TL;DR

OpenRouter の :free モデルは 2026 年現在 20 以上存在するが、実用に耐えるのは 8 モデル程度
日本語品質・レイテンシ・コンテキスト長の 3 軸で比較すると用途別に明確な適材適所がある
コスト最適化を本気でやるなら「タスク種別ごとにモデルを切り替えるルーティング」が鍵

はじめに

LLM API のコストは、プロダクト初期フェーズや個人開発者にとって悩みの種です。
OpenRouter は複数プロバイダのモデルを単一エンドポイント (https://openrouter.ai/api/v1) で叩ける API ゲートウェイですが、その中に :free サフィックスが付いた無課金モデル が複数存在します。

無料モデルにありがちな誤解は「どれも似たり寄ったり」というもの。実際は速度・品質・制約が大きく異なり、**雑に使うと「なぜかレスポンスが遅い」「日本語が崩れる」**といった問題が起きます。

本記事では 2026 年 5 月時点で OpenRouter 上で確認できる主要無料モデルを 3 軸で整理し、用途別のおすすめ構成を解説します。

前提知識：OpenRouter `:free` モデルの制約

OpenRouter の無料モデルは以下の共通制約があります（公式ドキュメントより）：

制約項目	内容
レート制限	アカウントあたり 20 req/min（有料クレジットがあれば緩和可）
キュー	無料枠はバックエンドで低優先度キューに入ることがある
モデル差し替え	プロバイダ側都合でいつでも無効化・差し替えされうる
ストリーミング	対応モデルと非対応モデルが混在

無料枠は「プロバイダが試用・宣伝目的で提供しているキャパシティ」なので、SLA は実質ゼロです。本番用途には必ず有料 fallback を用意しましょう。

比較対象モデル（2026年5月時点）

以下の 8 モデルを対象とします。いずれも model パラメータに指定できる ID です。

#	モデル ID（OpenRouter）	ベースモデル	コンテキスト長
1	`google/gemini-2.0-flash-exp:free`	Gemini 2.0 Flash	1,048,576 tok
2	`meta-llama/llama-4-scout:free`	Llama 4 Scout	131,072 tok
3	`meta-llama/llama-4-maverick:free`	Llama 4 Maverick	131,072 tok
4	`qwen/qwen3-8b:free`	Qwen3 8B	131,072 tok
5	`qwen/qwen3-30b-a3b:free`	Qwen3 30B-A3B (MoE)	131,072 tok
6	`mistralai/mistral-7b-instruct:free`	Mistral 7B Instruct	32,768 tok
7	`nousresearch/hermes-3-llama-3.1-8b:free`	Hermes 3 (Llama 3.1 ベース)	131,072 tok
8	`microsoft/phi-4:free`	Phi-4 14B	131,072 tok

注意: OpenRouter のモデルカタログは頻繁に更新されます。本記事の情報は公式カタログ（openrouter.ai/models）で必ず最新状況を確認してください。

3 軸評価

軸 1：日本語品質

日本語での指示追従・自然な文体・漢字かな変換の安定性を 5 段階で評価します。

モデル	日本語品質	所感
Gemini 2.0 Flash	⭐⭐⭐⭐⭐	Google の多言語コーパスが強み。口語〜技術文書まで安定
Qwen3 30B-A3B	⭐⭐⭐⭐⭐	Alibaba の中日英トレーニング。日本語ネイティブ感が高い
Qwen3 8B	⭐⭐⭐⭐	30B より若干硬い表現が残るが実用十分
Llama 4 Maverick	⭐⭐⭐⭐	Meta の多言語強化版。英語→日本語混合タスクに強い
Llama 4 Scout	⭐⭐⭐	Maverick より軽量。日本語は不自然な語順が稀に出る
Phi-4	⭐⭐⭐	Microsoft の小型モデル。日本語は及第点だが敬語が崩れる
Hermes 3	⭐⭐	英語特化チューニング。日本語は Llama ベースの素の実力
Mistral 7B	⭐⭐	欧州発モデル。日本語は動くが長文で品質劣化

軸 2：レイテンシ（体感 TTFT）

TTFT = Time To First Token。キューの混雑度に依存するため幅があります。

モデル	TTFT 目安	傾向
Mistral 7B	0.5〜2s	キャパシティが大きく空きやすい
Qwen3 8B	0.8〜3s	小型MoEで高速。混雑時でも安定
Phi-4	1〜3s	14B にしては速い
Llama 4 Scout	1〜4s	軽量版だが無料枠の競争率が高め
Qwen3 30B-A3B	1.5〜5s	MoE 効果で推論はそこそこ速いが待ちが増える
Llama 4 Maverick	2〜6s	大型モデル。混雑時は顕著に遅延
Gemini 2.0 Flash	0.5〜8s	通常は最速クラスだが、無料枠は気まぐれに遅くなる
Hermes 3	2〜8s	無料枠の優先度が低く、外れると 10s 超えも

TTFT は OpenRouter のダッシュボード（Latency タブ）でリアルタイム確認できます。自動化スクリプトではここを定期ポーリングしてルーティングを切り替えるのが定番テクニックです。

軸 3：コンテキスト長の実用性

「公称値 = 実用値」ではないことに注意が必要です。無料枠では 長いコンテキストを入れるとキューイングが長くなる傾向があります。

モデル	公称コンテキスト	実用上限の目安
Gemini 2.0 Flash	1M tok	100K〜300K が現実的（それ以上は待ち時間急増）
Llama 4 系	128K tok	50K 以内が安定
Qwen3 系	128K tok	64K 以内が安定
Phi-4	128K tok	32K 以内推奨
Mistral 7B / Hermes 3	32K tok	16K 以内推奨

用途別おすすめ構成

ケース A：RAG のチャンク要約（コスト最重視）

# 短いチャンク (< 2K tok) をバッチ要約するケース
model = "qwen/qwen3-8b:free"
# 理由:
# - TTFT が速い → 並列処理でスループットを稼げる
# - 日本語品質 ⭐⭐⭐⭐ → 要約タスクには十分
# - 8B で軽量 → 無料枠のキャパが空きやすい

ケース B：長文コード解析（コンテキスト重視）

# リポジトリ丸ごとレビューや大きな diff の解析
model = "google/gemini-2.0-flash-exp:free"
# 理由:
# - 1M コンテキスト（無料モデル中最大）
# - コードの構造理解が得意
# - ただし混雑時は遅いので timeout を 60s 以上に設定

ケース C：日本語カスタマーサポート bot（品質重視）

# エンドユーザーが直接見るテキスト生成
model = "qwen/qwen3-30b-a3b:free"
# 理由:
# - 日本語品質が最高クラス
# - MoE 構造で大型モデルの品質を維持しつつ推論コスト低
# - fallback: google/gemini-2.0-flash-exp:free

ケース D：英語ドキュメント生成（開発者向け）

# README, API ドキュメントの英語生成
model = "meta-llama/llama-4-maverick:free"
# 理由:
# - 英語品質が高い
# - 技術文書のトーンが安定している
# - 128K コンテキストで既存ドキュメントを参照しながら生成可能

OpenRouter でのモデルルーティング実装例

タスク種別でモデルを自動切り替えする最小構成です。

import httpx
import os

OPENROUTER_API_KEY = os.environ["OPENROUTER_API_KEY"]  # 環境変数から取得

ROUTING_TABLE = {
    "summary": "qwen/qwen3-8b:free",
    "long_context": "google/gemini-2.0-flash-exp:free",
    "japanese_quality": "qwen/qwen3-30b-a3b:free",
    "english_doc": "meta-llama/llama-4-maverick:free",
}

def chat(task_type: str, messages: list[dict]) -> str:
    model = ROUTING_TABLE.get(task_type, "qwen/qwen3-8b:free")
    
    response = httpx.post(
        "https://openrouter.ai/api/v1/chat/completions",
        headers={
            "Authorization": f"Bearer {OPENROUTER_API_KEY}",
            "HTTP-Referer": "https://your-app.example.com",  # OpenRouter 推奨
            "X-Title": "My App",
        },
        json={
            "model": model,
            "messages": messages,
            "max_tokens": 2048,
        },
        timeout=60.0,
    )
    response.raise_for_status()
    return response.json()["choices"][0]["message"]["content"]


# 使用例
result = chat(
    task_type="japanese_quality",
    messages=[{"role": "user", "content": "RAGシステムの設計を200字で説明してください"}],
)
print(result)

ポイント: HTTP-Referer ヘッダーは OpenRouter が利用統計に使うため設定を推奨しています（公式ドキュメント参照）。必須ではありませんが、入れておくとレート制限の優先度が上がることがあります。

Fallback 戦略：無料モデルが落ちたときの対処

OpenRouter には モデルフォールバック機能 があります。models パラメータに配列を渡すと、先頭から順に試みます。

# fallback 付きリクエスト例
json_body = {
    "models": [
        "qwen/qwen3-30b-a3b:free",      # 第1候補（無料）
        "google/gemini-2.0-flash-exp:free",  # 第2候補（無料）
        "qwen/qwen3-30b-a3b",            # 第3候補（有料・同モデル）
    ],
    "messages": messages,
    "route": "fallback",  # fallback モードを明示
}

これにより「無料枠が埋まっていたら自動で次の無料モデルを試し、それでも駄目なら有料版にフォールバック」という堅牢な構成が作れます。

コスト感覚の整理

無料モデルをフル活用した場合の試算（20 req/min × 60 min × 24h = 28,800 req/day 上限）：

用途	1 req あたりトークン	1 日の推定リクエスト数	月額コスト
チャット bot（小規模）	〜500 tok	200	$0
RAG 要約パイプライン	〜2,000 tok	1,000	$0（レート制限内）
バッチ処理（大規模）	〜4,000 tok	5,000	レート超過 → 有料枠が必要

大規模バッチが必要になった段階で、無料モデルと同一 ID の有料版（:free を外したもの）に切り替えるだけでコードを変更せずスケールできます。これが OpenRouter ルーティングの一番の強みです。

まとめ

判断軸	おすすめモデル
日本語品質を最優先	`qwen/qwen3-30b-a3b:free`
長いコンテキストが必要	`google/gemini-2.0-flash-exp:free`
とにかく速い応答が欲しい	`qwen/qwen3-8b:free` or `mistralai/mistral-7b-instruct:free`
英語ドキュメント生成	`meta-llama/llama-4-maverick:free`
数学・コード推論	`microsoft/phi-4:free`

無料モデルは「品質保証なし」という前提のもと、試作・個人開発・コスト最適化の第一段階として非常に有効です。特に Qwen3 シリーズと Gemini 2.0 Flash は 2026 年時点で有料モデルと遜色ない品質を無料で提供しており、使わない手はありません。

モデルのラインナップは月単位で変化するため、定期的に openrouter.ai/models を確認して最新の :free モデルをチェックする習慣をつけましょう。

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。

🌐 公式サイト: https://locallab.jp
🔍 AI SEO 最適化 SaaS: lookupai.jp
📺 YouTube: @locallab_llc
✉️ お問い合わせ: info@locallab.jp

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!