Fine-Tuning のコスト：訓練、ホスティング、推論単価

3つのコスト要素

1. 訓練コスト

OpenAI の訓練単価（訓練データ 1M トークンあたり）:

モデル	訓練 $/1M	ホスティング $/日
GPT-4o mini	$25	$0（追加料金なし）
GPT-4o（mini 由来）	$25	$0
GPT-3.5 Turbo	$8	$0

典型的な fine-tuning データセットは 1,000〜10,000 サンプル × 約500トークン = 0.5M〜5M トークン。1回の訓練ランで $12.50〜$125。ハイパーパラメータ探索で通常 3〜5 ランを実施 → 訓練総額は $50〜$625 になります。

2. 推論コストの上乗せ

Fine-tuned モデルは推論時にベースモデルの 2倍 で課金されます:

• GPT-4o mini ベース：$0.15 入力 / $0.60 出力 per 1M
• GPT-4o mini fine-tuned：$0.30 入力 / $1.20 出力 per 1M

月 10M トークンの推論で:

• ベース GPT-4o mini：約 $3.75
• Fine-tuned：約 $7.50（永続的に +$3.75/月）

3. プロンプトエンジニアリングとの損益分岐

Fine-tuning がトークンを節約するのは その後にプロンプトを大幅に短縮できる場合のみ です。典型例:

• Before：分類用に 2,000 トークンのシステムプロンプト + 20 個の few-shot 例。
• After：100 トークンのシステムプロンプト。タスクパターンをモデルが内部化済み。

1コールあたりトークン節約：1,900 トークン × $0.15/1M = $0.000285 1コールあたり推論上乗せ：100 トークン × ($0.30 - $0.15)/1M = $0.000015

純節約：1コール $0.000270。$62 の訓練ランを回収するには 約 230,000 コール で損益分岐します。

Fine-tuning が報われる場面

• 大量 + 単純タスク：分類、意図検出、構造化データ抽出で月 100 万コール超。
• フォーマット一貫性：ベースモデルがたまに出力スキーマを外し、99.9%以上の遵守率が必要なとき。
• レイテンシ：プロンプトが短くなる fine-tuned モデルは TTFT（最初のトークンまでの時間）が短くなります。

プロンプトエンジニアリングが勝つ場面

• 月10万コール未満：訓練コスト回収に時間がかかりすぎる。
• 要件が頻繁に変わる：仕様変更のたびに再訓練が必要。
• chain-of-thought の恩恵があるタスク：fine-tuning は冗長な推論を抑制し、複雑タスクの品質を下げます。

Anthropic / Gemini

Anthropic は2026年時点で Claude モデルの公開 fine-tuning を提供していません。Gemini は OpenAI と類似の価格構造で Gemini 2.5 Flash の fine-tuning を提供しています。