中国語を選択LLM: 現在のChinaAPIルーティングガイド

間違ったデフォルト設定は、あらゆるプロンプトに対してフラッグシップモデルを使用することです。ほとんどの運用上の失敗は、もっと早い段階で発生します。例えば、テキストのみのモデルに画像が渡されたり、256Kモデルに無制限のリポジトリが割り当てられたり、安価な初回パスが5回の再試行に早急に変わったり、ツールループに予算や承認の制限がなかったりといったケースです。

ゲートウェイと照合した 2026-07-20 のスナップショットでは、現行のトークン課金モデル 25 件に Reasoningタグが付いています。これだけ選択肢があると、汎用的なリーダーボードはルーティングルールほど役に立ちません。本ガイドでは、最初の判断を、タスクの失敗につながりうる制約、つまりモダリティ、コンテキストウィンドウ、ツール利用、レイテンシ、または受け入れられた回答のコストに絞り込みます。

これは現在のカタログ選択ガイドであり、公開品質ベンチマークではありません。以下のmodel IDsは現在ChinaAPIで利用可能ですが、アカウントグループ、残高、レート制限、アップストリームの状態、およびタスク自体がリクエストの成否に影響を与えます。

簡潔に答えると

• テキスト中心の RAG、抽出、分類、低コストなコード候補づくりの出発点は deepseek-v4-flash。現在のカタログでは 1M のコンテキストウィンドウとツール対応を備え、料金は 100 万トークンあたり入力 $0.3 / 出力 $1.2 です。画像や動画の入力をテキスト専用のルートに送らないでください。
• 使用するのは qwen3.7-plus です。1M ウィンドウに加えてファイルや画像も必要なジョブでは、これを実用的な汎用エージェントのデフォルトにします。トークンを極力節約することよりも、ツール利用や視覚的なコンテキストのほうが重要な場合に、最初に試すべきモデルです。
• 長時間の作業では、ブランドより先に処理の種類を選びます。LongCat-2.0 は 1M コンテキスト、テキスト専用、ツール対応のルートです。kimi-k2.7-code は 256K のコード特化候補です。MiniMax-M3 は、このスナップショットでファイルとビジョンに対応した 1M ルートです。これらはそれぞれ異なる制約を解決します。
• 厳選した高価値のパスと独立したレビュー用には、qwen3.8-max、glm-5.2、または kimi-k3 を取っておきます。プレミアムなパスが最も役立つのは候補ができた後であり、一括処理ワークフローの最初の呼び出しとしてではありません。
• 使用するのは glm-5v-turbo です（入力に動画が含まれる場合）。現在のカタログでは、画像、動画、ファイル、ツールのタグが明示的に付いた推論ルートです。テキスト専用や画像専用のルートは、受け取っていない情報を復元できません。

この姿勢は意図的なものです。ベンダーの主力ブランド名でルーティングしないでください。許容できない障害モードに基づいてルーティングし、承認された出力データを提供することで、プレミアムなエスカレーションを獲得してください。

現在のカタログで可能になること

この表は順位表ではなく、あえてルーティングマップとして作っています。deepseek-v4-flash は、入力がテキストで、候補を安く生成することが目的なら、フラッグシップより良い最初の呼び出し先になりえます。一方、モデルが確認できない画像、動画、ファイルにジョブが依存する場合は、最初の呼び出し先として不適切です。

価格はルーティングの入力要素であり、決定要因ではない。

現在の表示価格を見ると、トークンの方向（入力か出力か）がなぜ重要なのかがわかります。deepseek-v4-flash は 100 万トークンあたり入力 $0.3 / 出力 $1.2 です。qwen3.7-plus は $1.2 / $4.8、LongCat-2.0 は $0.3 / $1.2、そして qwen3.8-max は $2 / $6 です。

これらの数値は、現在のゲートウェイ調整済み表示率であり、プロジェクトの総コストや品質スコアの予測ではありません。思考トークン、キャッシュミス、ツール呼び出し、再試行、人的修復、および回答を受け入れる確率はすべて結果に影響を与えます。有用な単位は次のとおりです。

usable-answer cost =
  (input tokens + output/thinking tokens + tool costs + retries + review time)
  / accepted answers

入力価格が安くても、モデルが元のモダリティを処理できない場合や、最初の結果がスキーマ、引用、ツール、コードレビューのチェックに繰り返し不合格になる場合は、結局は損になります。逆に、出力単価の高いモデルは、厳選した 1 回の最終レビューには適していても、バッチ内のすべての候補に使うと無駄になりえます。ルートを本番に投入する前に、最新料金を確認してください。

再現可能な2段階ルーティング方法

モデルを選択する前にタスクカードを作成してください。目的は、プロンプトが意図せずコストのかかる無制限のエージェントループに陥るのを防ぐことです。

{
  "task_id": "contract-qa-01",
  "task_type": "document_question_answering",
  "source_modalities": ["pdf", "image"],
  "context_band": "1m",
  "needs_tools": true,
  "needs_video_input": false,
  "max_tool_rounds": 6,
  "max_attempts": 2,
  "acceptance_checks": ["answer cites supplied pages", "JSON validates", "no unsupported claim"],
  "candidate_model": "qwen3.7-plus",
  "escalation_model": "glm-5.2",
  "human_approval_required": true
}

次に、各タスクを次の五つのステップで振り分けます。

1. 入力データを実際に読み取り、コンテキスト／ツールの制約を満たすことができる、最もコストの低い方法を選択してください。
2. 明示的な受け入れチェック、コスト、および再試行回数の上限を設定した、限定された候補パスを実行します。
3. 失敗したケース、または高額なケースのみを、プレミアムルートまたは専門家ルートにエスカレーションしてください。
4. 重要な成果物については、外部へのアクション、支払い、展開、またはデータ削除を行う前に、独立したレビュープロセスを実施し、人間の承認を必要とする。
5. 承認/拒否結果、課金トークン数、ツールラウンド数、再試行回数、修復時間を保存します。ルートが承認出力データで勝った場合にのみ、そのルートをデフォルトに昇格させます。

社内のルーティング概要では、テキスト RAG、構造化抽出、コーディング、ツール利用、長文ドキュメント、画像・動画の理解、最終レビューにまたがる 60 タスクの候補セットを定義しています。これはテスト計画であり、公開ベンチマークではありません。25 モデルすべてについて、ChinaAPI で繰り返し測定した完了率、レイテンシ分布、ツール成功率、リポジトリ単位のコーディング結果は、まだ公開していません。

よくあるルーティングミス

このガイドが主張しないこと

本記事では、包括的な品質ランキング、レイテンシーランキング、ベンダーの可用性保証、または安全ポリシーに関する結果を公表するものではありません。モデル構成やゲートウェイの価格は変更される可能性があります。最新の価格情報は、価格ページをご確認ください。また、コード、推論、ツールの使用、マルチモーダル理解など、あらゆるタスクにおいて、あるモデルが他のモデルよりも優れていることを証明する公開ベンチマークもまだありません。

現在のカタログ情報に基づいて、妥当な最初のルートを選択してください。次に、受け入れ可能な出力、失敗の種類、再試行回数、および総コストを測定します。次に役立つアップデートは、固定されたタスクセット、繰り返し実行、明確な方法論、および明確な範囲の結論を含むベンチマークレポートであり、派手なランキングではありません。