日常のコーディングにフロンティアモデルは不要
Tamago Labsは、日常の開発タスクで低コストのホスト型モデルやローカルモデルをベンチマークし、どこまで低コストで十分かを見極めます。
更新を購読
直接お届けします。スパムなし、いつでも解除できます。
ベンチマーク
知性の電気代
レスポンスあたりの消費電力は3桁変わる。ワット時あたりの精度で割ると、リーダーボードの順位は入れ替わる。
445×ワット時あたりの成功率が も高い ― Gemma 2B〈Raspberry Pi〉での成功率はClaude Opus 4.7より高く、フロンティアは多くのタスクで使われないヘッドルームに電力を費やしている。
| Model | Cost / 1M | Success % | Success / $ | Energy / resp | Success / Wh ↓ |
|---|---|---|---|---|---|
 Gemma 2B (Pi 5) | free | 30% | — | 0.0056 Wh | 5,357 |
| Gemma 4B | free | 45% | — | 0.025 Wh | 1,800 |
 Llama 4 70B | $0.60 | 62% | 103.3 | 0.200 Wh | 310.0 |
 DeepSeek V4 | $0.90 | 74% | 82.2 | 1.5 Wh | 49.3 |
 GLM 5.2 | $1.40 | 77% | 55.0 | 2.0 Wh | 38.5 |
 Claude Sonnet 4.6 | $3.50 | 80% | 22.9 | 3.1 Wh | 25.8 |
 Kimi K3 | $3.00 | 84% | 28.0 | 3.6 Wh | 23.3 |
| Claude Opus 4.7 | $10.00 | 77% | 7.7 | 6.4 Wh | 12.0 |
コストは1Mトークンあたりの定価〈ブレンド〉。成功率は広範なベンチマーク。Energy / respは推定値 — ベンダー発表値ではない。ヘッダーをクリックで並び替え。
ワット時あたりの精度でランク付け — 簡単なタスクでは小さなローカルモデルが上位に来る。
プロダクト
Tamago LabsのローカルAIを試す
Gemma 4やQwen 2.5 Coderを無料で — あなたのコンピューターで直接。クラウド課金なし、データは外に出ません。ワンコマンドでEverclawが起動し、ブラウザと連携して日常タスクを自動化します。
npx @tamago-labs/everclaw
GitHubで見る →- オフライン — インターネット不要、マシン内で完結。
- プライベート — データはローカルに残り、クラウドに送られません。
- 無料 — APIキー不要、トークン単価なし。
- ワンコマンド — Gemma 4かQwen 2.5 Coderを選んで会話律始。
ブログ