AIの利用コストを大幅に削減するためのモデルルーティング手法について解説する。計画段階ではFableなどの高性能な最先端モデルを使用し、実際のコード記述や実行段階ではGPT 5.5やComposer 2.5といった安価で十分な性能を持つモデルに処理を委譲することで、最大約68%のコスト削減が可能となる。手動でモデルを使い分ける方法から、ClaudeとCodeexを連携させる方法、Cursorなどのツールを利用した自動ルーティング、さらにはエンタープライズ企業での導入事例まで、AIを効率的かつ経済的に活用するための実践的なアプローチを紹介する。
AIのコストを劇的に下げるモデルルーティング
AIはとてつもなくコストがかかります。私自身そのことをよく理解していますが、今日は皆さんを助けるためにここに来ました。実はAIの利用料金を90パーセント以上節約できる非常にシンプルで簡単な方法があることがわかったので、そのやり方をお見せします。モデルルーティングです。今日お話しするのはこのモデルルーティングについてです。モデルルーティングとは、適切なタスクに適切なモデルを使用するという単純な概念です。本当にそれだけのことですが、とても簡単で多額の費用を節約できます。もしAIを使って費用を大幅に節約する方法をもっと知りたいなら、この動画を高評価し、チャンネル登録をお願いします。
計画と実行でモデルを使い分ける
今日皆さんに学んでほしい最も重要な概念は、計画と実行の違いです。これら2つの概念に対して同じレベルのモデル性能や品質を求める必要はありません。計画段階では、何かを正確にどのように実行するかを考え出そうとします。これは非常に重要な部分であり、構築しようとしている機能に影響を与える可能性のあるすべてのコードの断片を把握し、ベストプラクティスを使用してどのように適合させるかを考え、機能のアーキテクチャを設計します。これは非常に重要であるため、計画には可能な限り最高のモデルを使用したいと思うはずです。しかし実際にその計画を実行に移し、コードを記述する段階になると、もはや最先端のモデルは必要ありません。安価で優れたモデルでも、実は驚くほど上手くコードを書くことができるのです。たとえば、計画にはFableを使用し、実際のコード記述にはGPT 5.5やGPT 5.4を使用するかもしれません。あるいはComposer 2.5を使用することもあるでしょう。これらはFableよりも大幅に安価なモデルです。つまり、計画には可能な限り最高のモデルを使用し、実行には十分な性能を持つモデルを使用するということです。
実際のワークフローと仕様書の作成
私のワークフローのさまざまなステップを説明してから、実際にどのように機能するかをお見せします。まず最初にお話ししたリサーチを行いますが、ここでは最先端のモデルを使用します。最先端モデルを青色で、安価で優れたモデルを緑色で表してみます。この最先端モデルがFableであり、安価で優れたモデルがGPT 5.5だとしましょう。GPT 5.5はComposerなどと比較すると、いわゆる激安というわけではありませんが、OpenAIは特にGPT 5.5のクォータに対して非常に寛大なので、ここでは安価なモデルとみなしています。もちろんお好きなモデルに置き換えて構いません。そしてFableを使ってリサーチをすべて完了させます。モデルはあなたと協力しながら、この機能をどのように設計したいか、コードベースのどの部分に触れるべきかといった質問を投げかけてきます。最終的な結論に達したら、ここで仕様書を書くように指示します。この仕様書もFableによって作成されます。仕様書とは、基本的に特定の機能や機能全体を正確にどのように構築したいかを詳細に記したドキュメントのことです。Fableが私のために書いてくれた仕様書の例を見ると、数百行に及ぶ長さになっています。約600行の長さがあり、この機能をどのように構築すべきかという段階的な手順が本当に詳細に書かれています。機能の目的や、最も重要となる構築方法について説明されています。
安価なモデルでのコーディングとレビュー
この仕様書を受け取ったら、それをほぼすべてのモデルに渡すことができます。コーディングにおいて十分な能力を持つモデルであれば、この仕様書を読み取り、実際にすべてのコードを非常に効率的に記述することができます。これが大幅なコスト削減につながる理由です。リサーチを終え、仕様書が作成されたら、その仕様書をより安価なコーディングモデルに渡してコードを書かせます。そこからコーディングが完了したら、プルリクエストを作成させます。このステップは任意ですが、私は最先端モデルにもう一度作業をチェックしてもらうためにこれを行うのが好きです。私のプルリクエストをレビューさせます。安価で優れたコーディングモデルによって作成されたプルリクエストを受け取り、それをFableに戻して、単純にこのプルリクエストをレビューしてと指示します。フィードバックがある場合もあれば、ない場合もあります。フィードバックがあった場合は、そのフィードバックを安価なコーディングモデルにコピーして戻し、プルリクエストを修正させます。そして最後に、その安価なコーディングモデルにプルリクエストをデプロイさせます。このようにして、異なるモデル間でのやり取りが実際にどのように機能するかがお分かりいただけると思います。これを自動的に行ってくれる会社もいくつかあり、それについては後で触れますが、今のところ皆さんがCodeexやClaudeを使っていると想定しています。両方を使うことも、どちらか一方を使うこともできます。Claudeだけを使っているとしましょう。Fableを使ってリサーチを行い、仕様書を書き、プルリクエストをレビューします。そして例えばOpus 4.8やSonnetを使うことができます。これらは他のすべてにFableを使うよりもはるかに安価で、非常に優れたコーディングモデルです。月額20ドルや100ドルのサブスクリプションを2つ契約していたとしても、次のプランにアップグレードする前に、そこからはるかに多くの価値を引き出すことができるようになります。どちらか一方または両方で月額200ドルの最上位プランを利用している場合でも、私が説明しているこの戦略は、支払っているサブスクリプションのプランに関係なく役立つはずです。
オールインワンAIワークスペースのGenSpark
AIのコスト削減に興味があるなら、今日の動画のスポンサーであるGenSparkをぜひチェックしてください。GenSparkはオールインワンのAIワークスペースです。単にプロンプトを入力して回答を得て、その回答を別の場所に貼り付けるというものではありません。GenSparkからすべての作業を完了させることができます。例えば製品のアイデアがあるとします。AIスライドを使ってピッチデッキを作成できます。AIデザイナーを使ってビジュアルやブランドアイデンティティを開発し、GenSparkコードを使って実際にランディングページをコーディングし、AIビデオを使って短いプロモーション動画を作成できます。GenSparkが特に便利なのは、これらすべてのツールとすべてのモデルを1か所にまとめている点です。複数のアプリやウェブサイトを行き来する必要はなく、すべてが1つの場所にまとまっているため、すべてがシームレスになります。新規ユーザーの場合、スタートボーナスを受け取ることができます。有料プランでは、2026年までAIチャットとAI画像生成が無制限で利用でき、非常に価値があります。GenSparkを使えば、初期のアイデアから、実際に使える製品の開発、そしてプロモーションまですべてをこなすことができます。新規ユーザーには無料クレジットが付与されるので、ぜひGenSparkをチェックしてみてください。下にリンクを貼っておきます。それでは動画の本編に戻りましょう。
実際のコスト削減効果の検証
さて、実際に計算して証明してみましょう。Fableを最先端モデルとして使用していると仮定します。非常に高価です。入力トークン100万あたり10ドル、出力トークン100万あたり50ドルかかります。ここで注目すべき重要な点は、出力は入力の5倍のコストがかかるということです。この戦略が利益をもたらす理由がお分かりいただけるでしょう。リサーチを行う際は多くのものを読み取りますが、コードを書く際は多くのものを出力します。したがって、リサーチ段階では実際のコード記述よりもはるかに少ない出力トークンしか使用しません。ここで示しているように、コード記述に安価なモデルを使用した場合、入力トークン100万あたり2ドル、出力トークン100万あたり6ドルとなり、機能や製品を構築するための総コストは大幅に下がります。それでは計算してみましょう。計画段階で10万入力トークンと2万出力トークンを使用するとします。次にコーディング段階で15万入力トークンを使用しますが、実際にすべてのコードを記述する必要があるため、12万出力トークンを使用します。コーディングでもコードを読んだり書いたりすべての作業を行うため、より多くの入力トークンを使用します。計画段階では一般的に、実際の実行段階よりもはるかに少ないトークンしか使用しません。では、Fableを使って計画を立てるとしましょう。10万入力トークンに100万入力トークンあたり10ドルを掛けると1ドルになります。次に2万出力トークンに100万出力あたり50ドルを掛けるとさらに1ドルになり、計画の総コストは2ドルになります。これを覚えておいてください。もしそのままFableを使ってコーディングを続けた場合、つまりコーディングを安価なモデルにオフロードしなかった場合を見てみましょう。比較のために、計画だけでなくコーディングもFableで行うとします。15万入力トークンに10を掛けて1.50ドル。次に12万出力トークンに50を掛けて6ドル。コーディングの総コストは7.50ドルになります。計画とコーディングのコストを合計すると、今構築したものの総コストは9.50ドルになります。では、そのコーディング、つまり実行段階を安価なモデルにオフロードし始めたらどうなるか見てみましょう。計画は引き続きFableで行うと仮定しますが、コーディングはより安価なモデルにオフロードします。15万入力トークンに2ドルを掛けて0.30ドルになります。12万出力トークンに6ドルを掛けて0.72ドルとなり、Fableでの7.50ドルに対し、コーディングの総コストは1.02ドルになります。仕様書による計画はすでに完了しているため、安価で能力は劣るもののコーディングには十分優れたモデルがやるべきことは、計画を見てコードを書くことだけであり、それは完全に可能です。さて、総コストは3.02ドルとなり、9.50ドルと比較すると6.48ドルの節約になります。約68パーセントの節約です。68パーセントの節約というのは驚異的です。このシンプルなアイデアを使うだけで、割り当てられたクォータをこれまでにないほど有効に活用できるようになります。すでにAPI利用料を支払っている場合でも、予算をかつてないほど長持ちさせることができるでしょう。
モデルルーティングの実践方法
しかし抽象的な話はこれくらいにしましょう。実際にこれをどのように実装し、実行するのでしょうか。お見せします。最初に紹介したい方法は、最も簡単ですが最も手作業が多い方法です。例えばOpenAIとClaudeの2つのサブスクリプションを持っているとします。計画にはFableを使用し、実際のコード記述にはGPT 5.5を使用したいとします。そこで私がやったことはこうです。Fableとやり取りをして、この機能を正確にどのようなものにしたいかを決定しました。これには非常に少ないトークンしか消費しません。そして最後に完全な仕様書を出力させました。これは私が構築したい機能が正確にどのように構築されるべきかを示す数百行に及ぶものです。では、それをどうしたのでしょうか。単純にコピーしました。これを構築してと入力し、仕様書を貼り付けました。完全な仕様書はここにあり、Fableが構築したであろう方法とまったく同じです。そして今度はGPT 5.5というはるかに安価なモデルに構築させます。この機能の構築全体にほぼ1時間を費やしました。その後はどうしたでしょうか。モデルがプルリクエストを作成したので、私はそのプルリクエストを受け取り、単純にFableに戻ってこのプルリクエストをレビューしてと指示しました。するとモデルはレビューを行い、いくつかのフィードバックを記述しました。それほど致命的なものではありませんでした。次に私はそのフィードバックをCodeexに貼り付けて戻し、これらの問題を修正してデプロイしてと指示しました。これが私のプロセスのすべてです。文字通りClaudeからCodeexへコピーアンドペーストし、それを往復させるだけで、おそらくクォータ使用量の60パーセント以上を節約できました。しかし、これをもっと簡単に行う方法があります。私が本当に素晴らしいと思ったのは、Claude Codeが実際にCodeexを呼び出すことができ、CodeexがClaude Codeを呼び出すことができるという事実です。お互いに内部から呼び出すことができるのです。私が開発した実際のスキルをお見せしましょう。非常に単純なものですが、基本的にはFableで計画を立て、実際のコード記述はCodeexとGPT 5.5に委任するという内容で、まさに今確認したことと同じです。これがそのスキルです。Fableが計画し、GPT 5.5を使用するCodeexが記述し、Claudeが検証するというように、実行方法が正確にマッピングされています。素晴らしいのは、CodeexにはCLI、つまりコマンドラインインターフェースがあることです。これは基本的に、Claudeが他のコードの断片と同じようにそれを実行できることを意味します。そのため、Codeexを使ってコードの記述を実行し、待機してコードを受け取り、それを実際の機能に統合するだけです。使う準備ができたら、コマンドでCodeexに実装を指示し、希望する機能を入力するだけで完了です。Fableで計画し、Codeexに委任してくれます。
サードパーティ製ツールによる自動ルーティング
さて、ClaudeやCodeexの他にも、モデルに依存しないエージェントコーディング環境があります。つまり、特定の最先端ラボに所有されていないツールです。これらのツールを使用する利点は、どのラボのモデルやオープンソースモデルでも使用できることです。基本的に好きなモデルを選ぶことができ、それがすべて1つのインターフェースにまとまっているのは非常に素晴らしいことです。そしてもう1つ重要なことがあります。Codeexを持つOpenAIやClaude Codeを持つAnthropicのような最先端ラボは、モデルルーティングを持っていません。彼らにはモデルルーティングを行うインセンティブが本当にないのです。なぜなら、彼らはあなたにFableを使ってほしい、最上位のモデルを使ってほしいと思っているからです。しかし、Cursor、Factory、Devinのようなサードパーティの環境はすべて、モデルルーティングに多くの時間を費やしてきました。なぜなら、それが彼らにとっての差別化要因だからです。彼らはより多くの種類のモデルを利用できるため、どのタスクをどのモデルに割り当てるかを選択するオプションが多くなります。例えばCursorにはオートモードがあります。それをオンにするだけで、タスクを適切なモデルにルーティングしてくれます。実際にどのようにルーティングされるかについてはあまり可視化されていませんが、かなり優れていると聞いています。実際、Cursorで最先端モデルを選択した場合、より簡単なタスクであると認識したものをComposer 2.5にルーティングすることがよくあります。Composer 2.5はCursor独自の自社開発による非常に優れたコーディングモデルです。ここでそれを見ることができます。私はFable 5のハイレベルを使用していますが、作業を委任する複数のサブエージェントが立ち上がり、それらのサブエージェントはComposer 2.5のファーストモデルを使用しています。これらは、さまざまなモデルをすべて1か所で使用したい場合や、コスト効率が重要視される場合に特に重要になります。もちろん、エンタープライズ企業であれば、これは極めて重要になります。また、Not Diamondのような企業もありますし、私は少額の投資家ですのでここで開示しておきます。彼らが行っているのはモデルルーティングのみです。彼らはこれを非常に上手く行っており、予算の大きいエンタープライズ企業にとっては素晴らしいことです。多額の費用を節約できるだけでなく、多くの場合、実際に高品質な結果を得ることができます。
コーディング以外の業務とエンタープライズでの活用
しかし、ここで重要なことがあります。モデルルーティングをコーディングだけのものと考えないでください。誰もがコーディングをしているわけではありません。Claude Co-workを使って、ドキュメントやExcelファイルを作成したり、ナレッジワークを行ったりしている方もいるでしょう。コーディングではない業務でも、どのモデルを選ぶべきかを考えるべきです。このボックスに表示されるものを常にそのまま使うのではなく、クリックして中を見て、それぞれのモデルが何を得意としているかを把握してください。非常に高速で安価なHaiku 4.5があります。もちろん能力は劣ります。少し安価で依然として非常に優れたSonnet 5もあります。そして、現時点では前世代のモデルになりますが、依然として非常に能力が高く、比較的価格設定の良いOpus 4.8もあります。そして最高峰であり最も高価なFableがあります。これらのモデルを知り、何が得意で、どこで能力が不足しているのか、どの種類のタスクがそれぞれに適しているのかを知ってください。単にデフォルトのままにしないでください。これはどれだけ強調してもしすぎることはありません。また、モデルのファミリーを選ぶだけでなく、ここにあるエフォートレベル、つまり思考レベルについても考えるべきです。Codeex、Claude、さらには直接ChatGPTを使用する場合でも、これらのプラットフォームにはすべてこの思考設定があり、低い思考から最大の思考まで設定できます。問題の核心として、その問題に対してより高い思考レベルを適用したいと思うでしょうが、ほとんどの問題に最大の思考は必要ありません。実際、デフォルトは高に設定されています。このコードをデプロイするといった単純なことを行う場合は、最も低い思考レベルで十分対応できます。ですから、モデルについて理解し、モデルファミリーについて理解し、思考レベルについて理解してください。最後にお話ししたいのは、規模を拡大するにつれてこれがどれほど重要になるかということです。もしあなたがエンタープライズ企業で、AIに月間数百万ドルの費用を費やしているとすれば、そのような方は非常に少ない割合かもしれませんが、この問題は考えるべきはるかに重要なことになります。Coinbaseのブライアン・アームストロング氏の例を見てみましょう。現在最もAIネイティブな企業の1つであるCoinbaseは、トークンの総使用量を示すこの黒いバーが増加し続けている一方で、実際のコストを示すここにあるバーは減少しているか、または横ばいになっていることを示しています。彼らがこれを実現できた方法は、まさに私がこの動画を通してお伝えしてきたこと、つまり適切なタスクを適切なモデルにルーティングすることです。彼らはGLM 5.2のような安価なオープンソースモデルさえも統合しています。この信じられないほど能力が高く、非常に効率的で安価なオープンソースモデルをコーディングタスクの大部分に使用し、実際の計画にはOpenAIやAnthropicの最先端モデルを使用しているのでしょう。彼らはさらに一歩踏み込んでいます。より優れたキャッシュ機能を持ち、コンテキスト管理を行い、デフォルトの設定、つまりデフォルトの思考エフォートをはるかに積極的に管理しています。それについてはまた別の動画でお話しするかもしれません。さて、モデルルーティングについてのすべてを知ったところで、その知識をすべて活かして、バイブコーディングを実践してみてください。私が話したのはそこまでです。
コメント