技術分析機関SemiAnalysisのテストで判明：Anthropicこそ最大の「慈善家」、ClaudeサブスクのAPI等価価値はOpenAIの5倍強…

AIサブスクリプションをベンダーからユーザーへのコンピュート補助金の支給と捉えるなら、今回のAnthropicはまさに「慈善家」のように見え、OpenAIはむしろ優遇措置を回収しにかかっている。

技術分析機関SemiAnalysisによるサブスクリプション検証テストによれば、主力モデルであるOpus 5.5とGPT-6.1 Solの比較において、同じ月額料金を支払った場合、Claudeが提供するAPI等価価値はOpenAIの約5倍強に達することが示された。API定価による換算を行わず、トークン総量だけで比較しても、Claudeのほうが明らかに多くの枠を提供している。（APIはプログラムからモデルを呼び出すインターフェース、トークンはモデルがテキストを処理する際の計算単位。）

フラッグシップモデルであるFable 5.1とGPT-6 Astraを比較すると、両社の単体での利用枠は近いものの、Claudeにはもう一段の余裕がある。事前に他のモデルで共有枠を消費していなければ、Fableを上限まで使い切っても、総利用枠の半分が残っており他のモデルを利用できる。一方、Astraで対応する利用枠を使い切ると、OpenAIのそのプランの利用枠プールは完全に底をついてしまう。

これと同時に、OpenAIは200ドルプランのトークン枠を約半分に削減し、新たに500ドルプランを投入した。月額料金は大幅に高くなったものの、1ドルあたりで購入できる分量は決して割安にはなっていない。

この分析が真に浮き彫りにしたのは、AIベンダーがサブスクリプションの補助金でユーザーを引きつける一方で、いかにしてその補助金を回収しようとしているかという実態である。Claudeは主力モデルにおいて依然として寛大に提供し続けているが、OpenAIはプランの総利用枠そのものに直接メスを入れた。

同じ200ドルを支払った場合、Claudeは実際にどれほど多く提供しているのか？

まずは両社が日常の主力として推進しているモデルを見てみよう。SemiAnalysisが設定したエージェントワークロードに基づき、利用枠を上限まで使い切った場合で換算すると次のようになる。

同じ月額料金でありながら、API等価価値には約5.6倍の開きがあり、総トークン数でも約2.8倍の差がある。20ドルプランおよび100ドルプランにおける主力モデル同士の比較でも、API等価価値の差は5倍強に達する。

「API等価価値」とは、サブスクリプション枠がカバーする呼び出し量を、同一モデルのAPI料金表に従ってすべて購入した場合、概ねいくら支払う必要があるかを示した金額と理解できる。これは現金化できる残高ではなく、ベンダーが実際に投じたコストそのものでもない。異なる種類のトークンにそれぞれの単価を掛け合わせ、合算したものである。

したがって、5.6倍という差の背景には2つの要因がある。Claudeが提供する分量自体が多いこと、そしてOpusのAPI定価がより高価であることだ。金額面だけを見るとこの2つの要素が混ざり合ってしまうが、トークン総量で見ても依然として大きな差があることから、今回の優位性が単に「定価が高いために換算額が見栄えするだけ」ではないことがわかる。

この一連のワークロードでは、トークンの約96.6%がキャッシュ読み取りである。エージェントがコードを実行し、エラーログを確認し、ファイルを修正する際、以前に読み込んだコードや対話を繰り返し含めることになる。キャッシュ機能によりモデルはこれら処理済みのコンテキストを再利用でき、重複読み取りのコストを抑えられる。古いコードを累計10回読み直したとしても、それは新しいコードを10倍書いたことと同義ではない。

したがって、この表が示しているのは、ヘビーなエージェント利用においてどれだけの呼び出し枠を確保できるかという点である。実際にどれだけ多くの作業をこなせるかは、同一タスクにおいてどちらがより優れた出力を出し、手戻りを減らせるかにかかっている。SemiAnalysisも、実際の業務におけるトークン効率を信頼性高く反映したデータが業界全体で不足していると指摘している。

同じプランなのに、チャットとエージェント実行でなぜこれほど差が出るのか？

これはプランに固定額面のドルクーポンが付帯しているわけではない。同じ200ドルのMax 20xプランであっても、モデルや使い方を変えるだけで、API等価価値は約2,500ドルから約12,500ドルへと大きく変動する。

Sonnetを例にとると、エージェント負荷での等価価値は約12,529ドルであるのに対し、チャット負荷では約7,009ドルとなる。Opusではそれぞれ約11,726ドルと9,200ドルである。一方、Fableはどちらの使い方でも約2,480ドル前後にとどまり、差はごくわずかである。モデルとワークロードの組み合わせによって結果は変動するため、「エージェントのほうが価値が高い」という結論をすべてのモデルに一律に当てはめることはできない。

その理由は2つの異なるレート体系にある。サブスクリプションではモデルやトークンの種類ごとに利用枠が差し引かれ、APIも種類ごとに課金されるが、両者の課金比率は完全に一致しているわけではない。エージェントは過去のコンテキストを繰り返し読み込むため、今回の試算ではキャッシュ読み取りが96.6%を占めている。これに対しチャット負荷ではキャッシュ読み取りが約75%で、生成出力の割合はエージェントの約0.3%から10%へと増加する。この構成比率が変わることで、同一の利用枠で支えられる呼び出しの組み合わせと、そのAPI換算価格も変動するのである。

フラッグシップモデルの枠は拮抗、しかし「使い切る」の意味合いが異なる

200ドルプランにおいて、Fable 5.1のAPI等価価値は約2,485ドル、Astraは約2,897ドルである。この行の数値だけを見れば、OpenAIのほうがやや上回っている。

100ドルプランでも拮抗しており、Astraが約1,322ドル、Fableが約1,273ドルである。一方、20ドルプランでは非対称となり、ChatGPT PlusにはAstraの利用枠が含まれているのに対し、Claude ProにはFableが含まれていない。そのため、高価格帯フラッグシップの比較を入門プランにそのまま当てはめることはできない。

肝心なのは、Fableの上限はClaudeの週間総利用枠の50%までしか消費できないという点だ。Fableを集中的に利用してこのフラッグシップ枠を使い切ったとしても、達したのはFable自体のサブ上限に過ぎず、残る半分の共有枠は依然としてOpusやSonnetに充てることができる。

これは、「フラッグシップは最大で半分までしか使えない」と規定された総利用枠プールと捉えることができる。フラッグシップの取り分を使い切ったからといって、プール全体が空になったわけではない。一方、Astraを対応するOpenAIプランで上限まで使い切ると、その共有利用枠プール全体が完全に枯渇してしまう。

残された「50%」は利用枠のシェア（割合）であり、さらに2,485ドル分が贈呈されるわけでも、同じ量のFableを引き続き利用できるわけでもない。他のモデルでは利用枠の控除レートが異なるほか、事前にOpusで共有プールを消費していた場合は、残りのシェアもそれだけ減少する。

複数のモデルを使い分けるユーザーにとって、この違いは極めて実用的である。難問はフラッグシップに任せ、日常的なコード修正やテストは主力モデルに任せるといった運用において、フラッグシップが上限に達してもまだ作業余力が残されている。前述の表で示したOpusの潤沢な提供枠という強みも、ここで真価を発揮する。

OpenAIの今回のメス：削られたのは従来の200ドルプランの優遇措置

SemiAnalysisが追跡した改定内容は、新旧プランの数値に直接反映されている。

Astraの分量および等価価値はいずれも約49%減少した。Solのトークン数は約48%減少したものの、API等価価値は約65%も低下している。後者にはGPT-6 SolからGPT-6.1 Solへの移行に伴うキャッシュAPIの値下げも重なっており、65%の減少すべてを利用枠の削減によるものとみなすことはできない。なお、既存ユーザーは一時的に従来の利用枠が維持され、新規契約ユーザーには新しい利用枠が直接適用される。

次に500ドルプランを見てみよう。月額料金は改定前の旧200ドルプランより150%高くなったにもかかわらず、Astraの分量は約21%しか増えていない。ここで比較しているのは改定前の旧200ドルプランである。すでに削減された新200ドルプランと比較すれば、当然ながら増加分はずっと大きく見えることになる。

Solにも別の対比が見られる。新500ドルプランのトークン数は約263億と、旧200ドルプランの196億に比べて約34%多いものの、API等価価値は約5,904ドルから5,386ドルへと約9%減少している。分量が増えているにもかかわらず価格基準がそれ以上に下がった形であり、等価価値を呼び出し量そのものと直接同一視できないことがここでも裏付けられている。

500ドルプランのもう一つのセールスポイントは、300 TPSの「Ultrafast」出力速度である。（TPSは1秒あたりに生成されるトークン数を指す。）結果をより迅速に得られることは有益かもしれないが、速度の価値は別個に評価すべきものであり、SemiAnalysisは当時この機能の利用制限についてテストを継続していた。

かつてのPro 200は、「上位プランを購入すれば1ドルあたりの利用量もさらに多くなる」という優遇プランだった。改定後、Pro 100、200、500における同一モデルの1ドルあたりトークン数はほぼ横並びとなった。追加の料金を支払う主な意味は、より多くの総量を確保するか速度を買うことであり、利用単価を割安にすることではなくなった。Claudeの各サブスクリプションプランにおける1ドルあたりの価値も元々拮抗していたが、主力モデルに対する補助金の度合いは依然としてはるかに手厚い。

1ドルあたりの価値を示すグラフを見る際、横軸は1ドルあたりのトークン数であり、右に行くほど分量が多くなる。縦軸はAPI等価価値を月額料金で割った値であり、上に行くほど従量課金で購入した際の名目上の割引率が大きくなる。横軸には対数目盛が採用されており、同じ距離が倍率の変化を表しているため、視覚的な距離を等量差とみなしてはならない。

Plusプランについてもモデルごとに分けて見る必要がある。Solの1ドルあたり価値はProプランに近いが、Astraは低めである。以前はAstraのPro 100における1ドルあたり価値はPlusの約2倍であり、旧Pro 200はさらにPro 100の約2倍に達していた。この高価格帯における多重の優遇措置が、今回回収された形となる。

両社の比較グラフにおいて、SonnetとOpusのAPI等価価値は月額料金の約57〜63倍、OpenAIのSolは約10〜11倍である。一方、Fableは約12〜13倍にとどまり、Astraの約13〜15倍と近い水準にある。同一ベンダー内であってもモデルによって補助金の水準は異なっており、主力モデルの優位性をすべてのモデルで圧倒しているかのように一般化することはできない。

OpenAI側にも見逃せない利点がある。そのProプランには「5時間制限」が存在しない点だ。Claudeの場合、週間利用枠に残余があっても、短時間の利用制限に先に引っかかる可能性がある。集中的に連続してタスクを実行する必要がある人にとって、「総量が多いこと」と「今この数時間で実際に使えるか」は別問題である。総利用枠の多寡だけで誰もがプランを一概に選べないのは、まさにこのためだ。

コンピュート能力の4割を占めながら収益は1割、なぜベンダーは提供し続けるのか？

ユーザーがサブスクリプションをお得だと感じる裏で、ベンダーは従量課金によって得られたはずの多大な収益余地を手放している。

SemiAnalysisによるAnthropicの大まかな試算は非常に直感的だ。サブスクリプションは推論コンピュート能力の約41.7%を占有しながら、収益への貢献度は約10%に過ぎない。一方、APIはコンピュート能力の約58.3%を占有し、収益の約90%をもたらしている。

この試算において、サブスクリプションはコンピュート能力1メガワットあたり約1,600万ドルの収益をもたらすのに対し、APIは約1億290万ドル（1.029億ドル）をもたらす。同一のコンピュート資源であっても、API事業に投じたほうがはるかに多くの資金を回収できる。

両事業を合算すると1メガワットあたりの収益は約6,670万ドルとなり、純粋なAPI事業の数値より約3,620万ドル少なくなる。これはコンピュート能力が収益効率の異なる事業に配分された結果であって、すでに3,620万ドルの損失を出したという意味ではない。

このことは、サブスクリプションが収益効率を押し下げる理由と、ベンダーが利用枠に神経を尖らせる理由を説明している。しかし、それは「すべてのサブスクリプションが大赤字である」ことを意味するわけではない。このグラフの試算では、サブスクリプションの粗利益率は依然として約50%を維持しており、APIの約92.2%より大幅に低いというだけである。多額の補助金を出して大幅に利益を削っていることと、事業全体が赤字に陥っていることとは結論が異なる。

ベンダーがあえてこれを受け入れているのは、低廉な月額料金で試行錯誤できる入り口を提供することで、開発者や中小企業がモデルの利用を開始し、日常の業務に組み込みやすくするためである。サブスクリプションは単なる呼び出し課金にとどまらず、顧客獲得とプロモーションを兼ねている。まずはユーザーに利用習慣を定着させ、その後にユーザーあたりの収支を改善していくことこそが、こうした利用制限改定の背後にあるビジネスの論理である。

SemiAnalysisはさらに、かつてCodexの導入が拡大した一因として、OpenAIによる手厚い利用枠リセットを挙げている。同機関は、こうした競争圧力がAnthropicにサブスクリプションの優遇削減計画を撤回させた経緯もあるとみている。これは市場競争の影響に対する同機関の見立てであり、補助金の価値を1回ごとの呼び出しの損益だけで測れない理由を物語っている。枠をわずかに削ることでコンピュート能力を節約できたとしても、ユーザーと評判を失うリスクがあるためだ。

両社とも補助金を減らしたいが、メスを入れる箇所が異なる

Anthropicの手法は、より高性能で高価なフラッグシップモデルの割り当て枠を厳格に絞り込むことである。SonnetとOpusはAPI定価換算での補助金倍率が極めて高いが、Fableになるとその倍率は著しく低下する。

フラッグシップは1回の呼び出しコストが高いものの、ユーザーが利用できる総量も少なく制限される。割り当てを十分に絞り込めば、フラッグシッププランのほうが主力モデルの緩やかな利用枠よりも高い利益を上げることが可能になる。

SemiAnalysisは「API粗利益率92%」という前提に基づき、Max 20xにおける2つの利用シナリオを試算している。

これらはシナリオ別の試算であり、20%という数値も想定利用率であって実測されたユーザー平均値ではない。Opusを例にとると、11,726ドルのAPI等価価値は、API粗利益率92%の前提のもとで約938ドルのサービス原価に相当する。これを上限まで使い切られた場合、200ドルの月額料金ではコストを賄えない。利用が2割にとどまれば原価は約188ドルとなり、粗利益率は約6%へと回復する。

Fableの利用可能枠はさらに厳しく制限されており、同様に計算すると2割の利用率での原価は約40ドルとなり、約80%の粗利益率に対応する。Fableのほうが高性能で高価でありながら、サブスクリプションの粗利益率が高くなり得るのは、割り当て枠が厳しく補助金が少ないためである。モデル単体のコストだけに目を奪われてはならない。

この一連の試算にはもう一つ極めて重要な分岐点がある。Max 20xにおけるOpusは約21%の利用枠を消費した時点で損益分岐点に達し、Sonnetは約20%で達する。これに対し、Fableはそのサブ枠（専用枠）を使い切ってもなお損益分岐点付近にとどまる。このことは、ベンダーの利益がユーザーが実際に消費する利用枠の割合に大きく依存していることを示している。

なお、Fableの列はFable専用のサブ枠のみを計算したものである。残る半分の共有プールをOpusで消費した場合、サービス原価はさらに増加するため、80%という数値をそのユーザーの契約全体における実際の粗利益率と短絡的にみなすことはできない。

同一の前提条件のもとで、改定後のOpenAI Pro 200においてSolを上限まで使い切った場合の推定粗利益率は約17%、Astraを上限まで使い切った場合は約−16%となる。利用可能な総量を抑え込むことで、ベンダーはヘビーユーザーがもたらすコストリスクを抑制できる。

新Pro 200におけるAstraは約86%の利用枠を消費して初めて損益分岐点に達する。Opusの約21%という分岐点と比較すると、OpenAIはヘビーな利用に対するコストバッファをはるかに大きく確保している。ここで対比しているのは同一のコスト仮定に基づくシナリオであり、両社が開示した実際のサブスクリプション粗利益率ではない。

Anthropicはフラッグシップモデルと主力モデルの間で利用枠の配分を調整することで段階的に補助金を回収している。これに対し、OpenAIは旧200ドルプランの総利用枠を直接約半分に削減した。ユーザー視点では、前者は「高性能モデルは厳格に絞られるが日常モデルは依然として多く使える」形であり、後者は「同じ月額料金なのに使える総量が突如として大幅に減った」形として現れる。

もっとも、これはClaudeが今日の補助金水準を永久に維持することを意味するわけではない。SemiAnalysisは、Anthropicが今後Opusのサービス原価をさらに引き下げれば、主力モデルにおける寛大な利用枠はより維持しやすくなると予測している。一方で、より上位の新たなフラッグシップについてはさらに厳しい制限が課されるか、そもそもサブスクリプションに含まれなくなる可能性もあるとみている。これは将来のプロダクト階層化に対する同機関の推測であり、公式に発表された方針ではない。

OpenAIによる今回の利用枠削減が強い反発を招かなかった点について、同機関は、発表イベントにおける前向きなニュースと、既存ユーザーに従来の利用枠が一時的に据え置かれたことがクッションの役割を果たしたと推測している。これは反発の表面化が遅れている理由を説明し得るものではあるが、同社が枠削減を覆い隠すために意図的に発表会を利用したと断定する根拠にはならない。

APIが値下げされたのに、サブスク会員の利用枠はなぜ自動で増えないのか？

ベンダーはもう一つ、見落とされがちな物差しを持っている。それがAPI料金表だ。

APIの値下げは、プログラムによる従量課金呼び出しがより安価になることを意味する。しかし、サブスクリプションでどれだけ追加で利用できるかは、別の利用枠控除ルールによって決定される。この2つのルールを必ず連動させて改定するという約束はどこにも存在しない。

Opus 5.5はその典型例である。グラフにおいて、そのエージェント混合API単価は約46%低下し、Claude Max 20xのトークン枠は約25%増加したものの、API等価価値は約32%低下している。ユーザーが実際に手にする分量は増加した。しかし、APIで同量の呼び出しを購入するコストも安くなったため、サブスクリプションから換算される「いくらの価値があるか」という名目値はむしろ目減りしたのである。

同一モデルであってもプランによって追加された枠の割合は異なる。Claude ProにおけるOpusの利用枠は約51%増加したがAPI等価価値は約18%低下、Max 5xでは利用枠が約20%増で等価価値は約35%低下した。FableのMaxプランにおける枠の増加はわずか約1〜4%にとどまり等価価値は約46〜47%低下、Pro 200におけるSolの枠増加は約5%で等価価値は約28%低下している。

FableとSolの各新バージョンにおけるトークン枠の微増も、APIの値下げ幅を相殺するには至らなかった。したがって、「API等価価値の目減り」は、提供量が減らされたことによる場合もあれば、定価が下がったことによる場合もあり、その両方が同時に起きている場合もある。OpenAIの新旧200ドルプランの比較は、まさにこの2つの変化が重なり合ったケースである。

サブスクリプションのバックエンドルールは、プラン名や月額料金が一切変わっていなくても調整されることすらある。SemiAnalysisがある匿名のベンダーが提供する同一プランの3つのアカウントをテストしたところ、そのうち1つの利用枠が約20%低かった。ベンダーに問い合わせた結果、小規模な利用制限のA/Bテストの対象となっていたことが確認された。

これが、同機関が継続的な測定を実施している理由でもある。サブスクリプションにおける「100%の利用枠」は、恒久的に固定されたトークン数に対応しているわけではない。ベンダーが特定のモデルやトークン種別の控除レートを変更すれば、実際に利用できる分量も変動してしまう。

中国産モデルのプランも補助金を出しているが、平均値の裏には大きな格差が存在する

公開されたグラフではMiniMax、Z.ai、Moonshotの比較も行われている。各モデルのAPI定価で換算すると、MiniMax M3は月額料金の約19〜24倍、GLM 5.3は約8〜12倍、Kimi K3は約2.5〜6.7倍となっている。

したがって、「中国産プランの平均補助金はどれくらいか」と問うよりも、「具体的にどのモデルの、どの価格帯か」を確認するほうが的を射ている。これらのプラン全体として上位プランほど1ドルあたりの価値が高くなる傾向はあるものの、すべての価格帯で厳密に逓増しているわけではない。API価格が元々安価なモデルは、たとえ提供されるトークン数が膨大であっても、換算される倍率は低くなる可能性がある。

MiniMaxのMaxプランは月額55ドルで等価価値は約1,305ドル（23.7倍）、Ultraプランは月額132ドルで等価価値は約3,088ドル（23.4倍）である。高額プランほど提供される総量は増えるものの、1ドルあたりの割引率はそれ以上向上していない。これに対してGLM 5.3はLiteの約7.7倍からMaxの約11.6倍へと上昇し、KimiはPlusの約2.5倍からUltraの約6.7倍へと上昇しており、ベンダーごとに階段状の設計は異なっている。

GLM Flashはとりわけ「トークン数が多いこと」と「補助金倍率が高いこと」が同義ではないことを如実に示している。同じ168ドルのMaxプランにおいて、GLM 5.3は約63億トークン・1,942ドル相当であるのに対し、Flashは約191億トークン・336ドル相当である。Flashははるかに多くのトークンを提供しているが、そのAPI自体が極めて安価であるため、等価倍率は約2倍にとどまる。正規化されたグラフ上で、このモデルが左下ではなく右下にプロットされているのはそのためである。（このベンダー横断比較図の縦横軸はともに対数目盛。）

これらの数値は、それぞれのプランが自社のAPI定価と比較してどれほど優遇されているかを比較したものである。別のモデルに移行した際に、実際にタスクを完遂できるか、何ターンの呼び出しを要するかについては、別途検証する必要がある。

バックエンドの料金表が見えない中で、これらの利用枠はどのように測定されたのか？

SemiAnalysisが測定したのは「何通のメッセージを送信できたか」ではなく、トークンの種類ごとにサブスクリプションの使用量メーターがどれだけ進むかである。同機関はモデル、プラン、プロモーション、ワークロードを継続的に追跡している。プラン名が同じであっても、バックエンドでの利用枠控除レートが変更されている可能性があるためだ。

第1段階として、新規入力、キャッシュ書き込み、キャッシュ読み取り、生成出力を個別に測定した。新規入力のテストではキャッシュヒットを防ぐために毎回ランダムなプレフィックスを変更し、書き込み実験ではその上でキャッシュマーキングを施した。読み取り実験ではプレフィックスを固定し、1巡目で書き込みを行った上で以降は繰り返し読み取りを実行した。入力系の実験には『戦争と平和』のテキスト抜粋を用い、回答の長さは極力抑えた。一方、出力実験では短いプロンプトを用いて長文の技術記事を生成させた。実際のリクエストには常に少量の他種別トークンが混入するため、テストではそれらの消費分を差し引いて補正している。

第2段階として、使用量メーターの丸め誤差を処理した。メーターの読み取りはリクエスト完了時に行われるため、実際の消費量は1%の閾値を跨いだ直後かもしれないし、すでに大幅に跨いでいるかもしれない。したがって、メーターが1目盛り進んだ特定の読み取り結果だけを正確なレートとみなすことはできない。元図では「1回あたり8Kトークン、実際には約21Kトークンで1%消費」を例として示している。個別の観測ステップは16Kや24Kとして現れる可能性があり、複数ステップを平均化して初めて実際の比率に近づく。テストでは最初と最後の不完全なステップを除外した上で完全なステップ数を増やし、測定区間のブレが約±5%以内に収まるまで試行を重ねた。なお、キャッシュトークンを5億個読み取ってもメーターが進まなかった場合、キャッシュ読み取りは無料として処理している。これは測定上の仮定であり、ベンダーが恒久的な無料を約束したわけではない。

第3段階として、短時間枠、全モデルの週間総枠、そしてフラッグシップのサブ枠を同時に観測した。Fableの新規入力における元図の例では、100万トークンごとに5時間枠の約3.3%、全モデル週間枠の約0.88%、Fable週間枠の約1.76%が消費された。ここから逆算すると、収容可能な分量はそれぞれ約3,000万、1億1,300万、5,700万トークンとなる。

これら3つの数値を単純に足し合わせることはできない。短時間のメーターがリセットされても週間メーターは蓄積され続け、フラッグシップのメーターが上限に達すればフラッグシップの利用も停止されるためだ。したがって、5時間ごとの枠を無制限に掛け算して月間利用枠を推計することはできない。グラフでは1ヶ月を約4.345週とし、Fableの週間入力5,700万トークンを基に換算して、月間約2億4,700万の入力トークンという値を導き出している。これは入力種別を単独で測定した例であり、前述のキャッシュ読み取りが大量に混ざった総トークン数とは異なる数値である。

最後に、指定されたワークロードに基づいて4つの利用枠控除レートを合成し、API価格を乗算した。Opusの例では、月額200ドルの料金を按分された混合プラン原価（約0.00699ドル/100万トークン）で割ることで約286億トークンが算出される。これを同一比率の混合API価格（約0.4099ドル/100万トークン）で評価することで、約11,726ドルという値が導かれる。サブスクリプションの利用枠控除ルールとAPI料金表との比率こそが、この優遇の大きさを決定づけているのである。

コンテキスト長についても比較可能性を維持する必要がある。一部のモデルでは特定のコンテキスト長を超えるとAPI価格が高額になるため、テストではリクエストを高額化の閾値未満にコントロールした。長文コンテキストの高い定価を短いコンテキストの呼び出しの評価に流用することはできないためだ。元のAPIスクリーンショットには短いコンテキストと長いコンテキストの2つの価格体系が示されており、これこそが比較を行う上で固定すべき前提条件となる。

利用枠の測定と換算に関する7枚の元図を見る

翻って自身の月額料金を考えるとき、もしOpusを常用してヘビーなエージェント業務を実行し、その利用枠の相当部分を使い切ることができるなら、このテスト結果は極めて明確な判断を下している。すなわち、Claudeの主力モデルのサブスクリプションは、依然としてはるかに手厚いコンピュート補助金である。もしフラッグシップしか使わない場合や、連続稼働における短時間の制限や出力速度を最も重視する場合は、Fableのサブ制限や、OpenAI Proの利用ペースおよび出力速度を併せて考慮に入れる必要がある。

理論上の等価価値を「すでに節約できた金額」とみなすよりも、自身が頻繁に行うタスクの完了状況や手戻り時間を記録し、キャッシュが真にヒットしているか（中国語）を確認するほうがはるかに有益である。ベンダーがどのように補助金を提供し、どのようにそれを回収しようとしているかを理解すれば、自分が支払っている対価が「モデルの能力」なのか、「利用可能な総量」なのか、あるいは「待ち時間の短縮」なのかを冷静に見極められるようになるはずだ。