AIコーディングエージェントの費用を抑えるモデル分担術

探索を高性能モデルだけで回す必要はあるか

エージェント開発のコストは、コードを書く瞬間だけで決まりません。リポジトリの読解、テスト失敗の再現、関連箇所の検索、修正案の比較にも、長い処理時間とトークンが使われます。

You only need the frontier model for one single editは、約200万回のツール呼び出しと計18.1億トークンを分析し、編集・書き込みに使われたトークンは9%だったと報告しました。残る大半は読み取りと探索です。高性能モデルを常時使う理由は、工程ごとに検証すべきです。

モデルを混ぜると、費用と品質はどう動くか

同じ調査では、GPT-5.6 Solの単独実行は合格率88%、1タスク1.71ドル、372秒でした。計画後、最初の編集を境に低コストモデルへ切り替える/prewalk構成では、合格率85%、1.04ドル、300秒でした。

Opus 4.8でも、単独実行は合格率85%、2.78ドル、606秒、/prewalk構成は78%、1.46ドル、402秒です。費用と時間は下がる一方で、合格率は下がります。節約分を品質低下として受け入れるのではなく、最終レビューと承認に再配分する設計が実務に向きます。

小規模チームでの役割分担

1. 高性能モデルに、変更目的、制約、確認するファイル、テスト項目を短いTODOとして作らせます。
2. 低コストモデルに、コード検索、既存テストの実行、失敗の分類、修正候補の作成を任せます。候補は別ブランチまたは作業ディレクトリに隔離します。
3. 候補をテストで絞り、通らないものは捨てます。再探索のために高性能モデルへすぐ戻さないことも重要です。
4. 通過候補だけを高性能モデルへ渡し、要件逸脱、境界条件、差分の最小性を判定させます。承認後に人がマージします。

Cursorのエージェント群も、計画を分割・委任するプランナーと、作業を実行するワーカーを分けています。SQLiteの再実装では、Grok 4.5構成が4時間で未公開SQLテストの80%に達しました。Agent swarms and the new model economicsが示すのは、並列化には役割分担だけでなく、検証の仕組みが必要だという点です。

低コストモデルへ渡す仕事、渡さない仕事

低コストモデルへ渡すなら、既存テストがあり、正解を機械的に判定できる仕事から始めます。依存関係の調査、ログの分類、限定されたバグ修正、候補パッチの生成が対象です。テストが通っても設計判断が残る変更は、高性能モデルと人のレビューに残します。

価格差が速度差を埋めない場面もあります。fdの3件の作業では、Kimi K3は合計2.13ドル、Fable 5は5.98ドルでしたが、所要時間は約28分18秒と約6分49秒でした。Claude Fable 5 vs. Kimi K3: Same results, one-third the cost, 4x slowerの結果を踏まえると、待ち時間が開発のボトルネックなら、探索段階でも速度を優先する判断が必要です。

まとめ

まずは各タスクを「探索」「変更」「検証」「承認」に分け、モデル別の費用、時間、テスト結果を記録します。低コストモデルの担当範囲は、テストで落とせる失敗の多さではなく、誤りが混入しても最終承認で止められるかで決めるべきです。次のタスクで、どこまでを低コストモデルに任せ、どこから人と高性能モデルが判断するかを説明できる状態にしたいところです。