モデル依存をどこまで許すか — Anthropic上場後の調達設計

2026年10月26日にAnthropicがS-1を提出し、11月2日の修正版で第3四半期の数字と、計算資源の支出約束が開示されました。上場そのものより、この2つの開示が実務に効きます。モデルの原価と、ベンダーが将来どれだけ払う約束をしているかが見えると、価格と提供条件の読み方が変わります。

本記事は、モデルを選ぶ側の設計の話です。特定ベンダーを薦める記事ではありません。公開された数字を前提に、依存をどこまで許すか、替えられる形をどう作るかを整理します。

結論から書きます。単価比較では足りません。替えられる形（抽象化・評価・記録）を作ったうえで、業務ごとに許容する依存の深さを決める。これが実務的な答えになります。

数字を先に置く

開示された数字は次のとおりです。2026年第3四半期の売上高169億5,600万ドル（前年同期の約12.3倍、前四半期比+47%）。営業損益は5億6,700万ドルの赤字で、前四半期の9億7,400万ドルの黒字から赤字に転じました。1〜9月の累計売上は332億4,200万ドル、営業損失は12億6,000万ドルです。

計算資源・リース等の将来の支出約束は総額約8,954億ドル。うち約4,475億ドルが2030年末まで、残りの大半が2031〜2045年。直近12カ月の支払予定は約698億ドル、約2,138億ドルは条件付きで解約可能です。手元資金は1,318億ドル。上位5顧客で売上の約25%、年間1,000万ドル以上の顧客は約250社。

3つ目の数字（解約可能分）を除いても、売上の桁と支出約束の桁が2つ違います。これは値下げ余地が小さいという話ではなく、値下げをすると約束の返済が苦しくなるという話です。

単価だけで比べると間違える

2026年11月時点の公開単価（100万トークンあたり、入力/出力）を並べます。

• Claude Opus 5: $5 / $25（Claude Fable 5.1 は $10 / $50、Sonnet 5 は $2 / $10）
• DeepSeek V4 Pro: $0.66 / $1.98（オフピーク時。ピークは倍で $1.32 / $3.96）
• DeepSeek Flash: $0.15 / $0.60（オフピーク。キャッシュヒット時は入力 $0.003）
• PLaMo 3.0（国産・料金公開）: 入力60円 / 出力250円（Standardプラン）

Opus 5とDeepSeek V4 Proを比べると、入力で約7.6倍、出力で約12.6倍。Flashと比べればさらに開きます。ただしこの比較は、同じ品質であることが前提です。実際には、長い文脈、道具の呼び出し、指示追従、日本語の業務文書、障害時のサポートで差が出ます。

単価で判断すると、安いモデルで品質が足りず、上位モデルに戻す。この往復で、評価にかけた時間のほうが高くつきます。比較は「単価 × 必要トークン数 × 試行回数」＋「品質不足で人が直す時間」で行います。

もう1つ、キャッシュの扱いで効いてきます。DeepSeekのキャッシュヒット時の入力単価は$0.003で、Claudeの$0.25〜$0.50（モデルにより0.1倍）とは桁が違います。同じ文脈を何度も読ませる設計（長い指示、社内文書、会話履歴）では、ここが総額を決めます。

囲い込みの正体は、実行環境

フロンティアモデルの会社がエージェント機能に力を入れるのは、モデルの差別化が長く続かないからです。差別化を、実行環境・手順・権限・記録の側に移しています。

乗り換えコストは、APIキーの差し替えから、次の3つに移ります。手順（ツール定義とプロンプトの連鎖）、権限（エージェントに渡した認可）、記録（監査用のログ形式）。ここがベンダー固有の形になると、モデルを替えるだけでなく、運用を作り直すことになります。

だから設計の争点は「どのモデルが賢いか」ではなく「手順・権限・記録を、モデルから独立させられるか」になります。

依存を薄くする4つの層

実装は4つの層に分けて考えます。下に行くほど替えやすく、上に行くほど替えにくい。

1. モデルIF: 呼び出しを1つの内部APIに寄せ、モデル名・パラメータ・ツール定義を設定で差し替える（プロバイダ差分はここだけに閉じる）
2. 手順: ツール定義とプロンプトを、ベンダー固有の記法ではなく自前の定義（YAML/JSON）から生成する
3. 権限: エージェントに渡す認可を自社のID基盤側で発行し、ベンダー側の仕組みに依存させない
4. 記録: 入出力・判断・実行した操作を、自社のログ基盤へ同じ形式で残す（ベンダー画面に閉じない）

1層目だけでも、実験の段階では効きます。2〜4層は、本番でエージェントを動かすときに効きます。逆に、4層すべてを最初から作ると、PoCが終わりません。

判断の目安は「その業務を止めずにモデルを替えられるか」です。替えられない業務は、依存を許容すると決めた業務になります。決めたことを記録に残しておけば、価格改定のときに説明できます。

評価セットを自前で持つ

モデルを替えられるかどうかは、評価が自前にあるかで決まります。ベンチマークの点数ではなく、自社の業務から取った入出力の組（50〜200件程度）で足ります。

作るときの注意は3つです。正解を固定しない（人の判断が入る業務は、許容範囲で採点する）。失敗の型を記録する（項目の取り違え、幻覚、指示の無視、形式の崩れ）。コストと時間も一緒に測る（品質が同じでも、3倍遅ければ使えない）。

評価セットは、モデルの入れ替えだけでなく、プロンプト変更・ベンダーのサイレント更新の検知にも使えます。四半期に1回、同じセットを流して差分を見るだけで、知らないうちに劣化するのを防げます。

国産モデルの使いどころ

国産モデルは「汎用で勝つ」ための道具ではありません。使いどころは3つです。データを国外に出せない案件、調達の説明責任が重い案件、そして止まったときの代替です。

実装の現実解も出ています。NTTのtsuzumi 2は約30BでGPU1基動作、大型モデル（400B〜700B級）に比べて推論コストを約10〜20分の1に抑えられると公表されています。Preferred NetworksのPLaMo 3.0 Primeは256Kコンテキストで、料金を公開（入力60円・出力250円／100万トークン、Standardプラン）。SB IntuitionsのSarashinaは国内クラウド上での提供でデータ主権を担保する構成です。

調達の入口も変わっています。デジタル庁の「源内」では、学習データの法令遵守状況を説明できることが条件になり、行政実務を測る評価試験は50問から300問へ拡大されました。性能表だけで選ぶ時代は終わりつつあります。

ただし、汎用ベンチマークの総合点では海外の上位モデルに及びません。国産モデルは「主権の保険」と「オンプレの経済」として読むのが正しく、汎用の代替として導入すると期待を裏切ります。

オンプレが逆転する条件

エージェントは1つの処理で何度もモデルを呼びます。従量課金は利用量に比例して伸び、自前GPUは初期投資のあと伸びが緩やかです。累積コストは、ある利用量で逆転します。

逆転点は、モデルサイズ、GPUの調達と運用の費用、稼働率で決まります。30B級を1基で動かせるモデルなら現実的ですが、数千億規模を自前で持つのは、よほどの利用量がない限り割に合いません。「オンプレが安い」と一般論で言わないのが原則です。自社の月間トークン数と稼働率で試算します。

試算に必要なのは4つです。月間の入力・出力トークン数、ピーク時の要求数、GPUの時間単価（クラウドGPUでも可）、そして遊休を許容できるか。この4つが決まらないうちは、APIのままにしておくほうが安全です。

乗り換え演習を、年1回やる

抽象化層と評価セットを作っても、実際に替えたことがなければ、いざというときに動きません。年1回、1つの業務を別のモデル（国産でもオープンでもよい）で通す演習をします。

演習で見るのは、品質の差分だけではありません。手順の書き換えにかかった時間、権限の付け替え、ログの突き合わせ、そして利用者からの見え方です。ここで詰まる箇所が、実際の依存の正体です。

記録には、使ったモデルIDとバージョン、単価、切り替えた日を残します。ベンダー側の値上げや提供終了の通知が来たとき、影響範囲をこの記録から引けます。

まとめ：囲い込まれない設計

フロンティアモデルの会社が囲い込みに動くのは、モデル単体では価格競争にさらされるからです。上場して株主を持てば、なおさらそうです。非難するより、そういう前提で調達を設計するほうが実務的です。当社もAIOpsの設計として、この依存の扱いを中心に置いています。

設計の順番は、モデルIF → 手順 → 権限 → 記録。評価セットを自前で持ち、年1回は実際に替える。国産モデルは主権とコストの軸で使い、汎用の代替にはしない。これで、価格改定や提供終了のニュースが、そのまま自社の損益にはなりません。

当社は、AIOpsを軸に、この形の調達設計と運用（抽象化層、評価セット、権限とログの設計）を支援しています。AIの導入自体ではなく、把握・判断・対応の流れをどう組み、どこを人に残すか。その切り分けから相談できます。お問い合わせください。

参考

• Anthropic「S-1の提出について」 — 上場申請の公式発表
• ITmedia「Anthropic、IPO申請書を修正」 — 第3四半期の業績・支出約束・手元資金
• AP「A look at the Anthropic IPO by the numbers」 — 顧客数と上位顧客の比率、リスク要因
• Claude API の料金 — モデル別単価とキャッシュ単価
• DeepSeek API の料金 — ピーク／オフピーク単価
• PLaMo API の料金 — 国産モデルの公開単価
• NTT「tsuzumi 2」の発表 — 30B・1GPU・推論コストの低減率
• デジタル庁「源内」向け国産LLMの公募 — 学習データの法令遵守が調達条件