技術情報

AWS、コーディングAIの依頼をOpus 5.5とNemotronへ振り分ける手順を公開。費用は「通った作業1件あたり」で比べる。自分の作業で数える3つを決める

AWS は2026年11月13日、NVIDIA NeMo Switchyard を使い、コーディングAIの依頼を Amazon Bedrock 上の Claude Opus 5.5 と NVIDIA Nemotron 3 Super 120B へ振り分ける手順を公開しました。見本のコードは本番以外での利用向けで、Switchyard のサーバーは評価用、LiteLLM への組み込みは実験段階です。振り分けの良し悪しは、かかった費用の合計をテストに通った回数で割った額で見るとしています。取得した範囲に実測の数値はありません。

AWSの振り分け手順の記事用の生成イメージ:荷物の重さで行き先を分ける仕分け場。製品の実画面・実在企業の現場ではありません。
この記事の前提

AWS の2026年11月13日の記事の前半と、Google の2026年11月3日の記事を原文で確かめた速報です。AWS の見本を動かした記事ではなく、AWS の記事の後半(結果の読み方・費用・片付け)は取得できていません

この記事のポイント

安いモデルへ回せば得とは限りません。失敗した回にも費用はかかるからです。決めることは、自分の作業で何をもって「通った」とするかと、試した回数・通った回数・かかった量をどこへ書き留めるかです。

AWSが公開した手順の中身と、試す前の条件

提供元の説明

AWS は2026年11月13日、コーディングAI(記事の例は Claude Code と OpenAI Codex CLI)の依頼を、Amazon Bedrock 上の2つのモデルへ振り分ける手順を公開しました。使うのは NVIDIA NeMo Switchyard です。依頼ごとにどのモデルが処理するかを選ぶのを助ける、オープンソースのライブラリと説明されています。記事の見本のコードは本番以外での利用向けで、位置づけは次のとおりです。

項目記事の説明
提供の段階見本のコードは本番以外での利用向け。Switchyard のサーバー(0.3.0)はデモと評価用、LiteLLM への組み込みは実験段階で、設定と API は版の間で変わりうる
振り分ける先力のあるモデルとして Claude Opus 5.5、効率のよいモデルとして NVIDIA Nemotron 3 Super 120B。どちらも Amazon Bedrock 上
振り分け方依頼の履歴にある直近の道具の使用と結果を読んで選ぶ方式と、設定した重みで分ける比較試験用の方式。どちらも判定用のモデルを呼ばない。手がかりがはっきりしないときは効率のよいモデルを選ぶ
前提2つのモデルを Bedrock で使える本番以外の AWS アカウント(us-east-1 で試験済み。)AWS CLI v2、Node.js 20以上、Docker、Python 3.11以上、ホスト名
つなぎ方コーディングAIから、model の欄を switchyard にした OpenAI 互換の依頼を送る。どのモデルが答えたかは応答ヘッダーで分かる
データの置き場所モデルIDの接頭辞が global. の場合、世界の対応リージョンで処理されうる。決まりがあるなら地域を限ったモデルIDを使う

記事は、振り分けの良し悪しを「解けた課題1件あたりの費用」で見るよう述べています。実行にかかった費用の合計を、テストに通った実行の数で割った額です。終わらなかった課題への試行も含めて、すべての試行に費用がかかるとしています。見本には、振り分けた場合と1つのモデルだけの場合を比べる計測用の実行役が入っています。導入の前には、本番以外のアカウントで試し、セキュリティと法務の担当と確認するよう求めています。

条件・未確認事項

取得できたのは記事の前半(構成・前提・手順の途中)までです。結果の読み方の後半、構築にかかる AWS の費用、片付けの手順、見本のライセンスは確かめていません。取得した範囲に、振り分けでどれだけ安くなったかの実測の数値はありません。料金は AWS と Bedrock の利用料が別にかかる前提で、額は調べていません。

同じ物差しで測ったGoogleの実測

提供元の説明

同じ考え方の実測を、Google が2026年11月3日の開発者ブログで公開しています。作業1件あたりの費用を、繰り返し・道具の呼び出し・やり直し・内部の思考まで含めた支出の合計を、検証に通った作業の数で割ったものと定義し、自動採点つきの50問のコーディングの試験で比べたものです。記事の文から読み取れた結果は次のとおりです。

試したことGoogleの記事の結果
キーワードと長さで分ける手書きの規則規則づくりに使った問題では93.8%。未見の問題では70.6%(23.2ポイントの低下)
出力の上限を300トークンに下げる難しい25問のうち7問が崩れた。易しい問題の思考は減らなかった
いちばん軽いモデル(Flash-Lite)だけで通す難しい25問のうち6問を外した
Gemini 3.8 Flash を思考 low で通す50問すべてを解いた

条件・未確認事項

Google の記事は限界も書いています。設定ごとに1回だけの実行で、問題は難しさを手で割り当てた50問、採点は単純な自動採点です。費用と応答時間は環境で変わるとしています。記事の結果の表は画像で、表の中の金額は読めていません。この記事では AWS の見本も Google の試験も動かしていません。

自分の作業で、通った1件あたりの費用を数える案

筆者の整理

2つの記事に共通するのは、費用を単価で比べない点です。安いモデルは1回あたりは安くても、失敗してやり直せばその分も費用になります。割る数を「通った作業」にすると、やり直しと失敗が費用に入ります。Google の実測では、手で書いた振り分けの規則は見たことのない問題で当たらなくなり、出力の上限を下げる節約は難しい問題を崩しました。思いつきの節約は、数えてみるまで得か損か分かりません。

AWS の手順そのものは、AWS のアカウントと構築の知識が要る上級者向けです。ひとりで事業を回している人がすぐ持ち帰れるのは、物差しのほうです。この物差しを使うには、AI の周りに置くもの(指示書・確認表・記録など。開発の世界ではハーネスと呼びます)のうち、何をもって「通った」とするかを決める確認表が先に要ります。

活用の仮説

次の表は、月に何度か同じ形で頼む作業(たとえば決まった形式の報告書づくり)を AI に任せている架空の例で書いた、数え方の案です。実行した結果ではなく、本人や顧客の実績でもありません。

決めること書き留めるもの見ることの案
通ったの決め方(確認表)出来上がりを見る項目と、全部満たしたら「通った」とする線人によって合否がぶれない項目か。プログラムならテスト、文書なら確認表の項目
試した回数頼んだ回数。やり直しと、途中でやめた回も1回と数えるやり直しを数え忘れていないか
通った回数確認表を全部満たした回数人が手で直して通した回を、通った回に入れるかどうかを先に決める
かかった量入力と出力のトークン数。定額の契約なら、利用枠の減り方や所要時間金額より先に量を控える。単価が変わっても掛け直せる
止める条件同じ作業で何回失敗したら、上のモデルか人へ回すか安いモデルで粘った回の量が、最初から上のモデルに頼んだ場合より多くなっていないか

進め方の案です。まず作業を1つ選び、確認表を書きます。次に、同じ依頼を数件、いま使っているモデルと1段安いモデルの両方に通し、表の3つ(試した回数・通った回数・かかった量)を並べます。先に通った回数を比べ、安いほうが明らかに少なければ、そこで見送る判断ができます。同じくらい通るなら、かかった量を通った回数で割って比べます。

条件・未確認事項

この数え方は未実行の案です。数件の試しでは偶然の差と区別がつかないことがあり、作業の種類が変われば結果も変わります。定額の契約では1回ごとの金額が出ないため、量や時間で代えた比較になります。

出典と確認日

原典の公開日は提供元の表記です。製品の導入・効果の実測は行っていません。

記事の一覧へ

まず、60分の無料相談から。

いまの仕事の流れを一緒に見て、AIに任せる所と、自分で確かめる所を分けます。お問い合わせには、2営業日以内に代表がお返事します。