キャッシュ読み取りの罠:GLM 5.3が実際のエージェント作業で高くつく理由

実際のエージェント作業の請求書を精査して、シンプルな事実が見えてきました。GLM 5.3では、コストの大部分は回答でも新しい入力でもなく、キャッシュの再読み取りです。つまり、同じジョブ内でモデルがすでに見たトークンの再利用です。私たちの測定では、これが請求額の80〜90%を占め、長時間タスクでは98%に達します。だからこそ、GLMの料金表は一見控えめに見えても、同じ作業がDeepSeekでは一貫して数倍安く済むのです。その仕組みを説明します。

請求書のキャッシュがどこから来るのか

すべてのAPI呼び出しはメモリなしで行われます。モデルは会話全体を毎回受け取ります—システム指示、チャット履歴、ファイルの内容すべてです。プロバイダーは繰り返し部分をキャッシュします。リクエストの冒頭が既に処理されたものと一致すれば、それらのトークンは割引価格でキャッシュから読み取られます。APIレスポンスには内訳が表示されます。キャッシュから来たトークン数、新規トークン数、モデルが生成したトークン数です。

純粋な利益のように聞こえます。しかし、割引は率であって贈り物ではなく、各モデルが独自の料金を設定しています。モデル間の差はパーセントではなく倍数で測られます。ここに罠が潜んでいます。

料金表が示すもの

2026年8月下旬時点の公開価格、100万トークンあたりのドル:

真ん中の列に注目してください—通常は見過ごされる部分です。DeepSeek V4 Proの場合、キャッシュ読み取りは入力価格の3%です。再読み取りが約30分の1に割引されるわけです。GLM 5.3では19%で、5分の1の割引です。Flashモデルは相対的に近い(約20%対23%)ですが、絶対値ではGLM Flashのキャッシュ読み取りはDeepSeek Flashの約2倍のコストがかかります。

実際の作業で測定

8月の2週間分の実際のエージェントトラフィックを取りました。4つのモデル全体で13,279回のAPI呼び出しです—GLM 5.3、GLM 5.3 Flash、DeepSeek V4 Pro、DeepSeek V4 Flash。そこから約300の完全なタスク対話を組み立てました。モデルが1つのジョブに長時間取り組むケースです。コードを読み、ファイルを編集し、全履歴をコンテキストに保持します。こうしたタスクの典型的な様子:入力トークンの97〜98%がキャッシュヒットです。本当に新しいテキストはわずかで、大部分は同じメモリの再読み取りです。

そして請求の内訳は次のようになります:

• GLM 5.3: 総額の80〜90%がキャッシュ読み取りに費やされます—中央値タスク対話内では98%です。回答と新規入力は残りもののようなものです。
• DeepSeek V4 Pro: 請求の約3分の2(64%)もキャッシュです。精神的には似た割合ですが、絶対額は比較になりません。DeepSeekの読み取り料金が12倍低いからです。

では金額です。呼び出し単位ではなくタスク全体で見ます。中央値タスク対話はGLM 5.3 Flashで約6セント、DeepSeek V4 Flashで約2セントかかりました。公正に比較するため、生成テキスト量が同じタスクで照合しました。同等のワークロードでDeepSeekは3.6〜5倍安くなります。フルバージョンのGLM 5.3対DeepSeek V4 Proでは、重複するタスククラスで6〜7倍高価でした—同じ作業量に対してです。

方法論の注記:これらの数字は上の表の公開料金から再計算したもので、誰かの実際の請求書ではありません。健全性チェックとして、料金が公開されている場合は記録された料金と再計算を比較しました—2〜3%の差異だったので、推定値は確実です。

1回の呼び出しで実感したいですか?私たちの測定での典型的なエージェント呼び出しは、約13万のキャッシュトークン、3千の新規入力トークン、数百の出力トークンです。GLM 5.3はこのような呼び出しに約4セント請求します。DeepSeek V4 Proは約0.5セントです。同じ作業量で7倍です。

では、GLMは不正なのか?

形式的にはノーです。すべての料金は公開されており、料金が公開されている場合の実際請求と再計算は一致します。トリックは別のところにあります。目は入出力価格をとらえますが、「キャッシュ読み取り」の行は技術的な脚注のように見えます。2メッセージのチャットではそうです。しかしエージェント作業では、メモリがタスクごとに何百回も再読み取りされるため、この行が主要なコスト項目になります。GLMはフラッグシップモデルでこれをDeepSeekより12倍高く設定しました—そして長時間セッションではすべてを上回ります。DeepSeekのキャッシュも無料ではありませんが、料金が非常に小さいため、メモリ全体の再読み取りが数ペニーで済むのです。

どうすればいいか

エージェント用のモデルを選ぶ前に、やる価値のある3つのこと:

• プロバイダーの料金表でキャッシュ読み取り率を見つけてください(cache read / cached input)。そんな行がない?直接聞いてください。長時間セッションでは、入力価格より重要です。
• 自分の負荷プロファイルを確認してください。APIレスポンスにはキャッシュから来たトークン数が表示されます。キャッシュヒット率が90%を超えている場合、主に再読み取りに支払っており、作業ではありません。
• メモリを容赦なくカットしてください。古いメッセージ、巨大なシステム指示、念のためのファイルは、すべての呼び出しであなたの費用で再読み取りされます。3日分の履歴より、新しいセッションの方が安い場合があります。

両モデルともNeuralSpace chat、Codeセクション、パブリックAPIで利用可能です—両方で自分のタスクを実行して請求を比較してください。内訳を開くのを忘れずに。興味深い部分は常にキャッシュトークン行にあります。