2026年の要約向けLLM比較：正確さ、長文書、費用

「試験導入で対応時間が短縮した」は役立ちそうな要約です。しかし、改善したのは一つのチームだけで、比較に研修時間が含まれず、全面導入の判断も保留中だと原文にあれば、誤解を招きます。文書を短くする価値があるのは、残った内容から読者が正しい判断を下せる場合だけです。

範囲を限定した文章要約の低価格候補として、まずGPT-5.6 LunaとDeepSeek V4.1 Flashを比べます。 情報源を確認する工程が重要ならClaude Sonnet 5を、GoogleのAPI内で長文書を比較するならGemini 3.8 Flashを加えます。ここでは、どれも普遍的な精度の勝者とはしていません。高価なモデルへ移るのは、実際の文書で重要な事実を保つ、またはレビュー作業を減らすことが確認できた後です。

これは2026年9月14日に確認した公開ドキュメントの比較で、架空の報告書例と仮定に基づく使用量計算を使います。複数モデルによる要約実験ではありません。音声の文字起こし、文書のスキャン、ウェブをまたぐ調査は別の作業です。

試験に含める候補を選ぶ

これらは費用とインターフェースから選んだ候補で、特定の提供元がより忠実な文章を書くという前提ではありません。Claudeの引用機能は、渡した文書への参照を付けられます。有効な参照は根拠探しを助けますが、その箇所が要約の表現を本当に支えているかはレビュアーが判断します。

渡した報告書だけを要約する仕事なら、情報源に基づく要約にウェブ検索は要りません。外部情報を加えれば、別の成果物になります。依頼で外部の背景情報を明示的に求めない限り、比較中は検索を無効にします。

要約から落としてはいけない事実を決める

次の短い架空の試験報告を使います。

二つのサポートチームが、新しい振り分け手順を4週間試しました。チームAの対応時間中央値は12分から9分に短縮し、チームBは11分のままでした。研修時間は除外されています。試験対象は平日のチケットだけです。チームは全面導入を決める前に、もう一度試験するよう提案しています。

意思決定者向けの許容できる要約例は次のようになります。

4週間の平日試験では、チームAの対応時間中央値が12分から9分に短縮した一方、チームBは11分のままでした。研修時間は除外されており、全面導入前に追加試験が推奨されています。

これは筆者が書いた参照例で、モデル出力ではありません。チームごとの異なる結果、測定値、対象範囲、除外された費用、保留中の判断を残しています。「サポート組織全体で対応時間が25%短縮した」は不合格です。25%はチームAだけを表し、両チームや組織全体の結果ではありません。

生成前に、この読者に必須の事実を書き出します。そのうえで、各候補の要約と照合してください。根拠のない追加と欠落は別々に数えます。架空の事実が一つもなくても、行動の可否を決める条件が抜けた要約はありえます。

長さも依頼に含めます。同じ目標長と読者で要約を比べてください。一つのモデルだけに倍の長さを認めれば、事実を残しやすくなります。指定した長さに必須の事実が収まらないなら、上限を変えるか、安全に省ける情報を決めます。自信に満ちた不完全さを評価してはいけません。

長いコンテキストウィンドウは完全性の点数ではない

Googleの長いコンテキストに関するガイドは、大きな入力の使い方と制約を説明しています。容量は一回のリクエストに何を収められるかを示しますが、付録に埋もれた但し書きを特定の要約が保てるかは示しません。

長い報告書では、異なる位置に確認項目を置きます。冒頭の定義、中ほどの例外、終盤で変更された提案を用意し、三つすべてを要約と照合します。正解表を別の未検証モデルに作らせず、期待する内容をすでに把握している文書を使ってください。

報告書を分割すればリクエストは小さくなりますが、各部分の要約が最終的な統合に必要な細部を捨てることがあります。付録で以前の提案が覆される場合、節ごとに独立して要約する工程では、その関係を失うかもしれません。中間メモに参照箇所を残し、短縮済みメモだけでなく原文と最終結果を照合します。

会議メモでは、誰が何を担当すると合意したか、日付は提案か確定かを残します。入力が音声なら、文字起こしの誤りによって名前や金額がすでに変わっている場合があります。要約品質を上げても、元資料から消えた言葉を確実には復元できません。

報告書100件の要約費用

100リクエスト、各入力2万トークン、課金対象の出力1,000トークン（課金対象の推論を含む）と仮定します。合計は入力200万、出力10万トークンです。これは固定した使用量の仮定で、同じ文書が提供元ごとに同じトークン数になるという主張ではありません。

現在のAPI IDはdeepseek-flashです。旧V4 Flash IDもV4.1 Flashに転送されます。定期実行前に提供元の最新の課金時間帯を確認してください。

価格は税、ツール、再試行、割引を除く、キャッシュなしの標準米ドル料金です。Lunaへのリクエストは短いコンテキストの料金帯に収まります。DeepSeekのオフピーク料金ならこの例は半額になり、Geminiの掲載導入料金は2026年12月31日に終了します。継続費用を予測する前に、利用時間と課金条件を提供元の現在の料金で確認してください。

2回目の処理も無料ではありません。確認のために元の全文と最初の要約を送れば、入力料金はほぼ繰り返される可能性があります。最終要約を自分で読む時間も必要です。100件におけるLunaとSonnetの表上の差額$4.48は、レビュアーの時給を$30と仮定すると8.96分に相当します。その短縮は測定していません。この想定では、高価な候補が埋める必要のある差です。

自分の処理量はAILessonのモデル料金計算ツールに実測した入出力を入れ、レビュー時間を別に加えてください。必須事実が残ったか、根拠のない記述があったか、修正に何分かかったか、APIの全使用量を記録します。最も役立つ要約は、モデルが生成できる最短文ではなく、読者の判断をなお支えられる最短文です。

参考資料

• GPT-5.6 Luna、DeepSeekの料金、Gemini 3.8 Flash、Claudeの料金：候補の仕様と確認日時点の料金。
• Claudeの引用機能：提供文書への参照。
• Geminiの長いコンテキスト：大きな入力の使用方法と制約。