$0.30のGeminiが、振り分けを利益の源泉に変える

GoogleのGemini 3.5 Flash-Liteなら、入力100万トークンの料金は$0.30だ。一方、GoogleはGemini 3.5 Flash Cyberも「費用効率が高い」と説明しながら、提供先を政府機関と一部の提携先に限っている。その中間に位置する汎用モデル、Gemini 3.6 Flashは、前世代よりトークン使用量を最大17%削減するという。安価な大量処理、幅広い能力、厳格な利用制限が同じ製品群に同居している。この構図は、性能順位だけでは読み解けない。

Flashは小型モデルではなく、価格体系になった

Flashは当初、性能と費用の折り合いをつけた単一モデルだった。2024年には、マルチモーダル機能と100万トークンの文脈長を維持しつつ、Gemini 1.5 FlashがGemini Proより軽量で安価な選択肢として登場した。2025年にはGoogleが製品群を拡充し、その世代で最も高速かつ費用効率が高いモデルとして2.5 Flash-Liteを投入した。2026年までに「Flash」は、費用、能力、応答時間、利用条件が段階的に異なる製品体系を指すようになった。

安価なモデルが1つあれば、最上位モデルの費用を正当化できない顧客を取り込める。階層化された製品群があれば、処理ごとに提供原価曲線上の最適な位置へ配置できる。Googleは単なる製品区分から、システム全体の設計へ踏み込んだ。

推論基盤を開発する企業も、別の方向から同じ制約に行き着いている。オープンソースの推論エンジンvLLMを開発したチームは、モデル提供基盤の事業化に向けてInferactを設立し、評価額$800 millionで$150 millionの創業初期資金を調達した。この資金調達は、モデルの能力を採算の合う処理能力へ変換する層に、具体的な価値が付いたことを示す。

名称だけを見れば製品の乱立にも映る。実際にはGoogleは、潤沢になったモデル能力を、経済性の異なる複数の製品へ切り分けている。

経済性を測る単位は、トークンから完了したタスクへ

トークン単価が安くても、処理全体が安いとは限らない。エージェントは、1つの作業を終えるまでにモデルを繰り返し呼び出し、道具を使い、失敗した工程をやり直し、長い出力を生成することがある。公表された入力料金は、その一部しか表していない。運用で重視すべき指標は、価格、トークン消費量、応答時間、再試行、信頼性、失敗を総合した有用なタスク1件当たりのAI費用だ。

GoogleはGemini 3.6 Flashの入力料金を100万トークン当たり$1.50に据え置く一方、出力料金をGemini 3.5 Flashの$9から$7.50へ引き下げた。さらに、新モデルではプログラミング、マルチモーダル処理、知識労働の性能が向上し、トークン使用量を最大17%削減するという。少ないトークンと試行回数で許容水準の結果に到達できれば、実質的な費用削減幅は、出力単価の引き下げだけから想定される水準を上回る。

大規模な研究開発組織では、この差が無視できない金額になる。報道された資料によれば、OpenAIとAnthropicは投資家に対し、推論費用が売上高の半分を超えていると説明したという。この比率では、製品を提供した後に売上がどれだけ利益として残るかは、提供効率で決まる。

性能評価で首位に立つことは、そのモデルがどのタスクに対応できるかを示すうえで、なお有効だ。しかし、本番運用に必要な呼び出し回数、トークン量、再試行回数、処理時間までは分からない。購入側は、公表トークン単価から推測するのではなく、完了したタスクの費用を実測する必要がある。

用途の違いが、単一のモデル群を製品構成へ変える

Googleが7月に示した製品構成は、用途の切り分けをこれまでになく明確にしている。Flash-Liteは、日常的な処理を高速かつ低費用でこなすモデルと位置付けられる。Gemini 3.6 Flashは、より高度な汎用階層を担う。Gemini 3.5 Flash Cyberは、脆弱性の検出と修正が可能な費用効率の高い専門モデルとされる一方、当初の提供先は政府機関と一部の提携先に限られる。

低価格帯は、複数のモデルが必要水準を満たすタスクの基準価格をつくる。中間層は、品質要件が高く、追加支出を正当化できる業務を取り込む。専門層が競うのは、無制限の処理量ではなく、影響の重大さ、管理体制、利用資格だ。Googleは、すべての要求を同じ原価構造で処理することなく、この3領域を網羅できる。

Flash Cyberは、完全な汎用品化に限界があることも示している。Googleは費用効率の高いモデルと説明しながら、当初の提供先を政府機関と一部の提携先に制限している。価格と提供条件は逆方向に動く。能力は安価になる一方、利用条件は厳しくなる。条件付きのモデル利用は、導入後に追加される規則ではなく、製品そのものの一部になった。

モデルの使い分けが利益を生む

処理を適切に移し替える仕組みがなければ、3つのモデルは3つの購入判断と、さらに多くの説明資料を生むだけだ。

モデル振り分け機構は、各要求を、必要な品質、応答時間、リスクの基準を満たす最も安価なモデルへ割り当てることで価値を生む。資料によれば、Metaの社内AI育成組織も同様の振り分け機構を開発している。一部の処理を低価格モデルへ送って、費用を削減する狙いだ。

Googleの製品一覧には、同じ仕組みを構築するための要素がそろっている。大量処理向けの階層、より高度な階層、利用先を限定した専門階層だ。ただし、Googleが各モデル間で要求を自動的に振り分けていると確認できる報道はない。それでも、この製品構成は、振り分けがなぜ価値を持つかを示している。複数のモデルが選択肢になれば、契約時に供給企業を1度選ぶより、タスクごとに毎回モデルを選ぶ方が大きな効果を得られる。

利用者から見えるエージェントの仕事が1つでも、その内側には多数の推論判断が隠れている。定型的な分類、抽出、書式整形は安価な階層へ送り、判断の難しい推論だけを高性能モデルに任せられる。リスクの高い工程を遮断したり、管理された処理環境へ移したりすることも可能だ。費用削減効果は、調達資料に1度だけ現れるのではなく、呼び出しのたびに積み上がる。

エージェント型の処理は、応答時間の価値も変える。人がすべての中間工程を待つ必要がなければ、単純な応答速度を多少犠牲にして、処理量、実行計画、全工程の完了時間を優先できる。大規模な計算設備では、各工程の間で人を待たせることなく、空き容量に合わせて要求を処理できる。

提供効率が、限られた基盤設備の余力を広げる

推論の低価格化は、基盤設備への投資競争に代わって起きているのではない。その競争のただ中で進んでいる。OpenAIは、3.2ギガワットの電力容量を持つGeorgiaのデータセンターに$30 billion超を投じる計画だ。2028年から数百メガワットが稼働する見通しだという。Anthropic向けに建設されたAWSのProject Rainierでは、500,000基を超えるTrainium2チップが使われている。業界は半導体、電力、データセンター容量を産業規模で確保しようとしている。

完了タスク1件当たりのトークン使用量が減れば、同じ計算設備で、より多くの有償処理を完了できる。再試行と出力量を減らし、処理計画と稼働率を改善すれば、単位費用を下げながら、次の設備増設を先送りできる。

したがって、モデル料金と長期契約された電力容量の市場は、同じ枠組みで分析する必要がある。長期の設備契約によって、原価の大部分は固定される。その容量からどれだけ有用な成果を生み出せるかは、処理の振り分けとモデル効率で決まる。

各社はソフトウェアより下の層でも最適化を進めている。関係者によれば、GoogleはGeminiのモデル設計を半導体へ組み込んだ専用サーバーチップを2028年に向けて開発しているという。ただし、現時点では報道段階であり、確認はされていない。モデル設計者、提供基盤の技術者、処理計画の担当者、半導体設計者が目指す先は同じだ。制約のある計算資源と電力から、より多くのタスクを完了させることである。

重大な影響を伴う推論は、汎用品の価格にはならない

購入側が汎用モデルを最も厳しく比較するのは、誤りの損失が小さく、処理が反復的な領域だ。重大な影響を伴う機能は、同じようには扱われない。脆弱性を発見して修正できるモデルには、失敗、悪用、無統制な提供が安全上の危険を生むからこその価値がある。

AIによるプログラミング支援エージェントは、未知の脆弱性を発見する工程の一部を自動化し、攻撃手法開発の経済性をすでに変えている。提供企業は、誰が、どの環境で、どのような監視の下、どの対象に対してその機能を使えるのかを決めなければならない。利用方針は広報上の付帯事項ではなく、運用条件そのものになる。

開発者向けの層でOpenAIが取った対応も、同じ方向を示す。長期にわたるタスクでエージェントを導入、評価するため、同社はAgents SDKに標準の隔離実行環境と、実運用に近い条件で検証する仕組みを追加した。隔離実行環境、検証基盤、提供先の制限、専門モデルは、いずれも同じ構造的要件に応える。重大な影響を伴う推論には、統制された提供体制が必要だ。

共通の基準を満たすモデル同士を代替できるため、購入側は定型処理の価格を汎用品に近い水準まで押し下げられる。一方、重大な影響ゆえに管理体制が製品の一部となる専門処理では、提供側は高い収益性や利用制限を維持できる。

性能順位は残るが、それだけでは市場価格を決められない

最先端の研究機関は、最高水準の能力が依然として希少だと主張できる。GoogleはGemini 4に向けて、同社史上最も意欲的だとするGeminiの事前学習を開始した。提供費用の削減と最先端モデルの学習は、代替関係ではなく、並行して進む競争軸だ。製品群が対応できるタスクの範囲を広げるには、なお最先端の研究が必要になる。

モデル料金が下がっても、既存製品との統合に伴う難しさはなくならない。Googleは、大半のAndroid端末でAssistantからGeminiへ移行する時期を、従来の2025年末という目標より後ろ倒しし、2026年まで延長した。既存の製品基盤を通じた普及にも、トークン料金では買えない実行力が要る。

エージェント市場の運用ルールも固まっていない。大手各社はAIエージェントを異なる意味で使っており、システムが何を行うのか、責任の所在はどこか、成果をどう測るのかを判断できない顧客を困惑させている。各社がこうした責任関係を明確にしない限り、費用が下がるだけでは導入は進まない。

最先端の研究機関には、能力、販売経路、信頼が引き続き必要だ。製品構成を整えれば、それぞれに異なる役割を持たせられる。最先端の学習で能力の上限を引き上げ、製品統合で利用者へ届け、管理体制で重大な影響を伴う市場を開き、処理の振り分けで利益を守る。

$0.30という入力トークン価格は、推論競争の終着点ではない。能力、統制、またはその両方に対価を払う上位階層を備えた製品体系の底値だ。反対側では、Flash Cyberの限定提供が、影響の重大さに応じて価格と管理方法が決まる処理能力もあることを示す。性能順位は今後も最強のモデルを示すだろう。しかし利益を得るのは、そのモデルを使わない場面を見極められる事業者だ。