2026 年版 ビジョン言語モデル (VLM)

現時点では xAI の Grok 4 Fast (Reasoning) を 1 位としています。主な理由は画像入力に対応し、料金が公開されており、ビジョン系モデルの中で最良のコンテキスト / コスト比を実現しているためです。ランキングはモデルメタデータをもとに自動再計算されます —— 詳細ルールは上記「選定基準」をご確認ください。

Grok 4 Fast (Reasoning)（xAI）が最安値で、入力 100 万トークンあたり $0.180、出力 100 万トークンあたり $0.450 です。他の入選モデルの価格はそこから上に推移します。

各候補は use-case-rules 設定で定義されたプログラム的ルールから選ばれます。ハードフィルタ（例：ツール呼び出し必須、コンテキスト ≥ 100K）と、機能・コンテキスト長・価格を組み合わせた数値スコアの組み合わせです。順序を手作業で並べ替えることはありませんが、ルール自体は手動で改善しています。データソースは models.dev API、毎日更新されます。

モデルデータは models.dev から 1 日 1 回更新され、変更があると静的ページが再生成されます。下部の「最終更新」が直近のビルド日時です。