2026 大規模言語モデル動向： OpenRouter ランキング解説と Agent 選定ガイド

OpenRouter は世界最大級の大規模言語モデル統合 API ゲートウェイの一つで、Anthropic、Google、DeepSeek、腾讯、Moonshot、NVIDIA など数十社・数百エンドポイントを束ねています。各社が公表する Benchmark とは異なり、ランキングは 実際の有料・無料呼び出し Token 総量に基づきます。つまり開発者が「足で投票」した結果そのものです。

• 課題一：Benchmark と本番の乖離。MMLU や HumanEval は単発 Q&A 品質を測りますが、2026 年の主流は多段 Agent です。SWE-bench Verified の方がソフトウェアエンジニアリングに近くても、価格とレイテンシは依然として表に出ません。
• 課題二：ベンダー宣伝数値の横比較困難。評価セットも推論モードもバラバラで「SOTA」ラベルが氾濫します。OpenRouter は同一課金・ルーティング層の上でモデル横断のコスト比較を可能にします。
• 課題三：旗艦だけ見ると予算超過。Claude Opus 4.7 は複雑な代理タスクで強い一方、高頻度のタグ付けやログ要約まで旗艦に寄せると月額請求が桁違いになります。ランキングが示す「デフォルト」は Flash 帯とオープン MoE に偏っています。
• 課題四：コンテキスト窓の宣伝と実運用のギャップ。長コンテキストを謳っても KV コストが高すぎて使えないモデルがあります。上位モデルは 256K～1M を実用的なデフォルト設定に近づけています。

エンタープライズ調達では依然としてベンダー資料と法務レビューが必要ですが、技術チームが週次で追うべき指標は「ベンチマーク点」から「同じゲートウェイ上での Token シェアと単価」へ移っています。OpenRouter はその移行を可視化する最も手軽な公開データ源の一つです。

2026 年中期の結論：競争の主戦場は「誰がより賢く話すか」から「誰が Agent パイプラインでより安く・安定して・長く回るか」へ移行しました。

下表は OpenRouter 2026 年 6 月ランキングのスクリーンショットと、Beating・KuCoin など第三者の月次 Token 集計を統合したものです。統計口径は直近のプラットフォーム総呼び出し量で、日次で変動します。選定時は必ず公式のリアルタイムページを参照してください。

最も目立つシグナルは、Top 10 の約半数が中国チーム（DeepSeek 3 席、腾讯 Hy3、Moonshot Kimi）で、多くがオープンまたは極低価格である点です。欧米のクローズド旗艦も強いですが、増分の多くは「究極のコスパ + 長コンテキスト Agent」側に流れています。チャット体験だけで差がつく時代は終わりつつあり、課金単位は「1 時間走るコーディング Agent」に寄っています。

ランキングを読むときは「総 Token」だけでなく「順位の入れ替わり速度」も見てください。Owl Alpha のような無料長コンテキストモデルは短期でシェアを奪い、翌月には有料 Flash 帯へ戻るチームも多いです。つまりランキングは需要のスナップショットであり、自社の固定ポリシーにそのまま写すものではありません。

DeepSeek V4 Flash（総参 284B、活性 13B の MoE）は 1M ネイティブコンテキストと極低 API 単価で OpenRouter 1 位です。1M シーンでは 1 Token あたり FLOPs が V3.2 の約 10%、KV キャッシュは約 7% と報告されています。Non-think / Think High / Think Max の推論モードを持ち、ツール呼び出しは XML 形式でネスト JSON 失敗を減らします。Claude Code や OpenClaw などのツールチェーンがデフォルトの高コスパ backend として広く採用しています。

Hy3 Preview（腾讯混元 3、295B/21B 活性 + MTP 推測デコード）はオープンソース公開され、推論効率は前世代比約 40% 向上です。SWE-bench Verified（約 74.4%）と Terminal-Bench 2.0 で Kimi K2.5 やより大きなモデルと同等圏に入ります。プライベートデプロイが必要でも Agent 能力を落としたくないチーム向けです。

Claude Opus 4.7 は複雑なソフトウェアエンジニアリングとビジュアル集中タスクの第一候補のままです。CursorBench 約 70%（Sonnet 4.6 は約 58%）、1 時間の自律 Agent 実行での「迷子率」は Sonnet のおよそ半分とされます。価格は入出力 $5/$25 per M tokens で、長時間・高リスクタスク向けです。Claude Sonnet 4.6 は 2026 年の「日常本番デフォルト」：コーディング評価で前世代 Opus 帯の Sonnet を初めて上回る報告があり、価格は Opus の約 60%、Claude 無料層のフル機能も載せます。

Owl Alpha と Nemotron 3 Super (free) は「API 請求ゼロ」陣営です。前者は OpenRouter 自社 Stealth（$0、1.05M コンテキスト、機密データ非推奨）。後者は NVIDIA 120B/12B 活性の MoE+Mamba 混合で、同規模の密モデルよりプライベートスループットが高いとされます。Gemini 3 Flash Preview はフルモーダル入力と SWE-bench Verified 78% で Google 系コード Agent をリードします。Kimi K2.6（1T/32B MoE）は Agent Swarm（最大約 300 サブエージェント、4000 ステップ調整）で超長時間・無人オーケストレーション向けです。

ハイブリッド運用では、昼間の対話は Sonnet、夜間のバッチリファクタは V4 Flash、失敗時のみ Opus へエスカレーションする三層がよく使われます。各層の失敗定義（ツール JSON パース失敗、テスト赤、diff 空）を事前に決めておくと、ルーティングルールがブレません。

Mac 上で DeepSeek V4 を ローカル推論する計画がある場合、メモリ閾値と ds4 デプロイ経路は当サイトの ds4 + 高メモリ クラウド Mac ガイドを参照してください。本記事は API とハイブリッド構成の選定に焦点を当てます。

選定では デュアルモデル戦略を推奨します。デフォルトを DeepSeek V4 Flash または Sonnet 4.6 にし、要求の 80% を処理します。ステップが二回失敗するかタスクが「高リスク」にマークされたときだけ Opus 4.7 または V4 Pro へ昇格させます。OpenRouter の統一 API ならゲートウェイ層でルーティングでき、クライアントのコード構造を変えずに済みます。

マトリクスを使う実務手順は次のとおりです。まず自社のシーン行を 1 つ選び、第一候補で 50 本の代表タスクを再現します。次に代替モデルで同じプロンプトとツール定義を流し、成功率と p95 レイテンシを比較します。最後に月間 Token 見積もりを OpenRouter の価格表（cache read 込み）で掛け算します。この三ステップで「安いが壊れる」「高いが安定」の境界が数字で見えます。

• トレンド一：1M Token コンテキストが新標準。DeepSeek V4、Claude Opus 4.7、Owl Alpha、Gemini 3 Flash、Nemotron 3 Super が 1M 級。リポジトリ全体 RAG の必要性は下がる一方、KV と帯域コストが MoE 普及を加速させています。
• トレンド二：中国オープン系のグローバル化。OpenRouter 月次で DeepSeek + 腾讯 + Moonshot の合計 Token 伸びが欧米単一ベンダーを上回る月が増えています。MIT / Apache / コミュニティライセンスが移行摩擦を下げます。
• トレンド三：Agent 指標が純テキスト Benchmark を置換。SWE-bench Verified、Terminal-Bench 2.0、BrowseComp が発表会の定番に。ツール呼び出し XML/JSON の安定性と多段成功率が MMLU より調達に効きます。
• トレンド四：MoE の全面勝利。Top 10 に純密の兆単位モデルはほぼありません。DeepSeek V4 Flash は 13B 活性で数百 B 密モデル級の本番体験を狙います。
• トレンド五：無料枠が価格を再形成。Owl Alpha、Nemotron free が Claude/Gemini の無料層とキャッシュ割引を強化させます（Gemini のコンテキストキャッシュで重複入力コストを約 90% 削減可能と Google 公表）。
• トレンド六：マルチモーダルが参入券に。画像/文書入力非対応の純テキストモデルはランキング伸びが弱く、Gemini 3 Flash と Claude ビジュョン帯が伸びます。

引用可能な技術データ（執筆時公開資料、デプロイ前に再確認）：

• DeepSeek V4 Flash API（公式）：入力約 $0.14/M tokens（キャッシュヒット約 $0.028/M）、出力約 $0.28/M。1M コンテキスト、最大出力 384K。
• DeepSeek V4 Pro vs Flash（技術報告）：SWE-Verified 約 80.6 vs 79。Terminal-Bench 2.0 約 67.9 vs 56.9。複雑ターミナルタスクの差が最大で、単純コーディングは 1～3 点差程度。
• Claude Opus 4.7 vs Sonnet 4.6（エコシステム評測）：CursorBench 約 70% vs 58%。Opus の長時間 Agent 迷子率は Sonnet のおよそ半分程度です。
• Gemini 3 Flash Preview：SWE-bench Verified 約 78%。バッチ API でコスト約 50% 削減可能（Google 公式ドキュメント）。
• Kimi K2.6 Agent Swarm：最大約 300 サブエージェント、4000 ステップ調整。BrowseComp 約 83.2、SWE-Bench Verified 約 80.2（Moonshot 発表資料）。

社内資料に転記する際は、各数値の測定条件（推論モード、プロンプト固定、ツール有無）を脚注に残してください。ベンダー間で「同じ 78%」でもテストハーネスが異なるため、調達委員会向けには OpenRouter 上の実コストと自社 fixture の成功率を並列表にするのが安全です。

1. workload の棚卸し：過去 30 日の Agent タスクで平均ステップ数、ツール呼び出し回数、画像/PDF の有無を集計します。ステップ >20 や再試行が多いなら Opus/V4 Pro 枠を確保します。
2. Token 請求の見積もり：OpenRouter 各モデルページの実効価格（cache read 含む）× 日次呼び出し量。Flash 帯は旗艦より通常 5～20 倍安いです。
3. 統一ゲートウェイの登録：OpenRouter でプロジェクト Key を作成し、デフォルトを DeepSeek V4 Flash または Sonnet 4.6 に設定、月次 spend limit を入れます。
4. デュアルモデルルーティング：Cursor / Claude Code / OpenClaw で「軽い編集」と「複雑な再構成」を別 model id にマップし、二回失敗で自動昇格します。
5. ツール呼び出しの負荷試験：10+ ツール定義の fixture リポジトリで 50 ループ、JSON/XML パース失敗率を記録します。Hy3 と V4 Flash の差は MMLU 差より大きいことが多いです。
6. 7×24 ホストのデプロイ：API Key、Skills、launchd ユニットをリポジトリ管理し、専用 Mac で Gateway/CLI を常駐させます（launchd は OpenClaw リモート Mac トラブルシュート参照）。

API だけでは「モデルの知性と価格」は解けても「誰が 7×24 で Agent を回すか」は解けません。個人 Mac はシャットダウンで断流します。過剰販売 VPS は非公式 macOS で Metal と TCC が保証されず、SSH ジッターが多段ツールループを切ります。同僚の古い Mac 借りでは Xcode/CLI バージョンと鍵ローテーションが揃いません。

Cursor Agent、OpenClaw Gateway、iOS CI を同時に走らせるチームには、JEXCLOUD 多リージョン ベアメタル Mac が本番ホストとして適していることが多いです。専有 Apple Silicon、本物の macOS、120 秒デプロイ、月次の弾性リース。API ルーティングはクラウドで統一し、モデル請求は OpenRouter のままです。仕様は 料金ページ、接続は ヘルプセンターをご覧ください。

選定チェックリストを完了したら、四半期ごとに Top 10 を再読みし、デフォルトモデル id だけを更新する運用にすると、全面書き換えコストを抑えられます。Token ランキングは市場の気象図であり、自社の SLA とコンプライアンスが羅針盤です。両方を並べておくことが、2026 年後半も破綻しない Agent 基盤につながります。