クラウドAIの請求書を見てローカルAIを考え直す — 手元のGPUで回る仕事と回らない仕事

月末に届く請求書の金額が、先月より少しだけ増えている。使った実感はそれほどないのに、じわじわと積み上がっている。あるいは、受けた仕事の資料に「社外のサービスに投入しないこと」と書かれていて、手が止まる。どちらか一方でも経験したなら、机の下で唸っているGPUのことを思い出したはずだ。ローカルAIという選択肢は、この2つの引っかかりに対する答えとして持ち出されることが多い。ただし、実際に何がどこまで動くのかを数字で示した記事は驚くほど少ない。本記事では、2026年8月時点のクラウドAPI単価と、公式モデルカードに記載のある必要メモリ、そして手元で実際に回した実測値を並べて、移す価値のある仕事とない仕事の線を引く。

なお、本記事の試算に出てくる為替・GPU価格・稼働時間は、すべて仮定値である。読者は自分の条件に置き換えて読んでほしい。

請求書の形を先に見る — 2026年8月の実勢単価

判断の材料は単価だ。各社の公式料金ページから、2026年8月19日時点の値を取った。すべて100万トークンあたりで、左が入力、右が出力になる。

この表で最初に気づくのは、同じ「クラウドAI」の中に50倍以上の価格差があるという事実だろう。最上位の Fable 5 と最下位の Luna では、出力単価が40倍以上違う。つまり「クラウドは高い」という一括りの言い方は、もう意味を持たない。高いのは最上位モデルであって、下位ティアは驚くほど安い。

いくつか補足が要る。Claude Sonnet 5 の $2 / $10 は当初「2026年8月31日までの導入価格」として発表されたが、公式ページには9月1日に予定されていた $3 / $15 への引き上げは行われず、この価格が標準価格になったと明記されている。逆に Gemini 3.7 Flash の $0.75 / $3.75 は2026年12月31日までの価格で、2027年1月1日から $1.50 / $7.50 に倍増する。単価は動くので、判断のたびに公式ページを見に行く習慣が要る。

さらに、表に出ない値引きもある。Claude はプロンプトキャッシュのヒット時に基本入力単価の0.1倍、Batch API で入力・出力とも50%引きになる。GPT-5.6 系はキャッシュ済み入力が Sol で $0.50、Terra で $0.20、Luna で $0.02 と別建てだ。実効単価は表の値より下がりうる。逆に上がる方向もある。GPT-5.6 系には短コンテキストとロングコンテキストで別の単価が設定されていて、入力は2倍、出力は1.5倍になる。Sol なら入力が $5 から $10 へ、出力が $30 から $45 へ動く。Terra も Luna も同じ倍率だ。長い資料を投げる仕事では、この差が効いてくる。

ここは「ロングコンテキストは倍額」と一括りにされがちな箇所だが、入力と出力で倍率が違う。前述のとおり実務では出力側が金額を支配するので、倍率の小さい出力のほうに救われる形になる。

もう一つ、表の読み方として押さえておきたい構造がある。どの提供元でも、出力単価は入力単価の5倍から6倍に設定されているという点だ。Claude Opus 5 は $5 に対して $25 でちょうど5倍、GPT-5.6 系は Sol・Terra・Luna のいずれも入力の6倍で揃っている。Gemini 3.7 Flash も5倍だ。

この非対称は実務上の意味を持つ。同じ仕事でも、長い資料を読ませて短く答えさせる形なら安く、短い指示から長文を書かせる形なら高くなる。要約や分類が安く、記事生成や翻訳が高いのはこの構造による。コストを下げたいとき、多くの人はまず入力を削ろうとするが、削るべきは出力側であることが多い。「箇条書きで5項目まで」といった出力長の制約が、そのまま請求額に効く。

ローカルAIで効くのはコストではない

先に結論を書く。ローカル実行の利点としてまず挙げられるのはコストだが、実際に効くのはコスト以外の3つであることが多い。

第一に、データが手元から出ないこと。守秘義務のある図面、未発表製品の仕様、顧客の個人情報。これらを外部に送信しないという条件が要件として先にあるなら、単価の話は後回しになる。ただし注意したいのは、「送信されない」と「保持されない」は別の話だという点だ。クラウド各社もデータ保持ポリシーを公開しており、条件次第では保持されない構成も選べる。ローカルの優位は「保持されないこと」ではなく「そもそも送信という事象が発生しないこと」にある。

第二に、止まり方が変わること。外部サービスは、こちらに落ち度がなくても止まる。逆にローカルは機材故障や停電で止まる。無停止になるわけではなく、止まる原因が自分の手の届く範囲に移るだけだ。この違いをどう評価するかは、AIへの依存リスクが現実になった日（2026-07-29 公開）で扱ったフォールバック設計の考え方と地続きになる。

第三に、回数を気にしなくなること。従量課金では、試行のたびに小さな金額が積み上がる。すると無意識に試行回数を抑えるようになる。手元で回すなら電気代しかかからないので、100回試すことに心理的な抵抗がなくなる。この差は、生成の当たり外れが大きい画像や3Dモデルの仕事で特に効いてくる。

手元のVRAMで何が動くのか

では、何が動くのか。ここは推測で書きたくないので、公式モデルカードに必要メモリの記載があるモデルだけを挙げる。

どちらも MoE 重みを MXFP4 で量子化することで、この数字に収めている。ライセンスはいずれも Apache 2.0 で、商用利用に制限が付かない。

ここで、総パラメータとアクティブパラメータという2つの数字が併記されている理由を押さえておきたい。gpt-oss-20b は総パラメータ21Bに対してアクティブ3.6B、gpt-oss-120b は117Bに対して5.1Bとなっている。117Bのうち、1トークンを生成するたびに実際に計算に使われるのは5.1B分だけ、という意味だ。

これが Mixture of Experts、いわゆる MoE の仕組みである。モデル内部に多数の専門家ブロックを持ち、入力ごとに一部だけを選んで通す。結果として、メモリには全パラメータを載せる必要があるが、計算量は活性化した分だけで済む。117Bの知識量を持ちながら、生成速度は5B級に近いという振る舞いになる。

この構造は、手元で回す前提だと決定的に効く。メモリさえ確保できれば、演算性能が控えめなGPUでも実用的な速度が出るからだ。逆に言えば、MoE モデルを選ぶ際の制約は演算性能ではなくメモリ容量に寄る。予算配分を考えるときの出発点がここにある。

一方、Qwen3.6-35B-A3B（総パラメータ35B、アクティブ3B）のモデルカードには必要メモリの記載がない。ネイティブのコンテキスト長は262,144トークンで、RoPE スケーリングにより約1,010,000トークンまで拡張できるとされている。ライセンスは同じく Apache 2.0 だ。必要メモリを書かないのは不親切に見えるかもしれないが、コンテキスト長や量子化形式で変わる以上、単一の数字を出せないという事情がある。だからこそ、自分で見積もる式を持っておく必要がある。その式の立て方は、単独で1本の記事になる分量なので別に譲る。

サイズ展開も見ておきたい。Qwen3 シリーズは 0.6B / 1.7B / 4B / 8B / 14B / 32B に加えて MoE の 30B-A3B、235B-A22B が用意されている。小さい側の選択肢が豊富であることは、手元で回す前提では大きな意味を持つ。

損益分岐を1つの式で持つ

コストを理由にローカルへ移すなら、分岐点を計算しておくべきだ。式は単純で、初期投資 ÷ 月あたりの削減額 = 回収月数でしかない。問題は削減額の見積もりである。

前提を置く。1日30回、1回あたり入力8,000トークン・出力2,000トークンの仕事があるとする。月30日で、入力7.2Mトークン・出力1.8Mトークンだ。為替は1ドル150円と仮定する。

同じ仕事でも、選ぶモデルによって月額は22倍以上ひらく。ローカルと比較する前に、まずクラウド内で下のティアに落ちられないかを検討すべきだという結論がここから出る。

電気代を式に入れる

ローカル側のランニングコストは電気代だ。GPUが負荷時に300Wを消費し、1日2時間だけ推論に使うとする。0.3kW × 2時間 × 30日 = 18kWh。電力料金の目安単価は、公益社団法人 全国家庭電気製品公正取引協議会が示す31円/kWh（税込、令和4年7月22日改定）を使う。同協議会も明記しているとおり、電力料金は契約する小売電気事業者により異なるので、これは全国一律の実額ではなく目安である。

18kWh × 31円 = 558円。これが月あたりのランニングコストになる。ここでGPUに15万円を投じたと仮定して、回収月数を出す。

最安ティアのクラウドに対しては、ローカルの方が高い。電気代558円に対してクラウドが540円なのだから、コストだけを理由に移す根拠はない。上位モデルを常用しているなら1年程度で回収できるが、その場合も「同じ品質が手元で出るのか」という別の問いが残る。コスト表だけで移設を決めると、たいてい後悔する。

画像生成は最初にローカルへ移る

テキスト生成より先に手元へ移ってくるのが画像だ。理由は単純で、1枚あたりの単価が高く、かつ生成の当たり外れが大きいからである。10枚出して1枚使う仕事を従量課金でやると、捨てた9枚にも金がかかる。

手元での実測値を出す。FLUX.1 系の GGUF 量子化モデルを ComfyUI 経由で、サンプリング50ステップで回した場合、画像1枚あたり約54秒だった。記事7本分の94枚をまとめて生成したときの所要は約85分である。ただしこの記録にはGPUの型番が残っていない。条件を書けない数値は、条件が違えば再現しない。読者が自分の環境で同じ秒数を期待するのは誤りで、ここは「桁の感覚」としてだけ受け取ってほしい。

なお、この秒数を支配しているのはステップ数だ。同じ機材でもステップ数を減らせば所要は比例して縮む。モデルによって推奨ステップ数が大きく違うため、秒数だけを比べても意味がない。

それでも言えることはある。94枚を85分で回せるなら、枚数を増やすことへの抵抗がなくなる。スタイルを固定したうえで大量に出し、その中から選ぶという作り方に移行できる。これは従量課金では取りにくい戦い方だ。

音声合成は動くが、安くはない

一方、素直に安くならなかったのが音声だ。ここは失敗も含めて書く。

7,708字の記事をローカルのTTSで音声化したところ、56チャンクに分割された。分割は段落単位で行われるため、チャンク数は文字数ではなく段落数に依存する。そしてチャンクごとにモデルのロードとアンロードが走るので、その往復が所要時間の大半を占める。総時間はVRAMの占有状況によって変わり、単一の数字を出せる段階にない。

さらに厄介なのが、チャンク単位の再開機能がないという制約だ。途中で失敗すると進捗がすべて失われ、最初からやり直しになる。長時間ジョブでこれは重い。実際の運用では、記事本文と画像がすべて確定してから1本ずつ実行する形に落ち着いた。

この経験から引き出せる教訓は、「動く」と「実用になる」の間には距離があるということだ。ローカルAIの記事はしばしば「動いた」で終わるが、そこから先の運用設計こそが本番になる。

ローカルが向かない仕事の見分け方

ここまでの材料をまとめると、向き不向きの判定軸が3つ立つ。

第一に、入力量が極端に大きい仕事。Claude の4.6以降は100万トークンのコンテキストを標準単価で扱える。手元でこれに相当する長さを扱おうとすると、必要メモリが跳ね上がる。長い資料をまるごと読ませる仕事は、クラウドに残したほうがいい。

第二に、最高品質が要求される一発勝負。契約書のレビューや、公開前の原稿の最終確認。ここで数百円を惜しむ意味はない。

第三に、頻度が低い仕事。月に数回しか使わないなら、初期投資は永遠に回収できない。前節の試算で見たとおり、回収月数の分母は月あたりの削減額であり、使わない月はそこがゼロになる。年に数回の作業のために機材を買うのは、コストの話としては成立しない。

逆にローカルへ移す価値が高いのは、定型的で、量が多く、失敗しても安い仕事だ。分類、書式変換、要約、下書き生成、そして画像の量産。これらは品質の天井がさほど高くなくても実用になる。

判定を1行にまとめるなら、「この仕事は、10回やり直しても平気か」と自問するのが早い。平気なら手元向き、1回で決めたいならクラウド向きだ。試行回数の自由度こそがローカルの本質的な価値であり、その価値が効かない仕事に移設しても得るものは少ない。

試す順番を間違えないための最初の一手

移設を検討すると決めたなら、着手の順序にもコツがある。多くの人が最初に「どのモデルが最強か」を調べ始めるが、それは3番目に考えることだ。

最初にやるべきは、手元の空きメモリを実測することである。搭載量ではなく、実際に他のプロセスが使っていない量を見る。ここを確認せずにモデルを落とすと、起動しない理由が分からないまま時間を溶かす。統合メモリ機なら、システムが使う分を差し引いた残りが上限になる。

次に、公式モデルカードに必要メモリが明記されているモデルから始める。本記事で挙げた2つがそれにあたる。記載のないモデルは、動かしてみるまで必要量が確定しない。最初の1本で不確実性を抱え込む理由はない。

そして3番目に、いま実際に金を払っている仕事を1つだけ選んで、置き換え比較する。汎用の性能比較ではなく、自分の仕事での成否を見る。この順序を守ると、判断に必要な材料が最短で揃う。

ありがちな失敗は、最大サイズのモデルから試して「遅すぎて使えない」と結論することだ。小さい側から始めて、足りない部分が具体的に分かってから上げていくほうが、結果的に速く着地する。Qwen3 系に 0.6B から 235B-A22B まで幅広いサイズが揃っているのは、この段階的な確認を想定した構成でもある。

併用を前提に組む

以上を踏まえると、現実的な構成は二択ではなく併用になる。判断の順序はこうだ。

1. その仕事にデータの外部送信の制約があるか。あるなら手元で回す一択になる。
2. 制約がないなら、まずクラウド内で下のティアに落とせないか試す。Luna や Flash-Lite で足りる仕事は驚くほど多い。
3. それでも量が多くて金額が積み上がるなら、手元へ移す候補にする。
4. 移す前に、その仕事の品質要求を手元のモデルが満たすか小さく検証する。

この順序で考えると、ローカルAIは「クラウドの代替」ではなく「クラウドの下のティアの、さらに下」に置かれることが分かる。上を置き換えるものではない。クラウド側のモデル選択については2026年夏のAIモデルを選び直す（2026-08-16 公開）で用途別に整理しているので、そちらと合わせて読むと全体像がつながる。

3Dプリントの現場では、どこが変わるか

最後に、モノを作る側にとって何が変わるかを書いておく。

設計支援の面では、寸法や公差を含む図面情報を外に出さずに相談できるようになる。取引先から預かった図面を扱う場合、これは要件そのものになりうる。

生成の面では、3Dモデルの生成を手元で回す道もある。この領域は必要な機材も手順も独立した論点になるため、オープンソース 3D生成 実践 2026（2026-07-08 公開）で扱った内容を参照してほしい。

そして地味に効くのが、判定系だ。印刷の失敗検知や、完成品の外観チェック。カメラ画像を常時外部へ送るのは通信量の面でも現実的でないため、手元で推論する構成に自然と寄っていく。

機材選びの観点は、「クラウドを捨てよ、Macを買え」（2026-01-20 公開）でも扱ったが、あの時点から選択肢は増えている。統合メモリ機か単体GPUかという分岐は、扱うモデルのサイズによって答えが変わる。

まとめ — 手元側の地図を持つ

本記事で示した事実を整理する。

• 2026年8月時点のクラウドAPI単価は、同じ「クラウドAI」の中で出力40倍以上の開きがある。まず下のティアを検討する
• 公式モデルカードに必要メモリの記載があるのは、gpt-oss-20b が16GB、gpt-oss-120b が80GB。記載のないモデルは自分で見積もる必要がある
• 損益分岐は「初期投資 ÷ 月あたりの削減額」。上位モデル常用なら1年程度、最安ティア相手なら回収不能になる
• 画像生成は先に手元へ移りやすい。音声合成は動くが運用設計が要る
• ローカルAIはクラウドの代替ではなく、下のティアのさらに下に置くもの

コストだけを見て移設を決めると、たいてい合わない。データの制約と、試行回数の自由度。この2つが効く仕事から順に移していくのが、遠回りに見えて速い。

出典・参考

• Anthropic「Pricing」（Claude APIの公式単価表）
• OpenAI「API Pricing」（GPT-5.6の公式単価表）
• Google「Gemini API Pricing」（Gemini各モデルの公式単価表）
• 全国家庭電気製品公正取引協議会「よくある質問」（電気料金の目安単価 31円/kWh）

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】

swiftwand

X

AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.