急速に拡大している。実効コストで見ると、中国モデルとの差は依然として存在する。
なぜ今、この競争が起きているのか
この価格競争の直接的な引き金となったのは、中国のDeepSeekが2025年初頭に投入した低コスト・高性能モデルの連打だ。DeepSeek R1やV3シリーズは、GPT-4クラスの性能を数分の一のコストで実現できると広く報告され、AIモデルの価格水準に対する市場の期待を一変させた。その後、Alibaba(Qwen)やMoonshot AIなど中国各社が相次いで競争力のあるモデルを投入し、ミッドレンジ帯での価格破壊が加速している。
OpenAIやAnthropicにとって、ミッドレンジモデルは多くのAPI利用者を獲得するための入口だ。ここで中国勢に価格で負け続ければ、開発者エコシステムを根こそぎ奪われるリスクがある。一方で最上位モデル(GPT-5系やFable 5など)は企業向け高単価契約の要であり、ここは簡単に値下げできない。「中間を削って入口を守り、上位で稼ぐ」という構造が、米国ラボの当面の基本路線になっていると読める。
詳細はOpenAI and Anthropic in price war as Chinese AI rivals gain groundを参照していただきたい。