公開されている価格表のすべて
DeepSeekのModels and Pricingページにはモデルがちょうど2つあり、deepseek-v4-flashはそのうちの1つだ。以前のdeepseek-chatとdeepseek-reasonerの行は消えている。V4系のモデルが2つ、それが全ラインアップだ。この記事を書いた当日の朝に価格表を再確認した。
| 100万トークンあたり | deepseek-v4-flash | deepseek-v4-pro |
|---|---|---|
| 入力、キャッシュヒット | $0.0028 | $0.003625 |
| 入力、キャッシュミス | $0.14 | $0.435 |
| 出力 | $0.28 | $0.87 |
| コンテキスト長 | 1M | 1M |
| 最大出力 | 384K | 384K |
| 思考モード | デフォルトでオン | デフォルトでオン |
| Responses API | あり | なし |
| 同時実行数の上限 | 2,500 | 500 |
計算に入る前に指摘しておきたい点が2つある。コンテキストウィンドウと出力上限は両ティアで同一なので、価格差によって余裕が買えるわけではない。そして両モデルとも思考モードがすでにオンの状態で提供されており、これはコストに大きく関わる。なぜなら推論トークンは出力レートで課金されるからだ。
自分の実効レートを計算する
表示されているレートは100万トークンあたりの単価だ。実際に請求されるのは、この3つの単価をキャッシュヒット率と出力トークンの割合で重み付けした混合レートになる。スライダーを動かして、混合レートがどう変わるかを見てみよう。
スライダーを動かすとはっきり分かることがある。出力の割合がおよそ40%を超えたところから、キャッシュはほとんど意味を持たなくなる。出力には割引レートが一切適用されず、デフォルトで推論するモデルでは、トークンはまさにその出力へと流れていく。
乗数その1:キャッシュがすべてを決めるが、それは設定項目ではない
2つの入力レートの差は$0.0028対$0.14で、ちょうど50倍だ。Artificial Analysisはこれを業界全体の文脈に置き直し、DeepSeekのキャッシュ割引は約98%に達するとしている。多くのプロバイダーが提供する90%と比べても大きい。市場で最も積極的なキャッシュ割引であり、あの請求額がそうなっている理由でもある。
ディスクキャッシュは全アカウントでデフォルトで有効になっており、コードを変更する必要はない。つまり何かに「オプトイン」しているわけではない。実際にやっているのは条件を満たすことであり、その条件はほとんどのプロバイダーより厳しい。
- リクエストが保存されたキャッシュのプレフィックス単位と完全に一致した場合にのみ、ヒットレートで課金される。部分的な一致では割引にならない。DeepSeekはこの完全一致の要件をSliding Window Attentionの設計に起因するとしており、これは以前のバージョンの一致方式からの変更点だ。
- ユニットはリクエストの境界、複数リクエスト間での共通プレフィックス検出時、そして長い入力・出力の内部では一定のトークン間隔ごとに保存される。
- キャッシュは「ベストエフォート」であり、ヒット率は保証されない。使われないエントリは「通常数時間から数日で」消去される。
- 呼び出しごとに検証できる。
usageブロックにはprompt_cache_hit_tokensとprompt_cache_miss_tokensが返るので、どちらのレートで課金されたかを推測する必要はない。
最後の点が、この記事全体を通して唯一の実践的なアドバイスだ。この2つのフィールドは初日からログに残しておくこと。私がこれまで見てきた、破綻したコストモデルはすべて同じ理由で失敗していた。誰かがヒット率を測定せずに「仮定」してしまったのだ。
乗数その2:デフォルトで推論し、しかも冗長だ
V4の両ティアはデフォルトで思考モードになっており、推論トークンは出力レートで課金される。ここまでは今どき珍しくない。珍しいのは、Flashが生成する推論トークンの量だ。
Artificial AnalysisがFlashでIntelligence Indexを実行するには2億1,000万の出力トークンが必要で、同クラスの中央値である約1億トークンの2倍だった。このインデックス実行全体のコストは$72.02だった。つまり同じ作業をさせても、比較対象のモデルのおよそ2倍の出力トークンを覚悟すべきで、それぞれ$0.28で課金されるため、価格表が宣伝する割引は静かに半分になってしまう。
安価な版だけをきれいに選んで買う方法はない。推論を下げれば、モデルの性能もそのまま下がる。DeepSeek自身のクロスモード表では、Flashは非思考モードでHumanity's Last Examが8.1、最大努力モードでは34.8となっており、Artificial Analysisの独自採点でも最大努力時は50、非推論時は29だ。安いほうの設定と良いほうの設定は、同じ重みの異なる実行結果にすぎない。ここで知っておくべき癖が1つある。xhighはFlash上では黙ってhighとして処理されるため、お金を払ってもその上限を超えることはできない。
乗数その3:開始日未定の2倍料金サーチャージ
ここでDeepSeekの構造は自らひっくり返っている。現時点でオフピーク割引は存在しない。代わりに価格表には注記があり、APIは「近くピーク/オフピーク料金制度を導入する予定」で、ピーク時間帯の価格はすべての課金項目に対して通常価格の2倍になるとされている。
公開されている時間帯は、北京時間で毎日9:00〜12:00と14:00〜18:00だ。UTCに変換するとUTC 01:00〜04:00とUTC 06:00〜10:00、つまり1日7時間になる。適用開始日については「正式な発表次第」とされているが、これは要するに「まだ決まっていない」ということだ。
これには実務上の解釈が2つある。負荷がタイミングを自分で制御できるバッチ処理なら、これはほぼ無害で、その時間帯を避けてスケジュールを組めばいい。負荷がヨーロッパの朝やアジアの午後にサービスする同期トラフィックなら、その多くがまさにこの時間帯に収まってしまうので、今のうちから予算を2倍で組んでおくべきだ。これは誰も気づいていない仮定の話ではない。
"Besides, in a few days, they'll change their pricing, doubling it during their peak hours [...] It's still cheap, but the price/performance ratio is not that good"
現在の価格表に載っているのは通常レートだ。DeepSeekはピーク時のレート表を公開していないため、あたかもピーク料金がすでに存在するかのように引用するのではなく、公開されている数字を自分で2倍にしてモデル化するのが誠実なやり方だ。
乗数その4:ゼロリテンションが必要な場合
これはそもそもDeepSeekの価格ではないが、顧客データを扱う人にとってはリストの中で最大の乗数になる。
DeepSeekの有料API向けOpen Platform利用規約は、APIの入力がモデルの学習に使われるかどうかについて何も述べていない。「入力と出力」の項は§4.2までで止まっており、コンシューマー向け規約の§4.3にある学習に関する条項が省かれている。「何も言っていない」ことは「許可している」ことと同じではなく、この点は正確に扱う必要がある。というのも、多くの論評がDeepSeekはAPIデータで学習していると断定的に述べているが、有料規約は単にそれを明言していないだけだからだ。同様に、規約は「学習しない」とも明言していない。どちらにしても、公開されたDPAはなく、ファーストパーティのゼロリテンション選択肢もなく、データはPRC法の下でPRC(中国本土)内に置かれる。
そのため、コンプライアンス要件を抱えるチームは代わりにゼロリテンションのホストを経由し、その分の対価を支払っている。
"The model is fantastic. And costs almost nothing. The only problem I see is that they will train on your data. There are zero-data-retention providers of DeepSeek models, of which I have used openrouter (with zdr guardrails), and fireworks. But these are 3x to 5x more expensive than directly using DeepSeek, possibly due to poor caching. Thats the price to pay for zdr."
括弧内の一文に注目してほしい、そこが重要な部分だ。サードパーティのホストはDeepSeekの98%のキャッシュ割引を再現しないため、リテンションのプレミアムを払い始めた瞬間に、安い入力レートも失うことになる。Flashの$0.28の出力は、ゼロリテンションのホストでは$0.84〜$1.40程度になり、これはビジョンとWeb検索を搭載した中間層の西側モデルと同じ帯域だ。このトレードオフを検討しているなら、SOC 2とGDPRの要件と、自社構築か購入かについての私のガイドが参考になる。
そもそもチームがこの点をなぜ気にするのかについての前例としては、Slackのポリシー変更とそれに続いた反応が、多くの読者が実際に体験した出来事だろう。
実際に人々が支払った金額
公開された実際の請求額は、いつでもモデル化した予測に勝る。これらはローンチ直後のスレッドで、誰に求められたわけでもなく、各自のダッシュボードから直接投稿されたもので、現時点で入手できる最も具体的なコストデータだ。
"I use deepseek for a lot of my personal day-to-day agent needs, and I will simply put this here and let this speak for itself, last 30 days:
"Those are rookie numbers. Last 13 days including today, so effectively 12 days of usage:
$19.27 USDAPI requests: 7,877Tokens: 2,116,598,952 Ok this is a bit of lie, a lot of my tasks are very experimental loops whose 99% output is like rubbish and can work forever continuously and take advantage of that 120x cheaper input cache. Still incredible."
2人目の投稿者は誠実に、自分の数字がなぜそれほど低いのかを説明している。ほぼ同一のプレフィックスを何千回も送り直す実験的なループは、キャッシュにとって理想的な形だ。これは実在するワークロードだが、大半のワークロードではない。
セッション単位、エージェントハーネス上では:
"Essentially I'm running everything on flash now inside pi. With the correct set of MCP servers, context reducer tooling and skills it can implement any task I throw at it. Some sessions take 30+ turns, but it's fast and cheap; all this in an hour, with ~$0.5 cost."
そしてここに反対側の請求額がある。これが、良い数字だけを基準に予算を組むべきではない理由だ。
"I bought it through OpenRouter and used it with Pi agent. The model was good, but there appeared to be a pricing glitch or something, because it burned through $50 in under an hour on pretty trivial stuff. Pi agent claimed it only used like $1. OpenRouter claimed differently and said I used all $50."
月に2ドル、そして1時間で50ドル。どちらも同じモデルについての実際の報告だ。変数はワークロードの形と、どの経路で購入するかであって、価格表そのものではない。これをきちんと監視したいなら、まさにそのためにLLM追跡ツールが存在する。
比較すべきはタスクあたりのコスト
トークンあたりの価格は、同じ作業に同じトークン数を使うモデル同士でしか比較できないが、モデルはそのようには動作しない。Artificial Analysisはこれを正規化したタスクあたりのコストという指標を公開しており、Flashを他のモデルと比較する際の誠実な読み方はこちらだ。
| モデルとエフォート | AA Intelligence Index | タスクあたりのコスト |
|---|---|---|
| DeepSeek V4 Flash (max) | 50 | ~$0.03 |
| GPT-5.6 Luna (high) | 46 | ~$0.03 |
| GPT-5.6 Luna (xhigh) | 49 | ~$0.04 |
| GPT-5.6 Luna (max) | 51 | ~$0.07 |
| DeepSeek V4 Pro | 44 | ~$0.05 |
| Kimi K3 (max) | 57 | ~$0.86 |
これによって比較全体の見え方が変わる。表示上の出力価格では、FlashはKimi K3に対して54倍安い。だがタスクあたりのコストではわずか29倍にしかならない。Flashがそこに至るまでにより多くのトークンを使っているからだ。そしてOpenAIのミドルティアと比較すると、その差はほぼなくなる。
"First, your direct comparison, Deepseek V4 Flash 0731 (max effort) $0.03 (rounded up) per task @ index 50. OpenAI Luna: * high effort $0.03 (rounded down) @ index 46 * xhigh effort $0.04 @ index 49 * max effort $0.07 @ index 51 So I would say a fair statement would be "OpenAI Luna between 2x and 3x the price of Deepseek Flash, what you get is 2 to 5 times faster inference""
ここで理由をはっきりさせておく価値がある。DeepSeekの価格比較で最もよく見られる間違いだからだ。2026年7月30日、OpenAIはGPT-5.6の価格を引き下げ、Lunaは80%下落して入力$0.20、出力$1.20になった。今もLunaを入力$1.00、出力$6.00として引用しているものは、5倍間違っている。そして修飾語のないgpt-5.6との比較は、実は知らないうちにFlashを、フロンティア級で$5と$30のSolと比較していることになる。実際に価格面でFlashと競合するティアはLunaであり、インデックス上ではこの2つは同水準だ。
FlashとProの比較、見た目通りではない比率
両ティア間の見出し上の比率はすっきりしている。Proはキャッシュミス入力と出力でFlashの3.11倍、キャッシュヒットではわずか1.29倍だ。つまりワークロードがよりキャッシュされるほど、ティア選択のコストは小さくなる。
ただ、そもそもティアの選択はほぼ決着がついていて、しかもProに有利な形ではない。Flash 0731は7月31日に再ポストトレーニングされたのに対し、価格表に載っているdeepseek-v4-proはまだ4月のプレビュー版で、0731相当の後継はない。FlashはDeepSeekが公開しているエージェント系ベンチマーク9行すべてでPro-Previewを上回り、Intelligence Indexでも6ポイント高いスコアを、その3分の1の価格で出している。この逆転現象についてはFlashとProの比較で詳しく取り上げた。
それでもProは、必要であれば対価を払う価値のある2つの領域で本当の優位性を保っている。それは記憶(リコール)と長文コンテキストの検索だ。プレビュー版のクロスモード表では、SimpleQA-Verifiedで57.9対34.1、1MコンテキストでのMRCRで83.5対78.7、BrowseCompで83.4対73.2となっている。これが49Bのアクティブパラメータが13Bに対して買っているものだ。人間の好みに基づく評価もここでは自動インデックスと意見が分かれており、LMArenaでは同程度の投票数でもProがFlashより上位に位置している。
Proを使うなら、課金上の落とし穴が1つある。DeepSeekが公開しているエフォートのマッピング表では、Pro上のlowリクエストはhighとして処理される。安く使えるProの実行方法は存在しない。3.11倍のレートを払う一方で、推論を下げてそれを相殺することもできない。このマッピングは2026年8月上旬に変更される予定なので、これを前提に構築する前に確認しておくこと。
噛みつく課金の仕組み
価格表の課金ルールは簡潔だが、その中には運用上の問題が2つ隠れている。
**前払い制であり、残高が尽きたときの挙動は優雅ではない。**支払額はトークン数×価格で、チャージした残高または付与された残高から差し引かれ、両方がある場合は付与された残高が先に使われる。DeepSeekは事前にまとめてチャージするのではなく、実際の使用量に応じてチャージすることを明確に推奨しており、価格を変更する権利も留保している。長時間実行される処理にとっての影響は、残高不足による402がリクエスト時ではなく実行の途中で発生することだ。これは致命的なエラーとして扱い、アラートを設定しておくべきだ。402をリトライしても何の意味もない。
**公開されているレート制限はなく、あるのは同時実行数の上限だけだ。**ドキュメントのどこにもRPMやTPMの記載はない。公開されているのは同時実行数で、Flashが2,500、Proが500であり、これはキー単位ではなくアカウント単位で適用され、上限を超えるとRetry-Afterヘッダーなしで429が返る。拡張はリクエストフォームを通じて行う。本番ワークロードのサイジングを行うなら、このアカウント単位という範囲が計画すべき重要な点だ。暴走した1つのジョブが、そのアカウント上の他すべてを飢餓状態にしてしまうからだ。
事前見積もりのために、DeepSeekは英語1文字あたり約0.3トークン、中国語1文字あたり約0.6トークンという比率を公開しており、送信前に正確なカウントが欲しい場合はオフラインのトークナイザーパッケージも用意されている。
この価格だけで、このモデルをサポートキューに載せるべきか?
ここで一度立ち止まって考えるべきだ。コーディングエージェントにとってFlashを魅力的にしている計算が、顧客対応の業務にはそのまま通用しないからだ。
FlashのAA-Omniscienceハルシネーション率は84%だ。前世代から12ポイント改善されているとはいえ、有償の顧客の前に監督なしで出せる数字にはまだ遠い。画像入力の対応も明記されておらず、Web検索もないため、写真の添付や注文状況の確認には別の仕組みを組み込む必要がある。
だが、より根本的な問題は、リーダーボード上のハルシネーション率そのものが、比較検討の基準として間違っているということだ。あるCXリーダーが、私よりも上手くそれを言い表してくれた。
"The AI will never be able to answer 100% of the questions, but if it tries and just answers 'sorry I don't know this,' I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer, then the point is a little bit gone. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."
このCXリーダーは、GorgiasとShopifyを使う、月間約7,000件のチケットを処理するDTCサプリメントブランドの人物で、信頼度に基づくルーティングこそが評価全体を決定づける反論材料だったという。彼らが必要としていたのはより良いスコアではなかった。モデルがいつ手を引くべきかを知っていることが必要だったのであり、それは信頼度のしきい値、検証済みの知識へのグラウンディング、そして基準を下回るすべてに対する人間の介在の仕事だ。
私はこれと同種の失敗を、自社のプロダクトの中でも目にしてきた。チームが本番環境で捕まえた最悪のパターンは、エージェントが実際にはAPIを一度も呼ばずに「Zendeskの検索を実行中」と10ターン近く語り続け、その後、存在しないファイルを保存したと報告してきたことだった。AIのチームメイトへの信頼を最も速く失わせるのは、それが自分のやったことについて嘘をつくことだ。そしてそれはトークン価格の問題ではなく、監督の問題だ。
eeselが当てはまる場所
DeepSeekを100万トークン単位で価格計算している理由が、より安いサポートを求めているからだとすれば、そもそも単位そのものが間違っている。サポートチームが実際に支払っているのは解決あたりのコストであり、トークン価格はそれについて何も教えてくれない。何件のチケットが実際に解決したかについて、何も語っていないからだ。
eeselは、成果が測定される方法そのままの単位で価格が決まる。処理したチケットまたはヘルプデスクの会話1件あたり40セント、シート費用なし、そして人間が対応したチケットには一切課金されない。それを実際に運用する前に、自社の過去のチケットに対してシミュレーションを実行し、自社データ上での実際の解決率を確認できる。正直なところ、意味のある精度の数字はこれしかない。そして最初はごく一部だけをルーティングすることもできる。月に1,000件のチケットがあるなら、そのうち200件だけをAIに送り、200件分だけを支払う。つまり$80だ。
利用開始時には、クレジットカード不要で$50分の無料利用枠があり、さらにエージェントが超えることのないデフォルトの支出上限$250が設定されている。詳しい数字は価格ページにある。DeepSeekの規約が未解決にしているようなデータ取り扱いに関する質問については、セキュリティとエンタープライズのページで扱っている。
2026年8月時点でも、$0.14と$0.28はまだ安いのか?
答えはイエスだが、見出しの数字が示すほどではなく、正直な答えは何と比較するかに大きく左右される。
プレミアムティアと比べると、その差は非常に大きく、しかも実在する。Claude Opus 5とFlashは出力で約89倍離れている。Kimi K3と比べると、表示上の差は54倍だが、タスクあたりの差は29倍だ。Qwen 3.8 MaxやQwen 3.7 Flashと比べると、Flashは価格では競争力を保つが、テキスト専用であるためマルチモーダル対応では後れを取る。
実際に競合しているティアと比べると、差は小さい。入力$0.20、出力$1.20のLunaはIntelligence Indexでは同水準で、動作は数倍速く、ビジョンとWeb検索も搭載している。その上にゼロリテンションのホスティングを重ねると、価格差はほぼ消える。そのため、少なくないチームがFlashと他のモデルを併用する形に落ち着いている。バルクの作業にはFlashを、Flashにはできない仕事には別のモデルを使う、という具合だ。そうした分割構成を考えているなら、3社のAPI比較が良い出発点になるし、MistralとGrokも同じ価格帯の議論に入ってくる。
価格表がまったく太刀打ちできない選択肢が1つだけある。自分で動かすことだ。重みはMITライセンスで、およそ167GB、総パラメータ284B、アクティブパラメータ13Bであり、これはセルフホスト型の展開を、データセンター級というよりは高価なプロシューマー向けハードウェアの領域に置く。自分のハードウェア上でのキャッシュ入力はコストがゼロだ。その方向を検討しているなら、オープンソースのAIエージェントとファインチューニングが次に読むべき記事だ。
よくある質問
DeepSeek V4 Flashの料金はいくらですか? DeepSeek V4 Flashの料金は、キャッシュミス時が100万入力トークンあたり$0.14、キャッシュヒット時が100万あたり$0.0028、出力が100万出力トークンあたり$0.28だ。これらは価格表に載っている通常レートで、保留中のピーク時間帯ポリシーが導入されると、公開されている時間帯ではすべて2倍になる。ヘルプデスクAIの予算とどう比較するかについては、実際にAIカスタマーサービスのコストがどうなるかを参照してほしい。
DeepSeek V4 FlashとV4 Proの料金を比較するとどうなりますか? Proはキャッシュミス入力と出力でFlashの3.11倍、キャッシュヒットでは1.29倍のコストがかかる。それに加えて、Flashは現時点でArtificial Analysis Intelligence Indexでも50対44と高いスコアを出しており、この逆転現象についてはFlashとProの比較で詳しく解説している。Proは記憶と長文コンテキストの検索では優位性を保っている。
DeepSeek APIに無料プランはありますか?
価格表に無料プランは記載されていない。課金は前払い制で、チャージした残高または付与された残高から差し引かれ、付与された残高が先に使われる。この前払いモデルが、402がリクエスト時ではなく実行の途中で発生する理由だ。詳細な仕様はDeepSeek V4 Flashの概要にまとめている。
DeepSeekの請求額が広告されている価格より高いのはなぜですか?
ほとんどの場合、3つの理由のうちのどれかだ。キャッシュのヒット率が想定よりも低く、入力の多くが$0.0028ではなく$0.14で課金されている。または思考モードが推論トークンを生成しており、これは出力レートで課金される。あるいはファーストパーティではなくリセラー経由で購入しており、それがレートとキャッシュの挙動の両方を変えている。最初の2つを見分けるにはprompt_cache_hit_tokensをログに残すこと。
DeepSeekはAPIデータで学習しますか? 有料版のOpen Platform利用規約はこの点について何も述べていない。「入力と出力」の項は§4.2で止まっており、コンシューマー向け規約にある学習に関する条項が省かれているため、その権利を許可も拒否もしていない。公開されたDPAもファーストパーティのゼロリテンション選択肢もなく、データはPRC内で処理される。ゼロリテンションのサードパーティホストは3〜5倍のコストがかかる。サポートチームが実際に満たすべき要件については、私のSOC 2とGDPRのガイドで扱っている。
DeepSeek V4 Flashはカスタマーサポートチャットボットを動かすのに十分安いですか? 制約になっているのはトークン価格ではなく、84%のハルシネーション率と、画像入力の対応が明記されていないことだ。顧客の前に生のモデルを置く前には、RAGによるグラウンディング、ガードレール、そして信頼度に基づくルーティングが安全のために必要になる。サポートにおけるハルシネーションの防止についての私のガイドがそのメカニズムを解説しており、サポートチャットボットの構築がスタックの残りの部分をカバーしている。
DeepSeekの2倍のピーク料金はいつから始まりますか? まだ日付は発表されていない。価格表では適用開始日は「正式な発表次第」とされている。公開されているピーク時間帯は、北京時間で毎日9:00〜12:00と14:00〜18:00で、これはUTCの01:00〜04:00と06:00〜10:00にあたる。トラフィックが同期的で、この時間帯に該当する場合は2倍でモデル化しておくこと。
DeepSeek V4 Flashを最も安く動かす方法は? ファーストパーティのAPIを高いキャッシュヒット率で使うことだ。この記事に出てきた1セント未満の混合レートも、そもそもそこから生まれている。プロンプトのプレフィックスを安定させ追記型にし、出力を短く保ち、バッチ処理は保留中のピーク時間帯を避けてスケジュールすること。データを自社の管理下から出せないなら、MITライセンスの重みとセルフホストの展開によってトークンあたりのコストを完全に排除できる。代わりにハードウェアのコストがかかる。サポートチームにとっては、トークンレートを追いかけるよりもAIによるサポートコストの削減という視点のほうがそもそも良い枠組みだ。
結論
DeepSeek V4 Flashは現時点で市場最高のドルあたりの知能を持っており、$0.14と$0.28という数字は、それがどれだけ安くなり得るかをまだ過小に示している。1セント未満の混合レートは実在し、記録もされている。1時間で$50が消えることも同様に実在する。
私自身がこれをどう使うか。バッチ処理、コーディングエージェント、レビュー、要約など、安定したプロンプトのプレフィックスと短い出力を持つ作業には使う。そして最初のリクエストから、仮定ではなく実測でキャッシュヒット率を測ること。同期的な本番トラフィックには、そのピーク料金ポリシーに日付が付くまで2倍で予算を組む。コンプライアンス要件のある顧客データには、ゼロリテンションのルートの価格を確認し、それをLunaと正直に比較すること。そちらでは割引がほぼ消え、Lunaのほうができることが多いからだ。
そして顧客に応答する用途については、トークンあたりの価格を比較すること自体をやめるべきだ。比較すべきはチケットあたりのコストであり、それも自社のチケット履歴に対して測定したものだ。それこそが、実際に経理チームが目にする数字だからだ。
Article by
Alicia Kirana Utomo
Kira is a writer at eesel AI with a Computer Science background and over a year of hands-on experience evaluating AI-powered customer service tools. She focuses on breaking down how helpdesk platforms and AI agents actually work so that support teams can make better buying decisions.
