OpenRouterの賢い使い方 — ランキング実データが教える「モデルを1つに決めない」戦略

結論から。OpenRouterを賢く使うとは「最強モデルを当てるゲーム」をやめて、「どの仕事にどのモデルで十分か」を設計すること。 根拠は OpenRouter が公開しているランキングの実利用データ。世界中の開発者が自分の財布で投票した結果が、そのままお手本になっている。

経営層向けに一言で言えばこう。同じ成果のまま、AIの利用コストを 1/5 〜 1/120 に落とす「モデルの使い分け」が、世界の開発者がもう始めている当たり前になっている、という話。技術の話に聞こえるが、中身は「高い部材を全部に使わず、必要な箇所にだけ使う」調達の話だ。数字の根拠は本文の価格表に全部出してある。なお最安の「量の層」は中国製モデルになるため、データをどこへ送れるかは企業ごとに規約が先に立つ。その進め方は末尾のエンタープライズ編に分離した。

僕自身、teai.io で複数モデルをルーティングする側の人間なので、このデータは毎週見ている。今回は 2026-09-07 時点の数字で整理する。

1. データ: 実利用で勝っているのは「安くて速い」モデル

週間トークン処理量トップ5(OpenRouter Rankings、CC BY 4.0):

トップ5のうち4つが中国企業。トークン数は冗長なモデルが有利になるので、リクエスト数ベースの著者別シェアも見る:

Anthropic は 2.9%。ベンチマークや話題性では常に主役級だが、リクエスト数では中国のオープン/格安モデル勢の足元にも及ばない。

これは「Claude が劣っている」という話ではない。大半の処理は格安モデルで十分だと、世界の開発者が実務で判断しているということ。

ただし一つ注意。これは OpenRouter 経由のシェアで、LLM 市場全体のシェアではない。Claude 利用者の多くは Anthropic 直 API・Bedrock・Vertex に流れているし、Claude Code も既定では Anthropic 直結。ここで読めるのは「複数モデルを比較検討して選ぶ層の選択」であって、Anthropic の実需そのものではない。だからこそ、この層の選択は「使い分けのお手本」として読む価値がある。

(用語: トークン = LLM が文字を数える単位。100万トークンは日本語で約70万字、文庫本7冊分くらい。)

2. なぜそうなるか: 出力で最大278倍、入れ替えて送れば769回分

OpenRouter の models API から取った実価格(2026-09-09、100万トークンあたり USD):

DeepSeek V4 Flash と Claude Fable 5.1 は入力で 154倍、出力で 278倍の価格差(ざっくり言えば「Claude の出力1回分の値段で、DeepSeek の入力を 769 回送れる」)。要約・分類・抽出のような「答えがほぼ決まっている仕事」でこの差を払う理由はない。

具体例。1日100万トークン(入力7割・出力3割)の要約処理を30日回すと:

• DeepSeek V4 Flash: (0.7×$0.065 + 0.3×$0.18)×30 = 月 約$3
• Claude Fable 5.1: (0.7×$10 + 0.3×$50)×30 = 月 $660

同じ仕事で年間 約$7,900 の差。これが「ランキングの答え」の正体。

3. 賢い使い方: 3層に分ける

ランキングの構造をそのまま真似すればいい。

原則: 8〜9割のリクエストを「量の層」に落とし、上位モデルは「間違えたら損する場面」に限定する。

僕の場合、teai.io の裏側で走るエージェントは、ファイル探索・要約・ログ整形を格安モデル、設計判断や対外文書だけ上位モデルに振っている。上の価格表で計算すると、トークンの8割を量の層(DeepSeek V4 Flash)に落とせば、全部 Claude Fable 5.1 の場合の $22/日 が $4.5/日(0.8×$0.10 + 0.2×$22)になる。約1/5。残り2割も実務の層(GPT-5.6 Luna)に落とせば $0.18/日、約1/120。自分の請求額の月次実測比較はまだ出していないので、ここは計算値。

移す前の手順は一つだけ。「低」タグの実リクエストから層別に30〜50件を無作為抽出し、正解(人手 or 上位モデルの出力)を事前に決めて格安モデルで再実行し、完全一致率を測る。9割以上なら「量の層」へ、8割以下なら「実務の層」に留める。評価セットは固定して2週間使い回し、回帰を見る。これをやらずに一斉移行するのが一番よくある事故。初回セットアップは半日程度。

4. OpenRouter 固有の機能を使い切る

同じ3層戦略を自前でやると、各社のAPIキー管理・請求・SDK差異で疲弊する。OpenRouter を使う理由はここ。

• モデルIDを変えるだけで切替: deepseek/deepseek-v4-flash-0731 → anthropic/claude-fable-5.1 の1行変更。すべて OpenAI 互換形式
• フォールバック: リクエストの models: [...] に候補を並べると、第一候補が落ちたら次へ自動で流れる。1社の障害でサービスが止まらない
• プロバイダ自動ルーティング: 同じモデルでも複数の推論プロバイダから価格・速度・稼働率で最適な提供元を選んでくれる。provider: {"sort": "price"} で最安優先にもできる
• データ利用の制御: provider: {"data_collection": "deny"} で、入力を学習に使うプロバイダを除外できる。特定国のプロバイダや自社のデータ規約・ZDR(ゼロデータ保持)要件に合わない提供元は provider.ignore / provider.order で除外・順序指定できる。エンタープライズ契約(DPA・SOC2・ZDR)が必要な場合は後述の付録を参照
• 無料枠(:free)で試す: MiniMax M3 や Nemotron 3 Ultra の無料版が週5T・3.7T トークン使われている。手順は、モデルID末尾に :free を付けて同一プロンプトを流し、応答品質と分単位のレート制限上限を確認すること。ただし無料版はレート制限が厳しく、データ利用条件も提供元ごとに違うので、本番移行前に有料版の規約を読む
• 1つの請求書・モデル別コスト可視化: 「どこに金が溶けているか」がダッシュボードで即分かる

最小コード例(Python、OpenAI SDK)

import os
from openai import OpenAI
client = OpenAI(base_url="https://openrouter.ai/api/v1", api_key=os.environ["OPENROUTER_API_KEY"])

# 層ごとに「本命」と「同じ層の退避先」を決める。質の層の退避先を量の層にしない。
MODELS = {
    "bulk":     ["deepseek/deepseek-v4-flash-0731", "z-ai/glm-5.3-flash"],
    "work":     ["openai/gpt-5.6-luna", "z-ai/glm-5.3"],
    "critical": ["anthropic/claude-fable-5.1", "openai/gpt-6-astra"],
}

def ask(task_level: str, messages: list):
    primary, *fallback = MODELS[task_level]
    return client.chat.completions.create(
        model=primary,
        messages=messages,
        extra_body={
            "models": [primary, *fallback],              # 本命が落ちたら同じ層へ
            "provider": {"data_collection": "deny"},     # 学習利用するプロバイダを除外
        },
    )

呼び出し側は ask("bulk", ...) のように「間違えたら困る度」だけ指定する。モデル名は1か所に集約されるので、来週ランキングが動いても差し替えは1行。

5. やりがちな失敗

1. 一番賢いモデルを全部に使う — 月末請求で後悔する。分類や要約に最上位モデルを使うのは、宅配便をタクシーで送るのと同じ
2. 一番安いモデルを全部に使う — 設計判断や対外文書で品質事故を起こし、手戻りコストの方が高くつく
3. 新モデルに即乗り換え — 今週の急上昇は Gemini 3.8 Flash(1.34T)、Muse Spark 1.3(1.12T)など新顔ばかり。数週間は評価が定まらない。プレビュー版は「量の層」で試してから昇格させる
4. プロンプトをモデル固定で書く — モデル間で癖が違う。共通部分と個別チューニングを分けておくと切替コストが激減する
5. 無料版を本番に載せる — レート制限で止まる。無料版は評価専用と割り切る

6. 今日からできる3ステップ

1. 全リクエストをログに残し、「間違えたら困る度」でタグ付けする(高/中/低)。1日分あれば十分
2. 「低」を格安モデルへ一斉移行。週間ランキング上位かつ前週比が安定しているモデルを選ぶ(DeepSeek V4 Flash 0731 は +1% で安定、Hy4 preview の +326% は急伸中なので様子見)
3. 「高」だけ上位モデルに残し、フォールバックを設定。障害耐性とコスト削減が同時に手に入る

おまけ: トラフィックの主犯はコーディングエージェント

週間アプリランキングは Hermes Agent 12.3T、Claude Code 5.19T、Kilo Code 3.11T、Cline 2.97T。上位はほぼ全部コーディング/自律エージェント系。OpenRouter 経由のトラフィックは「チャット」より「エージェントの裏側」が支えている。 自分のエージェントのモデル設定を見直すだけで、この記事の効果はほぼ全部取れる。

付録: エンタープライズ編(ZDR・データ規約・稟議の進め方)

ここまでの推奨は「コスト感応の開発者」向け。社内稟議を通して本番導入したい場合は、前提が変わる。この節の主推奨(DeepSeek 等の中国製モデル)は、多くの企業で規制・調達・ZDR(ゼロデータ保持)要件から最初の段階で除外される。それを踏まえた進め方。

最初に決めるのは「データをどこへ送るか」であってモデルではない

技術選定より先に、以下を決める。

1. 扱うデータの分類: 個人情報・秘密情報・ソースコード・公開データのどれか。分類ごとに送信先の制約が変わる
2. 規約要件: ZDR(ゼロデータ保持)・DPA・SOC2、およびデータの学習利用可否。OpenRouter では provider: {"data_collection": "deny"} で学習利用する提供元を除外できる
3. 地域・サプライヤー制約: 特定国のプロバイダが禁止 or 要承認なら、provider.ignore で除外し、provider.order で許可された提供元だけに絞る

エンタープライズでは「量の層」の候補が変わる

個人開発者なら量の層は DeepSeek/GLM でよいが、企業では許可済みプロバイダ(例: 米国/欧州拠点・Azure/Vertex/Bedrock 系・:extended 相当の保持契約)の中から量の層を選ぶ。価格は上がるが、「同じ層分けの設計」は生きる。安い順に:

• 量の層 = 許可済みプロバイダで提供される安価モデル
• 実務の層 = GPT-5.6 Luna / GLM 5.3(許可されれば)
• 質の層 = Claude Fable 5.1 / GPT-6 Astra(エンタープライズ契約あり)

制約下で生き残る数字の目安: 本文の最安構成(1日100万トークン、月$3〜$0.18)は DeepSeek/GLM 前提なので、そのままは使えない。許可済みの米欧拠点・エンタープライズ契約モデル(概算 入力 $1〜$2 / 出力 $4〜$8、100万トークンあたり)に置き換えると、全部 Claude($660/月)と比べて月 $60〜$115、約1/6〜1/12に縮む。1/5〜1/120 ほど劇的ではないが、それでも稟議・CFO に提示できる削減幅になる。この数字は 2026-09 時点の概算なので、導入時に許可済みプロバイダの実価格で再計算してほしい。

部分移行が現実的

すでに Anthropic 直 API / Bedrock / Vertex で動いている場合は、全面移行より**「質の層は直結のまま、量の層だけ OpenRouter に出す」部分移行**が現実的。移行前にリトライ・レイテンシ・フォールバック実装の工数を見積もる。

稟議に出すときの証跡

• 送信先プロバイダ一覧と、それぞれのデータ保持・学習利用・地域
• provider.ignore / data_collection: deny を効かせた設定のスナップショット
• 量の層に移す前の「一致率評価」の結果(前節の手順で実施した記録)

※エンタープライズ契約・ZDR・規約の詳細は各プロバイダ/OpenRouter の最新文書を導入時に必ず確認してほしい。ここは 2026-09 時点の概念整理であり、特定の契約内容を保証するものではない。

まとめ

• 実利用では中国製オープン/格安モデルが量的に支配的(トークン・リクエスト両面)
• 価格差は出力で最大 278倍(DeepSeek V4 Flash $0.18 vs Claude Fable 5.1 $50)。大半の仕事にこの差を払う理由はない
• ただし OpenRouter のシェアは市場全体ではない。読むべきは「比較して選ぶ層」の判断
• 8〜9割を量の層、要所だけ質の層。OpenRouter はこれを1つのAPIで実現するための道具
• ランキングは「品質」でなく「採用」の指標(OpenRouter 自身も明記)。ただし採用は価格と実用性への正直な投票
• 企業で稟議を通す場合は付録「エンタープライズ編」を。量の層の候補は変わるが、層分けの設計はそのまま生きる
• この3層ルーティングを、自分は teai.io で日々回している。同じ発想で複数モデルを1つのAPIから使いたい人は覗いてみてほしい

※データ: OpenRouter Rankings(CC BY 4.0)、利用データ 2026-09-07 まで。価格は OpenRouter models API(GET https://openrouter.ai/api/v1/models)から 2026-09-09 に取得。ランキングの生データは OpenRouter の Data API で誰でも再取得できる。モデル順位・価格は週単位で動くので、導入時に最新を確認してほしい。