目次
DeepSeek、Qwen、GLM――2025年から2026年にかけて、中国製のLLM APIが破格の料金で市場に参入し、日本のAI界隈でも「安くて使える」として話題になっている。確かに料金だけを見れば魅力的だ。DeepSeek V3.2のミドルクラスはClaude Sonnet 4.6の約1/10、フラッグシップ帯でもGPT-5.4 Proの約1/50という価格設定である。
しかし、その安さには明確な理由がある。そして、その理由の一部は「使う側のデータがどう扱われるか」という問題と直結している。本稿では料金データと市場シェアデータを中心に、中国製LLM APIの実態を検証する。
⚠️ この記事の結論を先に言う
中国製LLM APIは料金だけを見れば圧倒的に安い。しかし中国の「国家情報法」（2017年）は、当局が情報提供を求めた場合に中国企業が協力する義務を規定しており、西側の安全保障当局や多くのセキュリティ専門家はAPIデータへのアクセスリスクを指摘している。グローバルのエンタープライズ市場はこのリスクを織り込み済みであり、中国製のシェアは合計でも数パーセント程度にとどまっている。「安いから使う」という判断の前に、このリスクを理解しておく必要がある。
中国製LLM APIの価格破壊――なぜここまで安いのか
戦略的赤字としての価格設定
中国製LLM APIの価格が安い最大の理由は、「モデル自体の利益回収を目的としていない」という事業構造にある。各社の親会社とビジネスモデルを見ると、その構造が明確になる。
| 事業者 | 親会社・出自 | 本来の収益源 | LLM安値の理由 |
|---|---|---|---|
| DeepSeek | High-Flyer（杭州のクオンツヘッジファンド） | ファンド運用収益 | 利益回収プレッシャーがそもそも存在しない |
| Qwen（通義千問） | Alibaba Cloud | クラウドサービス全般 | Alibaba Cloudへの囲い込みがモデルより重要 |
| GLM（智谱华章） | 清華大学KEGラボ発スピンオフ | 2026年1月香港IPO調達資金 | 上場資金を補助金的に投入・ユーザー獲得優先 |
出典：各社公式情報、Menlo Ventures「2025 Mid-Year LLM Market Update」、IEEE ComSoc Technology Blog（2026年1月）
技術的な安値要因――MoEアーキテクチャと蒸留
価格が安い理由には技術的な側面もある。中国製フラッグシップモデルの多くはMixture of Experts（MoE）アーキテクチャを採用しており、全パラメータのうち実際に使われるのは推論時に一部のみという設計になっている。DeepSeek V3.2は総パラメータ数に対して推論時のアクティブパラメータが大幅に少なく、計算コストを抑えられる。
さらに深刻な問題として、「知識蒸留（Knowledge Distillation）」の疑惑がある。これはより大きなモデルの出力から小さなモデルを学習させる手法で、欧米の高性能モデルの出力データを学習に使用することで開発コストを大幅に削減できる。
⚠️ 蒸留疑惑の状況証拠
mysummit.schoolのレビューブログ（2026年）によれば、GLMシリーズを非標準的な方法でクエリすると自分を「Claude」と名乗るケースが報告されている（同ブログはMIT研究者の調査を引用しているが、一次論文は未確認）。より確実な事例として、GLM-5の前身モデルとされる「Pony Alpha」がOpenRouterに匿名リリースされた際、自己識別クエリに対して「Claude, created by Anthropic」と回答したことが複数の開発者によって再現可能な形で報告された。DeepSeek V3でも「ChatGPT」「GPT-4」と名乗るケースが確認されている。OpenAIはDeepSeekが自社モデルから蒸留を行ったとして利用規約を更新し、Anthropic・Mistral・xAIも同様のアンチ蒸留条項を追加した。蒸留の使用を確認することは不可能だが、否定することも同様に不可能な状況だ。
出典：mysummit.school「GLM-5 by Z.ai in 2026: The Chinese Model That Pretends to Be Claude」（2026年）、OpenRouter上の開発者報告
「知能の製造業化」という構造
業界アナリストはこの現象を「AI市場のEV化」と表現している。中国のEVメーカーが電気自動車を製造業的コスト構造で大幅安値提供したように、中国AIラボは欧米モデルの研究成果を蒸留によって吸収し、製造コストを圧縮した「安価なコモディティモデル」として市場に投入している。
この構図において、OpenAI・Anthropicは「何億ドルもかけて図書館の全書籍を読んで考え方を学んだ天才教授」であり、DeepSeek・Qwen・GLMは「教授に何百万もの質問をして答えを記憶した優秀な学生」という関係になっている。開発コストの非対称性がそのまま価格差に現れている。
出典：mtsoln.com「The Temu-fication of AI」（2026年2月）
法的リスクの実態――国家情報法という時限爆弾
国家情報法第7条の意味
中国の「国家情報法」（2017年施行）第7条は、「いかなる組織および個人も、国家の情報活動に協力・支援・支持しなければならない」と規定している。この条文を根拠に、米国・欧州の安全保障当局や多くのセキュリティ専門家は、中国企業が保有するデータへの当局アクセスリスクを繰り返し指摘している。
なお、China Law Translateのような中国法専門家の間では、第7条の適用範囲について「外国の機関による国家安全を危険にさらす行為に関連する情報」に限定される可能性や、明確な執行メカニズムが条文上規定されていない点を指摘する意見もある。つまり法解釈には一定の幅があることは留意が必要だ。しかし、法解釈の幅があること自体が「リスクがない」を意味しない。企業の法務・コンプライアンス部門がこのリスクを許容できるかどうか、という観点で判断すべきである。
実務上の判断基準
「国家情報法が確実にデータ開示を強制するか」という問いに対しては法解釈上の議論がある。しかし「中国法人が運営するサーバーに送信したデータが完全に安全と言えるか」という問いに対しては、合理的なリスク管理の観点からNoと答えるべきだ。米国・欧州の主要企業が中国製LLM APIを本番環境から除外する判断は、この実務的なリスク評価に基づいている。
リスクの層別整理
中国製LLM APIを使用する際のリスクは複数の層に存在する。
| リスク層 | 内容 | 深刻度 |
|---|---|---|
| 利用規約 | 学習データへの使用を否定していないケースが多い | 中 |
| サーバーログ | プロンプト・レスポンスは当然サーバーに保存される | 高 |
| 当局要請 | 国家情報法により開示義務あり・拒否不可 | 極めて高い |
| 蒸留疑惑 | 欧米モデルのデータを学習に使っているなら、ユーザーデータも同様の扱いの可能性 | 不明だが懸念大 |
用途別のリスク評価
すべての用途が同等のリスクを負うわけではない。送信するデータの性質によってリスクは大きく異なる。
用途別リスク分類
・許容可能なグレーゾーン：完全に公開された情報のみを扱うステートレスな処理、ベンチマーク評価目的
・高リスク：業務上の機密情報を含むプロンプト、顧客データが含まれるワークフロー、個人を特定できる情報
・絶対に避けるべき：法的・財務的な機密文書の処理、医療・個人情報保護法（個人情報保護法・GDPR）が適用されるデータ、企業の未公表情報
ローカル運用という代替手段
重要な点として、「中国製モデルのオープンウェイト版をローカルで動かす」という選択肢は上記リスクとは無関係である。Qwen3.5・GLM-4-9B・DeepSeek V3.2のウェイトはいずれもHugging Face等で公開されており、自前のハードウェアで動かす場合はデータが中国のサーバーに送信されることはない。この場合のリスクは蒸留疑惑に伴うモデル品質の問題のみであり、データ主権の観点では安全と言える。ただしローカル運用の場合でも、ライセンス条件の確認は必須だ。Qwen（Apache 2.0）・DeepSeek（独自ライセンス）・GLM（MIT/独自ライセンス混在）それぞれに商用利用の条件が異なるため、商用目的での利用前に必ず各モデルのライセンスを確認すること。
グローバル市場シェアが示す「市場の答え」
エンタープライズ市場でのシェア実態
Menlo Venturesが2025年末に実施した調査（150社以上のテクニカルリーダー対象）では、エンタープライズのLLM API本番利用シェアは以下の通りとなっている。なお、Menlo VenturesはAnthropicの投資家であり、調査結果の解釈には利益相反の可能性がある点は留意が必要だ。また調査対象が主に米国系スタートアップ・エンタープライズに偏っている点もバイアス要因となり得る。
| プロバイダー | エンタープライズシェア | 出自 | 備考 |
|---|---|---|---|
| Anthropic（Claude） | 40% | 米国 | コーディング分野で54%のシェア（Claude Code） |
| OpenAI（GPT） | 27% | 米国 | 2023年時点の50%から後退が続く |
| Google（Gemini） | 21% | 米国 | エコシステム連携で堅調成長 |
| Meta（Llama） | 9% | 米国 | オープンウェイトとして人気 |
| DeepSeek | 約1% | 中国 | 大規模な話題にもかかわらず |
| Qwen・GLM等 | 統計上誤差の範囲 | 中国 | 測定困難なレベル |
出典：Menlo Ventures「2025 Mid-Year / Year-End LLM Market Update」（2025年7月・12月）※Menlo VenturesはAnthropicの投資家。サンプルは主に米国系企業150社以上
なぜ安くても使われないのか――価格弾力性の低さ
OpenRouterが1,000億トークン分のAPI利用データを分析した調査では、興味深い事実が明らかになっている。LLMの価格を10%下げても使用量はわずか0.5〜0.7%しか増えないという、極めて低い価格弾力性が確認された。
この調査ではさらに、DeepSeekとQwenの使用トークンの3分の2以上が「ロールプレイ・雑談・エンタメ用途」であることも判明している。つまり中国製モデルはエンタープライズの本番ワークフローには採用されておらず、個人のカジュアルな利用にとどまっているのが実態だ。
出典：OpenRouter「State of AI 2025: 100T Token LLM Usage Study」
市場が出している答え
エンタープライズは「性能・安定性・SLA・コンプライアンス」で選ぶ。中国製モデルは国家情報法のリスクだけで自動的に除外される企業も多い。安さは採用の理由にはなっておらず、1%というシェアがその答えだ。
性能ギャップの現状
中国製モデルの性能について正確に評価しておくと、Epoch AIの調査では中国モデルは平均して米国リリースより約7ヶ月遅れており（最短4ヶ月・最長14ヶ月）、DeepSeek R1リリース時に一時的にそのギャップは縮まったが、その後再び広がっている。GLM-4.6はClaude Sonnet 4と同等レベルという自己評価を示しているが、フロンティアのOpus・GPT-5.4 Proレベルには届いていない。
出典：Epoch AI「Tracking AI」（一次出典）、IEEE ComSoc Technology Blog（2026年1月）、Z.ai開発者ドキュメント
API料金全比較――フラッグシップからエントリーまで
フラッグシップモデル比較
以下の料金は2026年3月時点の公式価格（USD/100万トークン）。
| ベンダー | モデル | 入力（$/1Mトークン） | 出力（$/1Mトークン） | コンテキスト |
|---|---|---|---|---|
| OpenAI 🇺🇸 | GPT-5.4 Pro | $30.00 | $180.00 | 1.1M |
| Anthropic 🇺🇸 | Claude Opus 4.6 | $5.00 | $25.00 | 200K |
| Google 🇺🇸 | Gemini 2.5 Pro | $1.25 | $10.00 | 1M |
| Qwen 🇨🇳 | Qwen3 Max | $0.78 | $3.90 | 262K |
| GLM 🇨🇳 | GLM-4.5 | $0.60 | $2.20 | 131K |
| DeepSeek 🇨🇳 | R1（推論モード） | $0.55 | $2.19 | 128K |
出典：各社公式API価格ページ、tldl.io「LLM API Pricing 2026」（2026年3月更新）、pricepertoken.com（2026年3月） ※黄色行は中国製事業者
ミドルクラス比較
| ベンダー | モデル | 入力（$/1Mトークン） | 出力（$/1Mトークン） | コンテキスト |
|---|---|---|---|---|
| OpenAI 🇺🇸 | GPT-5.4 | $2.50 | $15.00 | 1.1M |
| Anthropic 🇺🇸 | Claude Sonnet 4.6 | $3.00 | $15.00 | 200K |
| Google 🇺🇸 | Gemini 2.5 Flash | $0.30 | $2.50 | 1M |
| Qwen 🇨🇳 | Qwen3.5 Plus | $0.26 | $1.56 | 1M |
| GLM 🇨🇳 | GLM-4.7 | $0.38 | $1.70 | 203K |
| DeepSeek 🇨🇳 | V3.2（チャット） | $0.28 | $0.42 | 128K |
出典：各社公式API価格ページ、tldl.io「LLM API Pricing 2026」（2026年3月更新） ※黄色行は中国製事業者
エントリークラス比較
| ベンダー | モデル | 入力（$/1Mトークン） | 出力（$/1Mトークン） | コンテキスト |
|---|---|---|---|---|
| OpenAI 🇺🇸 | GPT-5.4 mini | 〜$0.15 | 〜$0.60 | 128K |
| Anthropic 🇺🇸 | Claude Haiku 4.5 | $0.25 | $1.25 | 200K |
| Google 🇺🇸 | Gemini Flash-Lite | $0.075 | $0.30 | 1M |
| Qwen 🇨🇳 | Qwen3.5-Flash | $0.07 | $0.26 | 262K |
| GLM 🇨🇳 | GLM-4.7-Flash | $0.06（または無料） | $0.40 | 203K |
| DeepSeek 🇨🇳 | V3.2（キャッシュ時） | $0.028 | $0.042 | 128K |
出典：各社公式API価格ページ、tldl.io（2026年3月）、pricepertoken.com（2026年3月） ※GLM-4.7-Flashは完全無料でも提供されるロスリーダー。黄色行は中国製事業者
DeepSeek V3.2チャットモードの出力制限に注意
DeepSeek V3.2のチャットモードは最大出力が8,000トークンに制限されており、日本語で約6,000文字が上限となる。長文生成には推論モード（最大64K出力）を使用する必要があるが、その場合は料金が異なる。中国製LLMはコスト以外の制約も含めて総合的に評価する必要がある。
出典：datastudios.org「DeepSeek Context Window, Token Limits, and Memory」
結論――「安さ」と「安全」は別の話
主要な発見
1. 安さの理由は「戦略的赤字」と「蒸留疑惑」
中国製LLM APIが安価なのは技術的優位ではなく、クラウド囲い込み・ファンド資金による赤字補填・欧米モデルからの蒸留疑惑という複合要因によるものだ。
2. 国家情報法は利用規約より優先する
APIに送信したデータは中国当局の要請があれば開示義務が生じる。これは事業者の意思に関係なく、中国法として存在する不変の条件だ。
3. エンタープライズ市場はリスクを正確に評価している
DeepSeekが大きな話題になったにもかかわらず、エンタープライズシェアは約1%にとどまる。価格弾力性が低く、安くても本番採用は進まないという市場の判断が数字に表れている。
4. ローカルオープンウェイト運用は別物
Qwen3.5-9BやGLM-4-9BなどのオープンウェイトモデルをローカルHWで動かす場合、データは外部に送信されない。この場合のリスクはAPIとは本質的に異なる。
5. 性能差はまだ存在する
フロンティアレベルではGPT-5.4 Pro・Claude Opus 4.6と中国製フラッグシップの間には依然差があり、平均的に7ヶ月程度の遅れが確認されている。
実務的な推奨
用途別の推奨選択肢（2026年3月時点）
高品質・高信頼が必要な本番用途：Claude Sonnet 4.6またはGPT-5.4
→ コストは高いが、データ主権とSLAが保証される
コスト重視・大量処理：Gemini 2.5 Flash
→ 米国系でこの価格帯は現状Googleが最強。中国製APIの代替として最適
完全にデータを手元で管理したい：Qwen3.5-9BまたはMistral Small 3.2をローカル運用
→ API料金ゼロ、データ漏洩リスクゼロ。電気代のみが変動コスト
中国製APIを使うなら：公開情報のみを扱う用途に限定し、機密・個人・業務情報は絶対に送信しない
最後に
「破格に安い」という事実は本物だ。しかしその安さが何によって成立しているかを理解せずに使うことは、コストの問題以上のリスクを抱えることになる。
特に日本の企業・個人事業主が業務データを中国製APIに送信することは、現時点では推奨できない。国家情報法は2017年から変わっていないし、今後変わる見込みもない。
ローカルオープンウェイト運用の整備が進んだ今、「安くて性能もそこそこ」という選択肢は欧米系にも存在する。選択の幅は広がっている。
参考文献
- Menlo Ventures「2025 Mid-Year LLM Market Update: Foundation Model Landscape + Economics」（2025年7月）
https://menlovc.com/perspective/2025-mid-year-llm-market-update/ - Epoch AI「Tracking AI: Frontier AI Development」（中国・米国モデル能力差の一次出典）
https://epochai.org/trends - OpenRouter「State of AI 2025: 100T Token LLM Usage Study」
https://openrouter.ai/state-of-ai - tldl.io「LLM API Pricing 2026: GPT-5.4, Claude, Gemini, DeepSeek & 30+ Models Compared」（2026年3月更新）
https://www.tldl.io/resources/llm-api-pricing-2026 - pricepertoken.com「LLM API Pricing 2026 – Compare 300+ AI Model Costs」（随時更新）
https://pricepertoken.com/ - mysummit.school「GLM-5 by Z.ai in 2026: The Chinese Model That Pretends to Be Claude」（2026年）
https://mysummit.school/blog/en/glm5-zai-review-2026/ - mtsoln.com「The Temu-fication of AI: The Truth Behind GLM-5 and the Death of the Mid-Market」（2026年2月）
https://mtsoln.com/blog/insights-720/ - IEEE ComSoc Technology Blog「China’s open source AI models to capture a larger share of 2026 global AI market」（2026年1月）
https://techblog.comsoc.org/2026/01/27/ - DeepSeek API公式ドキュメント「Models & Pricing」
https://api-docs.deepseek.com/quick_start/pricing - Z.ai開発者ドキュメント「GLM-4.6 Overview」
https://docs.z.ai/guides/llm/glm-4.6 - Alibaba Cloud「Model Studio model pricing」
https://www.alibabacloud.com/help/en/model-studio/model-pricing - datastudios.org「DeepSeek Context Window, Token Limits, and Memory」
https://www.datastudios.org/post/deepseek-context-window-token-limits/
※ 本記事の内容は2026年3月時点の情報に基づいています。API料金は頻繁に変動するため、利用前に各社公式ページで最新情報をご確認ください。