無料AIがSonnet 5と同点｜コストは40分の1

監修者伊東雄歩

株式会社ウォーカー CEO。東北大学卒。MENSA会員、JDLA認定講師、健全AI教育協会理事。生成AI×教育・学習科学を専門とし、2億円超のシステム開発プロジェクトを統括。

金融AI企業AlphaSenseが、245問の実務タスクで9つのAIモデルを横並び比較した
無料で使えるオープンモデル「Gemma 4 31B」が、Claude Sonnet 5とまったく同じ精度スコア1.34を記録
しかもかかったコストはSonnet 5の約40分の1だった
「最新モデルが一番賢い」は成立せず、Claude Opus 5は前世代より低スコアでコストは5倍以上
質問の種類ごとにモデルを切り替えると、全体の成績が最大2.8倍に伸びた

「一番高いAIを使えば一番いい答えが返ってくる」。そう信じてAPI料金を払い続けていませんか。245問の実務テストが、その常識をきれいに崩しました。無料のオープンモデルが、有料の最上位クラスと同じ点数を、40分の1のコストで叩き出したのです。

245問のテストで何が起きたのか

2026年8月23日、GIGAZINEがある検証レポートを紹介しました。

元になったのは、金融リサーチAIを開発するAlphaSense（アルファセンス）が2026年8月5日に公開した記事です。同社は世界中の決算資料や調査レポートをAIで分析するサービスを提供しています。

そのAlphaSenseが、245問の金融分析タスクを用意して、9つのAIモデルを同じ条件で戦わせました。

問題は「現場のアナリストが実際に聞くこと」

245問の中身は、机上のクイズではありません。

内訳は、数値を取り出す問題が87問、文章で答える定性的な問題が47問、リスト形式で列挙する問題が34問。さらに、複数の資料をまたいで手順を踏む多段階ワークフローが62問、事実確認が64問含まれます。

「この会社の直近3四半期の営業利益率の推移は？」といった、期間の指定と複数ソースの参照が必要な質問が並びます。プロが日々こなしている仕事そのものです。

採点基準は答え合わせの前に決めておく

公平さを担保するため、AlphaSenseは回答が出る前に226ポイント満点の採点基準を登録しました。

後から都合よく基準をいじれないようにする仕組みです。採点はLLM（人間みたいに文章を読んで判断できるAI）が独立して行い、結果はベースラインを1.0とした相対スコアで表されます。

9モデルの成績表｜最新が最強とは限らない

結果はこうなりました。数字が大きいほど高性能です。

GPT-5.6 Sol（商用）: 1.73
Claude Opus 4.8（商用）: 1.60
Claude Opus 5（商用）: 1.46
Kimi K3（オープン）: 1.44
Claude Sonnet 5（商用）: 1.34
Gemma 4 31B（オープン）: 1.34
GLM-5.2（オープン）: 1.31
Claude Haiku 4.5（商用）: 1.30
Inkling（オープン）: 1.29

注目してほしいのは5位と6位です。

Claude Sonnet 5とGemma 4 31Bが、まったく同じ1.34で並びました。片方は有料の商用モデル、もう片方はGoogleが無料で配っているオープンモデルです。

Claude Opus 5の「逆転現象」

もうひとつ、見逃せない結果があります。

Claude Opus 5（1.46）が、前世代のClaude Opus 4.8（1.60）を下回ったのです。しかもコストは5倍以上に膨らみました。

AlphaSenseはその原因を「過度な取得（over-retrieval）」と分析しています。賢すぎるモデルが、必要のない資料まで山ほど読み込んでしまい、かえって答えがぼやけたということです。

レポートの言葉を借りれば「newer is not automatically better（新しければ自動的に良いわけではない）」。AIモデル選びで、この一文は重い意味を持ちます。

なぜコストが40分の1になるのか

同じ点数なのに、なぜ費用が40倍も違うのでしょうか。理由は2つあります。

理由1: モデルそのものが無料

Gemma 4は、Google DeepMindが2026年4月2日に公開したオープンモデルです。

ライセンスはApache 2.0。商用利用も、改変も、再配布も、ライセンス料なしで自由にできます。E2B・E4B・12B・26B MoE・31Bの5サイズが用意され、31Bは60層構成の最上位モデルです。

マルチモーダル（文章だけでなく画像・動画・音声も扱える）に対応し、コンテキスト長は256Kトークン。単体の性能もMMLU Proで85.2%、AIME 2026で89.2%と、決して見劣りしません。

理由2: 1トークンあたりの単価が桁違い

クラウド経由で使う場合も、価格差ははっきりしています。

Claude Sonnet 5は入力100万トークンあたり2ドル前後、出力は10ドル前後とされています。対してGemma 4 31Bを提供するクラウド事業者の相場は、入力が0.1ドル台、出力が0.3〜0.4ドル台です。

ここに「1問あたりに消費するトークン数の差」が掛け算されます。単価の差と消費量の差が重なって、実務コストで約40倍の開きが生まれたというわけです。

おまけ: 速度でも殴れる

AlphaSenseはさらに、オープンウェイトモデルはCerebras（セレブラス）のような専用ハードウェア上で10〜20倍高速に動くと指摘しています。

安いだけでなく、速い。この2つが揃うと、選択肢としての重みがまるで変わってきます。

他のオープンモデルとどう違う？

今回の検証には、Gemma 4以外にもオープンモデルが3つ参加しています。それぞれ性格が違います。

Kimi K3（1.44）: 9モデル中4位と最高スコア。ただしAlphaSenseは「トークン効率が課題」と評価しており、賢い代わりに消費量がかさむタイプです
GLM-5.2（1.31）: 中国の智譜AI（Zhipu AI）が公開。100万トークンの長大なコンテキストが売りで、Gemma 4に肉薄しています
Inkling（1.29）: 最下位ですが、AlphaSenseは「ファインチューニング適性が高い」と評価。自社データで鍛え直す前提なら化ける可能性があります

日本語での実用性という観点では、Qwen3系が国内で導入事例を伸ばしています。日本語品質の評価が高く、Apache 2.0で商用利用しやすいことが理由です。

つまり、オープンモデルは「安い代替品」ではなくなりました。用途ごとに個性を選べる、まっとうな選択肢の束になっています。

日本のユーザーと企業に何が起きるか

この結果は、日本の現場にどう効いてくるのでしょうか。3つの場面で考えてみます。

場面1: 月10万円のAPI代に悩む中小企業

ある40人規模の会社の情報システム担当者を想像してください。

社内の問い合わせ対応チャットボットを商用APIで動かしていて、利用が増えるほど請求書の額が伸びていく。経営会議で「これ、本当に必要なの？」と聞かれるのが毎月憂鬱です。

今回の結果が示すのは、その用途が「資料を探して要約する」程度なら、無料モデルで置き換えられる可能性があるということ。年間120万円が数万円のサーバー代に化けるなら、検討する価値は十分あります。

場面2: 顧客データを外に出せない金融・医療

次に、地方銀行の企画部門を考えます。

融資審査の資料をAIに読ませたい。でも顧客情報を外部APIに送るのは、社内規程が許してくれません。

Gemma 4 31Bは4bit量子化（データを軽く圧縮する技術）で約17.5GBのVRAMに収まります。24GB以上のGPUを1枚積んだサーバーがあれば、社内に閉じたまま動かせるということです。データは一歩も外に出ません。

実際の運用ではKVキャッシュや実行時のメモリも必要になるため、余裕を見た構成が前提にはなります。それでも、数千万円のシステムを組む話ではありません。

場面3: 個人で試したいエンジニア

3つ目は、休日に自作ツールを作っている個人開発者です。

OllamaやLM Studioを入れれば、手元のPCでGemma 4を動かせます。API料金を気にせず、何度でも投げ放題。試行錯誤のコストがゼロに近づくと、実験の回数が跳ね上がります。

ちなみに、Gemma 4 31BはChatbot Arenaで3位につけたこともあるモデルです。「ローカルだから性能は妥協」という時代ではなくなりました。

オープンモデルに任せてはいけない仕事

ここまで良い話が続きましたが、レポートは冷静な線引きもしています。

AlphaSenseが強調するのは、「賢いモデル単独では不十分」で、本当のボトルネックは検索能力だったという点です。同社が自社の検索基盤を使った場合、一般的なベクトルRAGと比べてコストは約3分の1、回答品質は2倍以上になりました。

そのうえで、質問の種類ごとにモデルを振り分ける「タスク別ルーティング」を行うと、全体性能が2.8倍まで伸びています。数値の抽出、スクリーニング、長文の統合では、それぞれ得意なモデルが違うからです。

そして重要なのは、AlphaSense自身がフロントエンドの商用モデルを捨てていないこと。計画立案、深い多段階推論、コーディング、データ分析、Excel・PowerPointの生成といった仕事は、今もフロンティアモデルに任せています。

実は、この記事の教訓は「安いモデルに乗り換えろ」ではありません。「全部を最高級モデルで処理するのをやめろ」です。

よくある質問（FAQ）

Q1. Gemma 4 31Bは本当に無料で商用利用できますか？

はい。ライセンスはApache 2.0なので、商用利用・改変・再配布のいずれもライセンス料なしで可能です。ただし無料なのはモデル本体だけで、ローカル実行にはハードウェア費用が、Vertex AIなどのクラウド利用には従量課金がかかります。

Q2. 「同じ品質」ならClaude Sonnet 5を使う意味はないのですか？

そうとは限りません。今回のスコアは245問の金融分析タスクという特定領域での結果です。コーディングや長文の統合、複雑な多段階推論では商用モデルが優位に立つ場面が多く、AlphaSense自身もそうした用途では商用モデルを使い続けています。

Q3. 自分のパソコンでGemma 4 31Bを動かせますか？

4bit量子化で約17.5GB、推奨は24GB以上のGPUです。ゲーミング用途のハイエンドGPUを積んだPCなら現実的な範囲に入ります。メモリが足りない場合は、E4Bや12Bといった小さいサイズを選ぶ手もあります。

Q4. なぜ最新のClaude Opus 5が前世代に負けたのですか？

AlphaSenseは「過度な取得」を原因に挙げています。必要以上に多くの資料を読み込んでしまい、回答の焦点がぼやけたという分析です。モデルの賢さと、タスクへの最適さは別物だということを示す結果と言えます。

Q5. 今すぐ何から手をつければいいですか？

まずは自社で一番トークンを消費している用途を洗い出すことです。それが「検索と要約」中心なら、オープンモデルへの置き換え候補になります。逆に推論やコード生成が中心なら、無理な乗り換えは避けたほうが安全です。

まとめ

AlphaSenseが245問の金融タスクで9モデルを比較し、2026年8月5日にレポートを公開した
オープンモデルのGemma 4 31Bが、Claude Sonnet 5と同じ精度スコア1.34を約40分の1のコストで達成した
Claude Opus 5は前世代のOpus 4.8を下回り、コストは5倍以上。最新版が常に最良とは限らない
本当のボトルネックはモデルの賢さではなく検索の質で、タスク別ルーティングで性能は2.8倍になった
Gemma 4はApache 2.0で商用利用可。4bit量子化なら約17.5GBのVRAMで社内運用もできる

まずは自分が今払っているAPI料金の内訳を眺めて、「これは高級モデルじゃなくてもいい仕事」がどれだけ混ざっているかを数えてみてください。

参考文献

こんな時代だから遊んで学びたい

AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。

毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。

「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？

一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！

今すぐAIフレンズに参加して、未来への第一歩を踏み出そう！！