LLMの知能対コスト：線形スケールで見えてくる「収穫逓減」の現実

概要

2026年時点のLLM市場を分析し、知能スコアと運用コストの相関を線形スケールで可視化することで、高額モデルの投資対効果の低さとローカルモデルの経済的優位性を論じている。

詳細内容

ArtificialAnalysisのベンチマークデータを基に、従来の「対数スケール」によるコスト比較が如何に実態（巨大な価格差）を隠蔽しているかを鋭く指摘する記事。著者は、OpenRouter等のアグリゲーター価格や、ローカルハードウェアでの消費電力（電気代）に基づく独自の計算式を用い、線形スケールでの再プロットを試みた。主な分析結果として、最上位のFable 5.1（知能スコア66）は中位のGLM-5.3（スコア60）の約7.5倍、さらに安価なFlash版（スコア55）の160倍のコストがかかることが判明。知能の差が「わずかな性能向上」に留まる一方で、コストは指数関数的に増大する「収穫逓減の法則」が明確に示されている。特に、高度な専門タスクを除けば、RTX 3090などのコンシューマー機で動くローカルモデル（Qwen3.8-27B等）が多くの用途において十分な費用対効果を持つと結論づけている。

元記事を読む他のサマリーを見る