0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@locallab

Claude Code × OpenRouter Free モデル 5 選：2026年版コスト0円AI開発環境の作り方

0
Posted at

TL;DR

  • OpenRouter の :free モデルはレート制限付きだが API キー 1 本で複数モデルを無料試用できる
  • Claude Code の ANTHROPIC_BASE_URL を差し替えるだけで OpenRouter 経由にルーティングできる
  • モデル別の強み・弱みを把握して用途別に使い分けるのがコスト最適化の鍵

背景：「AI 開発コストが高い」問題

LLM を開発フローに組み込むと、API コストが想定以上に膨らむことがある。特に以下の場面でコストが跳ねる。

  • CI の自動レビュー (PR ごとに呼ばれる)
  • ドキュメント自動生成 (コミット単位)
  • バッチ処理での RAG クエリ (数百〜数千回/日)

2026年現在、OpenRouter では model-name:free サフィックスを付けるだけで複数の最新モデルが無料で使えるようになっている。レート制限 (20 req/min 程度) はあるが、個人開発・プロトタイピング・社内ツールのバッチ処理なら十分実用になる。

OpenRouter とは

OpenRouter は「LLM のリバースプロキシ」とも呼べるサービスで、1 本の API キーで OpenAI / Anthropic / Google / Meta / Mistral / Qwen など数十のモデルに統一フォーマット (OpenAI API 互換) でアクセスできる。

無料モデルの仕組み

  • モデル名に :free を付けると 0 クレジットで実行できる
  • 裏側でモデルプロバイダーが「プロモーション枠」として提供しているケースが多い
  • :free なしの同モデルは有料 (クレジット課金)
  • 制限: リクエスト上限 / コンテキスト上限がやや小さくなる場合がある

2026年5月時点で使えるおすすめ Free モデル 5 選

1. meta-llama/llama-4-maverick:free

項目 値
コンテキスト 131,072 tokens
得意 コード補完・技術 Q&A
弱点 日本語は英語比で精度やや落ちる

Meta の Llama 4 系列の中で最もバランスが良い。英語のコードレビューや実装補助なら Claude Sonnet に近い体験を 0 円で得られる。

# Python SDK (openai ライブラリ使用)
from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="sk-or-xxxx",  # OpenRouter の API キー
)

response = client.chat.completions.create(
    model="meta-llama/llama-4-maverick:free",
    messages=[
        {"role": "user", "content": "このPythonコードをリファクタリングして: ..."}
    ]
)
print(response.choices[0].message.content)

2. qwen/qwen3-235b-a22b:free

項目 値
コンテキスト 40,960 tokens
得意 日本語・中国語・多言語対応
弱点 コンテキスト上限がやや小さい

Qwen3-235B は 日本語品質が際立って高い モデル。日本語ドキュメント生成、README 作成、和文コメント補完に特に向いている。235B という規模のモデルを無料で叩けるのは今だけかもしれない。

3. google/gemini-2.0-flash-exp:free

項目 値
コンテキスト 1,048,576 tokens (1M!)
得意 超長文処理・コードベース一括解析
弱点 実験版のため出力が不安定な場合あり

1M トークンのコンテキストを無料で使えるのは破格。大規模リポジトリを丸ごと流し込んで「このコードベースのアーキテクチャを説明して」といった使い方ができる。

4. mistralai/mistral-7b-instruct:free

項目 値
コンテキスト 32,768 tokens
得意 軽量・低レイテンシ・JSON 出力の安定性
弱点 複雑な推論は大型モデルに劣る

7B という軽量さゆえ レスポンスが速い。JSON 出力を要求する構造化タスク (ログの分類・チケット自動タグ付け等) での安定性が高く、高頻度バッチ処理に向いている。

response = client.chat.completions.create(
    model="mistralai/mistral-7b-instruct:free",
    messages=[
        {
            "role": "system",
            "content": "You output only valid JSON. Schema: {\"category\": string, \"severity\": 1-5}"
        },
        {"role": "user", "content": log_line}
    ],
    response_format={"type": "json_object"}
)

5. deepseek/deepseek-r1:free

項目 値
コンテキスト 163,840 tokens
得意 数学・アルゴリズム・ステップバイステップ推論
弱点 思考トークンが長い (遅い)

DeepSeek R1 は「考えてから答える」推論モデル。複雑なアルゴリズム実装・バグの根本原因分析・パフォーマンスボトルネック特定など、深い推論が必要なタスクに向く。レスポンスは遅めだが品質が高い。

Claude Code から OpenRouter を使う

Claude Code は ANTHROPIC_BASE_URL 環境変数でベース URL を切り替えられる。ただし Claude API 互換のエンドポイントが必要なため、OpenRouter の Claude ラッパーを経由する形になる。

# .env (ローカル開発用・本番には使わないこと)
ANTHROPIC_BASE_URL=https://openrouter.ai/api/v1/
ANTHROPIC_API_KEY=sk-or-xxxx

⚠️ 注意: Claude Code は Anthropic のネイティブモデル向けに最適化されているため、OpenAI 互換エンドポイントでは一部機能が動作しないことがある。ツール呼び出し (function calling) の互換性は必ずテストすること。

現実的な使い分けとしては、Claude Code 本体はそのまま Anthropic API を使い、Claude Code が呼び出す自作スクリプト・サブエージェント・バッチ処理の部分だけ OpenRouter Free モデルにルーティングするのがおすすめ。

用途別モデル使い分けマップ

┌─────────────────────────────────────────────────────────┐
│ タスク                    │ おすすめ Free モデル         │
├─────────────────────────────────────────────────────────┤
│ 英語コードレビュー        │ llama-4-maverick:free        │
│ 日本語ドキュメント生成    │ qwen3-235b-a22b:free         │
│ コードベース一括解析      │ gemini-2.0-flash-exp:free    │
│ JSON 構造化出力バッチ     │ mistral-7b-instruct:free     │
│ アルゴリズム・数学推論    │ deepseek-r1:free             │
└─────────────────────────────────────────────────────────┘

フォールバック戦略: Free → Paid への自動切り替え

:free モデルはレート制限に引っかかるとエラーになる。本番環境では フォールバック付きのラッパーを用意するのが定石。

import time
from openai import OpenAI, RateLimitError

MODELS = [
    "qwen/qwen3-235b-a22b:free",      # 第1優先: 無料
    "meta-llama/llama-4-maverick:free", # 第2優先: 無料
    "qwen/qwen3-235b-a22b",           # フォールバック: 有料
]

def chat_with_fallback(messages: list[dict], client: OpenAI) -> str:
    for model in MODELS:
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=messages,
                timeout=30,
            )
            return resp.choices[0].message.content
        except RateLimitError:
            print(f"[WARN] {model} rate limited, trying next...")
            time.sleep(1)
    raise RuntimeError("All models exhausted")

コスト試算: Free モデルでどのくらい節約できるか

仮定: PR マージ 1 件あたり平均 800 tokens 消費 / 月 500 PR の開発チーム

シナリオ モデル 月額コスト試算
全件 GPT-4o gpt-4o (input $5/1M) 約 $2
全件 Claude Sonnet claude-sonnet-4-5 約 $1.5
全件 Free モデル llama-4-maverick:free $0
Free + 失敗時 Paid ハイブリッド戦略 約 $0.1〜0.3

月 500 PR 規模では差額は数ドルだが、CI ジョブ・ドキュメント生成・バッチ RAGなどを含めると月間リクエスト数が 10 万件を超えることもある。そこで Free モデルを第1優先にするだけで月 $50〜200 規模の節約になる。

レート制限の実測値 (2026年5月時点)

⚠️ 以下は OpenRouter ダッシュボードのドキュメントおよびコミュニティの報告に基づく参考値。変動するため必ず最新のレート制限ページを確認すること。
参考: https://openrouter.ai/docs/limits

モデル req/min req/day (概算)
llama-4-maverick:free ~20 ~1,000
qwen3-235b-a22b:free ~10 ~500
gemini-2.0-flash-exp:free ~15 ~1,500
mistral-7b-instruct:free ~20 ~2,000
deepseek-r1:free ~5 ~300

バッチ処理では asyncio.Semaphore でリクエスト数を絞るのが必須。

import asyncio
from openai import AsyncOpenAI

sem = asyncio.Semaphore(5)  # 同時実行数を制限

async def process_one(item: str, client: AsyncOpenAI) -> str:
    async with sem:
        resp = await client.chat.completions.create(
            model="mistralai/mistral-7b-instruct:free",
            messages=[{"role": "user", "content": item}],
        )
        await asyncio.sleep(0.3)  # 余裕を持たせる
        return resp.choices[0].message.content

まとめ

ポイント 内容
✅ OpenRouter :free は本物の無料 クレジットカード不要・0 円で最新 LLM を試せる
✅ 用途別使い分けが重要 日本語は Qwen3・長文は Gemini・バッチは Mistral
✅ フォールバック設計を忘れずに レート制限時に有料モデルへ自動切り替え
⚠️ :free は本番保証なし SLA が必要なサービスは有料モデルを第1優先に

コスト 0 円でここまでできる環境が整ってきた 2026 年。まずはローカルの開発ツールから Free モデルを試してみてほしい。

参考リンク

✍️ 本記事の著者: 合同会社ジモラボ

ジモラボは、八王子を拠点に AI を活用した SaaS を多数開発しています。本記事の技術検証もそうした開発過程の副産物です。

興味を持っていただけたら、ぜひ各 SNS のフォローもお願いします!

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?