過去14日間で、Agent Arenaでは30,000件近くのタスクが1時間以上実行されました。その1時間の間に、平均的なモデルは332回のツール呼び出しを行いました。
このような長時間タスクでは、モデル選択を適切に行うことでコストを最大66%削減できます。
Agent Arenaでは、1時間の作業にかかるコストは、Gemini 4 Carbonでは1タスクあたり中央値$10.51、@AnthropicAIのClaude Opus 5.5では$21.13、@OpenAIのGPT-6 Astraでは$31.08です。
つまり、1時間のタスクにおいて、@GoogleDeepmindのGemini 4 CarbonはOpusより50%安く、Astraより66%安いことになります。
長時間実行するジョブでは、コストと能力の天秤が重要になります。Claude Opus 5.5は依然として高いスコアを出しますが、1時間の作業あたりのコストは2倍です。