コーディングエージェント向け最安モデル：最新価格比較

最も安いコーディングエージェントモデルとは、必ずしも入力料金が最も低いモデルではなく、変更をレビューに通すまでの総額が最も低いモデルです。エージェントはリポジトリのコンテキストを繰り返し送信し、ツールの出力を受け取り、推論してパッチを作成し、場合によっては何度も修正する必要があります。この比較では、2026年10月3日時点のGetVibeのライブモデルカタログスナップショットを使用し、コーディングワークフローで利用できるモデルに焦点を当てています。

カタログ価格のスナップショット

以下の数値は、100万トークンあたりのUSD価格で、入力、出力の順に記載しています。表示される価格セルはGetVibeカタログから取得され、日付はこの比較を確認した日を示します。

これらはカタログ料金であり、ベンチマーク結果ではありません。2026年10月3日以降に料金が変更された場合は、モデルページが最新の情報源となります。Claude Sonnet 5.5はMessages形式を受け付けるため、Claude Codeで利用する場合に適しています。GPT-6モデルはClaude Codeではなく、Codex CLIなどのResponses互換ツールを通じてテストしてください。

完了した作業を測定するコーディングテストを使用する

リポジトリのタスクを3つ選びます。失敗するテストを伴う局所的なバグ修正、複数ファイルにまたがる小規模な機能追加、そして動作を変更しないことを明示的に求めるリファクタリングです。各実行で同じGitコミット、指示、ツール権限、テストコマンドを固定します。タスクが正しいか、テストに合格するか、必要だった修正ターン数、変更全体にかかった時間を評価します。

最終回答だけを比較しないでください。モデルが説得力のあるパッチを生成しても、テストに失敗して別の長いターンが必要になる場合があります。ツールの結果や修正プロンプトを含め、すべてのターンの入力・出力使用量を記録します。合格した変更1件あたりのコストを計算します。各タスクについて少なくとも数サンプルを実行してください。たまたま得られた1つの成功例は、安定した順位付けにはなりません。

安いトークン料金でもコストが高くなる理由

エージェントは、システム指示、リポジトリのメモ、ツールスキーマ、過去の会話など、大きなプレフィックスを再送することがよくあります。出力トークンは、短いプロンプトから想定されるよりも請求額に大きく影響することがあります。1トークンあたりの料金が高くても、1回で動作するパッチを生成できるモデルのほうが、2回の修正ターンを必要とするモデルより安くなる場合があります。キャッシュされた入力によって反復入力のコスト構造が変わる可能性がありますが、節約分を計算する前に、キャッシュ入力が使用量として報告されることを確認してください。

コンテキストを絞り込んでください。ビルド出力、依存関係、生成されたスナップショット、無関係なパッケージは無視します。まず可能性の高いファイルだけを調査するようエージェントに指示してください。これによりトークンを削減でき、多くの場合、注意の向上にもつながります。安定した繰り返しプレフィックスについては、プロンプトキャッシュのガイダンスを使用してください。

どのモデルから始めるべきか

• GPT-6 Luna：日常的で範囲が明確な変更に適した、妥当な低コストのベースラインです。モデルページでコンテキストと機能を確認し、失敗するタスクは上位モデルに切り替えてください。
• GPT-6.1 Sol：計画立案や複数ファイルの推論が重要なタスクで比較してください。このカタログスナップショットでは、GPT-6 Solより低い料金に設定されています。
• GPT-6 Sol：既存のプロンプトがその動作に依存している場合は比較対象に残してください。切り替えが有効かどうかは、測定結果に基づいて判断します。
• Claude Sonnet 5.5：Claude CodeおよびMessagesベースのワークフロー用に含めてください。パスやツールのセマンティクスはResponsesベースのCodexと異なるため、クライアントが同一であるかのように扱わず、結果を比較してください。

比較を再現可能にする

SDKベースのクライアントでは、環境にキーを設定してOpenAI互換APIを使用します。

export GETVIBE_API_KEY="your-dashboard-key"
python - <<'PY'
import os
from openai import OpenAI

client = OpenAI(base_url="https://getvibeapi.com/v1", api_key=os.environ["GETVIBE_API_KEY"])
result = client.chat.completions.create(
    model="gpt-6-luna",
    messages=[{"role": "user", "content": "src/parser.pyを調査し、失敗しているエッジケースを修正してください。関連するテストを実行してください。"}],
    max_tokens=1200,
)
print(result.choices[0].message.content)
PY

エージェントクライアントがサポートする正確なエンドポイントを使用してください。Codex CLIではResponses APIの設定を使用し、Claude CodeではMessagesの設定を使用します。権限確認のプロンプトを保持し、具体的な差分をレビューできるよう、エージェントはブランチで実行してください。

判断ルール

自分のリポジトリのタスクで、合格率の目標とレイテンシー予算を満たす候補のうち、最も費用の低いものを選びます。評価セットを固定し、カタログ、エージェントのバージョン、またはプロンプトが変更されたときに再実行してください。各観測結果に日付、モデルID、使用量、テスト結果を保存します。2026年10月3日のカタログスナップショットはモデルページから参照できます。スプレッドシートに古い値をコピーするのではなく、現在の価格についてはそれらのページを使用してください。