Qwen 3.7 Flashの料金:2026年に実際いくら払うのか

料金表と、その裏にある4つのメーター

これが公表されている価格の全体像で、実際に適用される通りのものだ。

これらの料金はOpenRouterのモデルAPIから取得したもので、Qwen3.7 Flashのモデルページもこの同じフィードから表示している。Alibaba Cloud Model StudioのモデルカードもCNYで同じ3階層構造を掲載している。

課金される数字を動かす要因は4つあり、そのうち表に載っているのは1つだけだ。

自分のワークロードをこの4つすべてに入力してみよう。

この記事の残りの部分では、その4つの入力それぞれが実際に何をしているのかを説明する。

メーター1: プロンプトサイズの階層、そしてエージェントループがどのようにそこへ入り込んでいくか

料金はプロンプトの大きさによって階層化されており、1か月に購入するトークン数によるものではない。32,001プロンプトトークンのコールは、そのすべてのトークンに対して1Mあたり$0.10で課金される。境界を越えた分だけではない。256Kを越えると、リクエスト全体が再び$0.20で再計算される。

これにより、最上位の階層は表示されている入力料金の6.7倍、出力料金の6.2倍になる。またこれは、このモデルに関するあらゆる見出しにある2つの数字、「最安の画像対応モデル」と「1Mコンテキスト」が、同じコールの中で両方成立することはないということでもある。同僚のRamaが、そのQwen 3.7 Flashレビューでそのトレードオフを詳しく解説している。スペックシート版はQwen 3.7 Flashの概要にある。

あまり明らかでないのは、意図せずそこに到達してしまう経路だ。エージェントループは自然に階層をまたいで漂っていく。

• ツールスキーマを含むシステムプロンプトは、ユーザーが何か言う前から3Kから8Kトークンあることが多い。
• 検索された文書がその上に積み重なる。それぞれ2Kのヘルプセンター記事4件で、さらに8K。
• 各ターンで会話全体を再送信するため、ターン1は12Kかもしれないが、ターン6は40Kになる。

ターン1は$0.03で課金される。ターン6は$0.10で課金され、プロンプト全体に遡って適用される。コードには何も変更がない。これはどこかで表示料金だけを見てモデルを選ぶのと同じ形の問題であり、だからこそOpus 5対Sonnet 5は結局トークンあたりのコストではなく完了したタスクあたりのコストの議論になる。

これが実際のユーザーに起きているという証拠は、ベンダー自身のページにある。OpenRouterは、キャッシュ後に顧客が実際に支払っている金額の直近30日加重移動平均を公開しており、このモデルでは入力$0.044、出力$0.149で、キャッシュヒット率は51.0%だ。実効価格が定価を上回っているのは、トラフィックのかなりの割合が上位階層で課金されている場合にのみ算術的に成立する。

料金表でモデルを比較しているなら、同じ罠が別の場所でも別の姿で存在する。GPT-5.6の料金は272Kトークンを超えると入力が2倍になり出力に50%が加算され、Claudeの料金はキャッシュ書き込みに割増料金を課す。ウィンドウ全体で一律料金なのはQwen3.7 Maxだけで、それには入力トークンあたり49倍のコストがかかる。

メーター2: キャッシング、キャッシュへの書き込みがキャッシュしないより高くつく場所

これは人々が最も間違えやすいメーターであり、一度計算してみる価値がある。

Qwen 3.7 Flashには2種類のキャッシュがある。暗黙キャッシュは標準入力料金の20%で読み取れ、作成コストはかからない。明示キャッシュは分かれている。作成料金を払い、その後はるかに低い読み取り料金を払う。OpenRouterのUSDリスティングでは、5分間の明示キャッシュは$0.038で作成され、$0.003で読み取られ、これは標準入力料金の$0.03と対比される。

もう一度読んでほしい。キャッシュエントリの書き込みは、そのトークンをそのまま送るだけの場合よりも1.27倍のコストがかかる。

計算は早いうちにあなたに有利に転じる。1回書き込んで1回読み取れば、キャッシュなしの$0.060に対して1Mあたり$0.041を支払ったことになり、すでにキャッシュは元を取っている。それ以降の読み取りはほぼ無料だ。すべてがうまくいかなくなるのは1つの特定のケースだけだ。誰にも読まれないままキャッシュが失効し、何の得もなく27%の割増を支払ったケースだ。

これはまさにサポートキューの形そのものだ。チケットは同じコンテキストに対して一気に集中して届くのではなく、一日を通してポツポツと入ってくる。5分のTTLはチャットセッションには十分だが、受信ボックスには役に立たない。OpenRouterがこのモデルの全トラフィックで計測している51%のキャッシュヒット率は、妥当な計画上の前提であり、ベンチマークスクリプトで得られる90%ではない。

そこから2つの実用的なルールが導かれる。デフォルトでは暗黙キャッシュを使うこと。作成コストがかからず、それでも20%で読み取れるからだ。明示キャッシュは、高スループットのエンドポイントの長いシステムプロンプトのように、ウィンドウ内で繰り返しヒットすると確信できるプレフィックスのために取っておくこと。その上にリトリーバルを構築している場合は、RAG対LLMのトレードオフもここで重要になる。検索されるコンテキストが小さいほど、コールあたりのコストが安くなり、次の階層に押し上げられる可能性も低くなるからだ。

メーター3: バッチ割引はたった1つのリージョンにしか存在しない

Alibaba自身のモデルカードは、このモデルをCNYで、4つの別々のリージョン表で価格設定している。その違いは表面的なものではない。

この表からわかることは3つある。

Batch Fileの料金は両方のメーターを半額にするが、それは北京にしか存在しない。 Batch Inferenceはシンガポール、フランクフルト、東京の機能表では未対応とされているため、他のあらゆるベンダーが世界中で提供している50%の割引は、ここではどこに導入するかによって決まる。罠の中の罠にも注意してほしい。Batch Chatの行は0.2と0.8で、標準料金と同一だ。ファイルベースのバッチだけが割引を受けられる。

シンガポールは同じモデルでも高くつく。 入力はベース料金より12.5%高く、出力はおよそ22%高い。機能表にはそれを説明するものは何もない。単に価格リストが違うだけだ。

Web検索もリージョンによって制限されており、北京とシンガポールでは対応しているが、フランクフルトと東京では対応していない。これは価格の問題というより機能の問題だが、別の検索APIを組み込んでそれに二重に支払う必要が出てきたときに問題になる。

通貨についてもう一つ。モデルカードはすべてのタブでCNYを表示し、どこにもUSDの数字は表示していない。みんなが引用するドル料金は、OpenRouterの再販リスティングから来ている。これらは1つの料金体系に対する2つのストアフロントであり、解決すべき矛盾ではない。両者の間で換算しても、どちらの請求書にも合わない数字が出るだけだ。実際に購入しているストアフロントに合わせて価格を計算すべきだ。ベンダー間で比較する人は誰でも同じ問題に行き当たる。それも、OpenAI対Anthropic対Geminiの比較が3つの料金ページを読むよりも難しい理由の一部だ。

メーター4: リトライ、誰も予算に入れていない項目

OpenRouterはこのモデルについてツール呼び出しのエラー率8.88%を計測しており、これはQwen3.7 Plusの6.45%と対照的だ。エージェントループにおいて、失敗したツール呼び出しは無料ではない。それを生成したプロンプトの分はすでに支払っており、その失敗をコンテキストに含んだリトライに対しても、わずかに大きくなったプロンプトサイズで再び支払うことになる。

9%は致命的ではないが、モデルの一部として組み込まれるべきものであり、だからこそ上の計算機はそれを注釈として残すのではなく乗数として加算している。

レイテンシのテールも、お金の代わりに時間で語られる同じ話だ。エンドツーエンドのP50は快適な3.56秒。P99は90.19秒だ。タイムアウトがそれより短い場合、約100回に1回の割合でコールをキャンセルして再発行し、両方に対して支払うことになる。そして、このモデルを提供しているベンダーはちょうど1社しかいないため、遅くなったときに切り替えるフォールバックのルートは存在しない。

「Flash」は速度ではなく価格に関する主張だ。出力59トークン/秒では、このモデルはGemini 3.5 Flash-Liteのおおよそ6分の1の速度であり、応答を待っているものが何かあるなら本当に考慮すべき点だ。それでいて奇妙なことに、自社のPlusの兄弟モデルよりおよそ5倍速い。

安価な画像対応ティアの他モデルとの比較

以下の各数字はすべて、標準の同期ティアにおけるベンダー自身の料金ページから取得している。

Qwenは一桁違いのマージンで最上段に勝っており、$0.10未満で動画入力を受け付ける唯一のモデルだ。しかし各ベンダー独自の割引を適用すると、単純な数字が示すよりも比較は接近する。Mistralの料金は一律なので、見た通りの金額を払うことになる。バッチモードはGoogleの両ティアを、リージョン制限なしで世界中で半額にする。これはGemini 3.5 Flash-Liteの料金の解説が示す通りだ。

そしてGPT-5.6は2026年7月30日にLunaの価格を80%引き下げ、これは私がこれを書く数日前にこの表を大きく揺るがした。全ティアのマップはGPT-5.6の料金の記事にあり、Googleのレンジの上限はGemini 3.6 Flashの料金にある。

じっくり見る価値のある行が2つある。Googleの自社ラインナップ内では、新しいほうが安いとは限らず、3.1 Flash-Liteは今も3.5より安い。そしてオープンウェイトは必ずしも安いことを意味しない。Kimi K3の料金は入力$3、出力$15でそれを示している。ここでオープンウェイトを求めているなら、Qwen 3.7はクローズドであることに注意してほしい。ベストなオープンソースAIエージェントのまとめの方が良い出発点になる。

Qwenファミリー内では、価格の階段は急だ。

Flashは入力でPlusより10.7倍安く、Maxより49倍安く、動画を受け付ける唯一のモデルだ。フラッグシップであるMaxにはVisionが全くない。ラインナップの広い文脈はQwenの料金の解説にあり、新しいプレビューティアはQwen3.8-Maxの料金で取り上げている。

この3つのどれも合わなければ、Qwenの代替が他にどんな選択肢があるかをカバーしており、Qwenファミリーの概要はこの階段のわかりやすいまとめになっている。

コミュニティが言っていること、そしてそれはほとんどない

これは明確に言っておく価値がある。それは価格単体にどれだけの重みを持たせるべきかを左右するからだ。このモデルには独立した価格対性能のデータが存在しない。 Artificial Analysisには掲載されておらず、LMArenaのエントリもなく、Qwenもこのモデルに関するベンチマークを公表していない。Hacker Newsでモデル名を検索しても、ストーリーとコメントを通じて全期間でゼロ件だ。

説明に最も近いものは、同じ週の関係のないスレッドから出てきた。

「Qwen/Alibabaは一時期オープンウェイトのリリースをやめていた。恨みとかそういうことではなく、もらったものにケチをつけるつもりは確かにないが、DeepSeekとMoonshotのどちらも、オープンウェイトと本当に詳細な研究の共有にかなり一貫して取り組んできた。」

dannyw、「DeepSeek-V4-Flash Update」、Hacker News

通常Qwenのリリースを徹底的に検証するコミュニティは、そのラインがクローズドウェイトになった時点で見なくなってしまい、API限定のローンチはベンチマークする人が誰もいないまま行われた。同じスレッドで、別のコメント投稿者が指摘したように、競合する安価なモデルは「Vision能力を持っておらず、これはエージェント的タスクにおいて大きな魅力になる」とされたが、それはまさにこのモデルの売りそのものであり、それが4日前に出荷されていたことを知らない人物によって書かれたものだった。

実務的に言えば、価格は信頼できる。ベンダーが公表しているからだ。しかし、それで何が得られるかについての誰かの主張はまだ信頼できない。ワークロードを本格導入する前に、自分自身の評価に予算を割くべきだ。トップクラスのAIエージェントの議論にある他のどのモデルでもそうするように。

サポートキューで実際いくらかかるのか

ここで料金表から一歩外に出る必要がある。これがほとんどの人がここに来る理由となる問いだからだ。

もっともらしいサポートワークロードで計算機を動かしてみよう。月20万件の会話、システムプロンプトといくつかの検索記事を含めるとそれぞれ12Kのプロンプトトークン、出力700トークン、半分がキャッシュヒット、リトライの上乗せをオンにした場合だ。それでおよそ月$67になる。これは見出しの見積もりより低く、キャッシュがベース階層を離れないプロンプトサイズできちんと機能しているからだ。これは丸め誤差のように感じられるほど小さな数字で、まさにその数字が自作を明らかに正しい選択だと思わせてしまう。

eeselでは、この判断が繰り返されるのを定期的に見てきているが、そのパターンは一貫している。社内のチャーン分析によると、ARの建設テック企業やDTCのビューティーブランドを含む複数の技術力の高い顧客が、LLM APIの上に直接構築するために離れていった。チームを反対方向に向かわせるのは、トークンがカバーしないものだ。買う側では、300件を超える記事を持つConfluenceとTelegramのナレッジベースを運用しているビットコインATMハードウェア企業のエンジニアリングリードがこう語っている。

「自分たちでLLMアプリケーションを書こうとすることもできたが、そこに時間を投じたくはなかった。自分たちで保守しなくていいものが欲しかった。」

保守こそが本当のコストだ。生のモデル呼び出しは、あなたのヘルプセンター記事のどれが最新かを知らず、いつ人間にハンドオフすべきかのルールもなく、実際の顧客に回答する前に自らを過去の履歴に対してテストする方法もない。それを誤ることは、どのトークン階層よりも高くつく。自信満々に聞こえるボットが静かに間違った答えを返す様子を私たちは見てきた。だからeeselのすべてのロールアウトは、実際の会話に触れる前に過去のチケットに対してシミュレーションされる。

APIの行だけでなく正直な総額の数字が欲しいなら、AIカスタマーサービスのコストの解説と解決あたりのコストの比較の方が、どのトークンあたりの表よりも良い出発点になる。そしてAI対人のコストは、財務部門が実際に聞いてくる数字を枠付けしてくれる。

$0.03の料金では買えないエンジニアリング作業を、影響が出てくる順にほぼ並べると次のようになる。

• 最新の状態を保つリトリーバル。これはナレッジベースでAIをトレーニングすることのすべてだ。
• モデルが答えるべきことだけに答えるようにするための、確信度のしきい値とAIエスカレーション。
• サポートにおけるAIのハルシネーションが顧客を失わせる失敗であるため、グラウンディングとガードレール。
• 回答を試みる前のトリアージとチケット分類。
• AIの解決率がこれらのどれかが機能したかどうかを教えてくれる唯一の数字であるため、測定。
• 決して終わらない継続的なAIサポートQA。

これらのどれも安価なモデルへの反論ではない。実際にどの請求書を読んでいるのかを知るための議論だ。こんなに安いモデルは優れたコンポーネントであり、貧弱なプロダクトでもある。その2つの違いが、AIエージェント対従来型チャットボットが実際に何を意味するのかということに帰着する。

eeselを試す

$0.03のモデルであなたのサポートキューを支えられるかを計算してここに来たなら、正直な答えは、トークンは決して難しい部分ではなかったということだ。eeselは、あなたが自分で構築しなくていいバージョンのそのプロジェクトだ。数分でZendesk、Freshdesk、Gorgias、あるいはあなたの受信ボックスに接続し、すでに持っているヘルプセンターと過去のチケットを読み込み、確信があることだけに回答し、その他すべてをエスカレーションする。

デモに一度でも痛い目を見た人にとって最も重要な部分はこれだ。1人の顧客に見せる前に、自分自身の過去のチケットを何千件も使ってシミュレーションできる。そのため、解決率とチケットあたりのコストを本番投入前に把握できる。両方を本番環境で発見するのではなく。無料で試せて、作り直しは不要だ。

短いまとめ

Qwen 3.7 Flashの料金は本物であり、入手可能な中で最も安いVision対応の料金だ。ただしそれは、プロンプトが32K未満に収まり、北京にデプロイし、キャッシュが実際に読み取られ、エージェントがあまりリトライしないという条件付きだ。そのどれか1つを変えれば数字は動く。あるケースでは6.7倍にもなる。

移行する前にモデル化してみるべきだ。そして計算の向こう側にあるワークロードがサポートキューであるなら、トークンではなくシステム全体の価格を見積もるべきだ。サポートに最適なLLMは、たいてい自分で保守しなくていいものだ。

出典

• OpenRouterのQwen3.7 Flash
• OpenRouterの公開モデルAPI
• Qwen3.7-Flashモデルカード、Alibaba Cloud Model Studio
• QwenCloudのQwen3.7-Flash
• QwenCloudモデルチェンジログ
• OpenRouterのQwen3.7 Plus
• OpenRouterのQwen3.7 Max
• Gemini APIの料金
• Gemini 3.5 Flash-Liteモデルページ
• Gemini 3.6 Flashモデルページ
• OpenAI APIの料金
• GPT-5.6 Lunaモデルページ
• Claudeの料金ドキュメント
• Mistral APIの料金
• Hacker News、DeepSeek-V4-Flash Updateスレッド