---
title: "画像対応 LLM API の料金：画像 1 枚・1 ページの費用 | BroadRouter"
description: "画像対応 LLM の呼び出しは画像 1 枚、文書 1 ページあたりいくらかかるか。Gemma 4、Qwen3.8 27B、DeepSeek V4.1 Flash のトークン計算と、DeepInfra のほうが安いケースを解説します。"
url: https://broadrouter.com/ja/blog/cheapest-vision-llm-api/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/cheapest-vision-llm-api/)（2026-11-16 更新）。

# 最安の画像対応 LLM API：画像 1 枚・1 ページあたりのコストを計算

BroadNet Inference チーム · 約 5 分で読めます · 公開日 2026-11-14 · 更新日 2026-11-16

画像対応 LLM は画像を入力トークンとして課金するため、約 1,000 トークンの画像 1,000 枚のコストは 100 万トークンあたりの入力単価と同じです。BroadNet で最も安いのは Gemma 4 VL 26B で、100 万あたり入力 $0.10、出力 $0.22 です。DeepInfra は Google の Gemma 4 26B A4B を、入力はより安く、出力はより高く掲載しています。

## 要点

-   画像対応モデルは画像を入力トークンとして課金します。画像 1 枚のコスト = 画像トークン × 入力単価 ÷ 1M、これに回答分が加わります。
-   約 1,000 トークンの画像 1,000 枚は入力 100 万トークンです：Gemma 4 VL 26B なら $0.10、Qwen3.8 27B なら $0.175、DeepSeek V4.1 Flash なら $0.175。
-   回答が長い場合は出力単価で順位が決まります：100 万あたりそれぞれ $0.22、$0.52、$2.17 です。
-   先に画像をリサイズ・トリミングしてください。トークン数は解像度とともに増えます。
-   アラビア語の文書には Qwen3.8 27B、BroadNet の最安価格には Gemma 4 VL 26B、長いコンテキストや定額プランには DeepSeek V4.1 Flash を選んでください。

**このページの内容**

1.  LLM API では画像はどう課金されますか？
2.  画像 1 枚は何トークンですか？
3.  各画像対応モデルの料金はいくらですか？
4.  画像 1,000 枚でいくらかかりますか？
5.  文書 1 ページあたりはいくらですか？
6.  BroadNet は最安の画像 API ですか？
7.  どの画像対応モデルを選ぶべきですか？
8.  定額プランが画像単位の課金より有利になるのはいつですか？
9.  画像処理のコストを下げるには？
10.  BroadNet Inference の位置づけ

画像 API の料金ページに「1 枚あたり」と書かれていることはほとんどありません。掲載されているのは 100 万トークンあたりの価格で、画像はトークンに変換されます。この記事では、BroadNet Inference の 3 つの画像対応モデルについて、トークン単価を画像 1 枚あたり・文書 1 ページあたりのコストに換算し、数字を動かす設定を示します。

## LLM API では画像はどう課金されますか？

[視覚言語モデル](https://broadrouter.com/ja/glossary/vision-language-model/)は画像をパッチに分割し、トークンに変換します。そのトークンは、テキストのプロンプトと合わせて入力単価で課金されます。回答は出力として課金されます。つまり：

```text
cost per image ≈ (image tokens + prompt tokens) × input price / 1M
               + answer tokens × output price / 1M
```

BroadNet には画像ごとの別料金はありません。画像のトークン数はモデルの画像エンコーダーと解像度で決まるため、4,000 ピクセルのスマートフォン写真は、同じ写真をリサイズしたものより高くつきます。

## 画像 1 枚は何トークンですか？

モデルファミリーによって異なります：

-   **Gemma 4** は画像ごとに固定のトークン予算を使います。Google の Gemma ドキュメントによると “70, 140, 280, 560, or 1120 tokens”（訳：70、140、280、560、1120 トークンのいずれか）です。予算が小さいほど画像は縮小され、処理も速くなります。Google は、予算が大きいほど細部が保たれるとして、画像タスクで最高の精度を得るにはそちらを推奨しています。
-   **Qwen3-VL** は圧縮率が 32 で、32 × 32 ピクセルのブロックごとにおよそ 1 トークンです。README では、画像ごとの視覚トークン予算を 256〜1,280 のような範囲に設定する方法が示されています。1,024 × 1,024 の画像は約 32 × 32 = 1,024 トークンです。

BroadNet は自社デプロイの画像設定を公開していないため、これらはおおよその規模として扱ってください。実際の画像を 1 枚送り、`usage.prompt_tokens` を読み、テキストだけのときの数を引けば、それが画像のトークンコストです。[画像トークン計算ツール](https://broadrouter.com/tools/image-token-calculator/)は、各プロバイダーが文書化しているルールを任意の画像サイズに適用します。

## 各画像対応モデルの料金はいくらですか？

BroadNet Inference の 100 万トークンあたりの価格です（2026-11-14 に同期）：

| モデル | 入力 | 出力 | コンテキスト | 先に推論する | 初回クレジット |
| --- | --- | --- | --- | --- | --- |
| [Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) | $0.10 | $0.22 | 32,768 | 記載なし | 利用可 |
| [Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) | $0.175 | $2.17 | 262,144 | はい | チャージ後 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) | $0.175 | $0.52 | 1,048,576 | はい | チャージ後 |

## 画像 1,000 枚でいくらかかりますか？

画像 1 枚と短いプロンプトで約 1,000 入力トークンになると仮定します。すると画像 1,000 枚は入力 100 万トークンになり、画像 1,000 枚あたりの入力コストは 100 万トークンあたりの価格と同じです：

| モデル | 画像 1,000 枚あたりの入力コスト | 回答 100 万トークンあたりの出力コスト |
| --- | --- | --- |
| Gemma 4 VL 26B | $0.10 | $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |

自分の量は無料の [LLM API コスト計算ツール](https://broadrouter.com/tools/llm-api-cost-calculator/)で計算してください。順位を変える要因が 2 つあります：

1.  \*\*回答の長さ。\*\*1 語のラベルならどこでも安く済みます。推論モデルで 300 トークンの JSON を抽出すると、さらに数百の[推論トークン](https://broadrouter.com/ja/glossary/reasoning-tokens/)が付き、出力単価で課金されることがあります。Qwen3.8 27B の出力単価（100 万あたり $2.17）は DeepSeek V4.1 Flash（$0.52）の数倍なので、回答が長ければ DeepSeek のほうが安くなります。
2.  \*\*画像のサイズ。\*\*画像が 1 枚 2,000 トークンなら、入力の列は 2 倍になります。Gemma の 280 トークンの予算でタスクに足りるなら、入力コストはおよそ 4 分の 1 に下がります。

## 文書 1 ページあたりはいくらですか？

スキャンした A4 ページを約 1,024 × 1,024 ピクセルでレンダリングすると、Qwen 系のエンコーダーで 1,000 トークン前後になります。大まかなルールは **1,000 ページ ≈ 入力 100 万トークン**で、これにプロンプトと回答が加わります。小さな文字には高い解像度、つまり多くのトークンが必要になることがあります。

ページ処理の実践的なコツ：

-   テキスト PDF は画像ではなく抽出したテキストとして送ってください。テキストは、テキストを写した画像よりはるかに少ないトークンで済みます。
-   請求書の合計欄のように、必要な領域だけを切り出してください。
-   ページごとの項目が必要なら 1 リクエストに 1 ページを送り、1 回の失敗で文書全体が無駄にならないようにしてください。

## BroadNet は最安の画像 API ですか？

すべての項目でそうとは限りません。以下は、DeepInfra の同じファミリーのオープンな画像対応モデルで、2026 年 11 月 14 日の料金ページから取った 100 万トークンあたりの価格です：

| DeepInfra のモデル | 入力 | 出力 |
| --- | --- | --- |
| gemma-4-26B-A4B-it | USD 0.07 | USD 0.34 |
| Qwen3-VL-30B-A3B-Instruct | USD 0.15 | USD 0.60 |
| Qwen3-VL-235B-A22B-Instruct | USD 0.20 | USD 0.88 |

DeepInfra の Gemma 4 の入力単価は BroadNet の $0.10 より安く、出力単価は BroadNet の $0.22 より高くなっています。そのため、1 語で答える画像分類なら DeepInfra のほうが安く、長い JSON の抽出なら BroadNet のほうが安くなることがあります。ほかのホストは [Gemma 4 26B A4B の料金ページ](https://broadrouter.com/ja/llm-api-pricing/gemma-4-26b-a4b-it/)と [Qwen3-VL 235B の料金ページ](https://broadrouter.com/llm-api-pricing/qwen3-vl-235b-a22b-instruct/)で比較するか、[DeepInfra の代替](https://broadrouter.com/alternatives/deepinfra-alternative/)のページをお読みください。[最安の LLM API](https://broadrouter.com/ja/llm-api-pricing/cheapest/) のランキングと [LLM API 価格インデックス](https://broadrouter.com/data/llm-api-price-index/)で、これらの価格を市場全体の中で確認できます。

## どの画像対応モデルを選ぶべきですか？

-   \*\*BroadNet の最安価格、単純なタスク：\*\*Gemma 4 VL 26B。ラベル、キャプション、「署名はあるか？」など。$5 の初回クレジットで使えます。コンテキストが 32,768 トークンなので、1 リクエストに入る画像の数は限られます。
-   \*\*アラビア語の文書やスクリーンショット：\*\*Qwen3.8 27B。BroadNet がアラビア語でテストしたモデルです。[画像対応モデルでアラビア語の請求書を読む](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)と[アラビア語向け LLM の選び方](https://broadrouter.com/ja/blog/choosing-an-llm-for-arabic/)をご覧ください。
-   \*\*長い出力、1 リクエストに多数の画像、または非常に大量の処理：\*\*DeepSeek V4.1 Flash。1,048,576 トークンのコンテキストに多くのページを一度に入れられ、定額プランでは画像も無制限の利用に含まれます。

並列比較のページ：[Gemma 4 VL 26B と Qwen3.8 27B の比較](https://broadrouter.com/compare/gemma-4-vl-26b-vs-qwen3.8-27b/)、[DeepSeek V4.1 Flash と Gemma 4 VL 26B の比較](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-gemma-4-vl-26b/)。

## 定額プランが画像単位の課金より有利になるのはいつですか？

Full Moon のセッションは月 $60 で、DeepSeek V4.1 Flash を同時に 1 リクエストで無制限に使えます。画像 1 枚あたり約 1,000 トークンなら、DeepSeek V4.1 Flash では画像 1,000 枚ごとに入力で $0.175 かかるため、入力分だけで月に $60 ÷ $0.175 千枚でプランの価格に達します（回答分は別）。1 つのワーカーが 1 日中画像を処理するなら、1 時間の Meteor セッション（$1）でスループットを測って比較するか、[定額 vs トークン課金計算ツール](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/)を使ってください。方法の詳細は[損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)にあります。

## 画像処理のコストを下げるには？

1.  正しく読み取れる最小の解像度にリサイズしてください。20 件のサンプルで 3 つのサイズを試します。
2.  文章ではなく、キー名付きの短い JSON を求めてください。
3.  単純な抽出では、推論モデルの `reasoning_effort` を `low` にし、回答が途中で切れないよう `max_tokens` は 1,000 以上にしてください。[回答が空で返る理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)。
4.  data URL では正しい MIME タイプを使ってください（PNG なら `image/png`）。
5.  画像ごとに `prompt_tokens` を記録し、大きすぎるアップロードを見つけてください。

## BroadNet Inference の位置づけ

BroadNet は 1 つのキーで 3 つの画像対応モデルを提供しており、トークン課金の Gemma から定額プランまで選べます。画像ごとの料金はなく、送った画像は[ゼロデータ保持](https://broadrouter.com/ja/privacy/)です。請求書、レシート、スクリーンショット、アラビア語の文書に向いています。DeepInfra の表のとおり、入力の多い処理では最安のホストではありません。また画像生成は提供しておらず、画像理解のみです。抽出パイプライン自体は[画像対応 LLM で請求書のデータを JSON に抽出する](https://broadrouter.com/ja/blog/extract-data-from-documents-with-vision-llm/)をご覧ください。[$5 の初回クレジットで始める](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cheapest-vision-llm-api&utm_content=body)。

関連する無料ツール（英語）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[プリペイドクレジット（prepaid credit）](https://broadrouter.com/ja/glossary/prepaid-credit/)

プリペイドクレジットとは、使用前に API アカウントに入金しておくお金です。リクエストごとに費用が残高から差し引かれ、残高がなくなると、チャージするまで従量課金のリクエストは止まります。支出は支払った額までに抑えられます。

[画像トークン（image tokens）](https://broadrouter.com/ja/glossary/image-tokens/)

画像トークンとは、ビジョン言語モデルがプロンプト内の画像を表す入力トークンです。数は画像サイズから計算され、通常はリサイズ後に固定サイズのパッチやタイルに分割します。テキストの入力トークンと同様に課金され、大きい画像ほど高くなります。

[従量課金（pay-as-you-go）](https://broadrouter.com/ja/glossary/pay-as-you-go/)

従量課金とは、使った分だけを支払う料金体系です。トークン、リクエスト、音声の分数などの単位で計測され、サブスクリプションや最低利用額はありません。多くの LLM API はこの方式で、前払いの残高か定期的な請求書から支払います。

[視覚言語モデル（VLM、vision-language model）](https://broadrouter.com/ja/glossary/vision-language-model/)

視覚言語モデル（VLM）とは、画像とテキストを一緒に入力として受け取り、テキストを出力するモデルです。画像の説明、画像についての質問への回答、文書・グラフ・スクリーンショットの読み取りができます。image-text-to-text モデルやマルチモーダルモデルとも呼ばれます。

[入力トークンと出力トークン（input and output tokens）](https://broadrouter.com/ja/glossary/input-and-output-tokens/)

入力トークンとは、モデルがリクエストで読むトークンで、システムプロンプト、会話履歴、ツール定義、画像を含みます。出力トークンは、推論を含めモデルが返答として生成するトークンです。LLM API は通常この 2 つを別の単価で課金し、出力のほうが高額です。

## よくある質問

### 画像対応 LLM で画像 1 枚は何トークンですか？

モデルと解像度によります。Gemma 4 は画像 1 枚あたり 70〜1,120 トークンの予算を使います。Qwen の VL モデルは 32 × 32 ピクセルのブロックごとにおよそ 1 トークンです。実際の数は usage ブロックの prompt\_tokens で確認してください。

### BroadNet で一番安い画像対応 LLM API はどれですか？

Gemma 4 VL 26B で、100 万トークンあたり入力 $0.10、出力 $0.22 です。無料の初回クレジットでも使えます。

### 画像 1 枚ごとの料金はかかりますか？

かかりません。BroadNet の従量課金キーでは、画像はモデルの入力単価で入力トークンとして数えられ、大きな画像ほど多くのトークンを使います。

### 無制限プランに画像は含まれますか？

含まれます。DeepSeek V4.1 Flash のプランでは、画像も長いプロンプトも無制限の利用に含まれます。

### Gemma 4 の画像処理は BroadNet より DeepInfra のほうが安いですか？

入力の多い処理ならそうです。2026 年 11 月 14 日時点で、DeepInfra は gemma-4-26B-A4B-it を 100 万トークンあたり入力 USD 0.07、出力 USD 0.34 で掲載していました。BroadNet は入力 $0.10、出力 $0.22 なので、回答が長い場合は BroadNet のほうが安くなります。

### アラビア語の請求書にはどの画像対応モデルが最適ですか？

Qwen3.8 27B は BroadNet がアラビア語でテストしたモデルで、流暢に書け、湾岸方言とエジプト方言も理解します。ご自身の文書でテストしてください。

## 続けて読む

-   [LLM API 料金の仕組み：入力・キャッシュ・出力・推論トークンを解説](https://broadrouter.com/ja/blog/llm-api-pricing-explained/)
-   [アラビア語向け LLM API の選び方：何をテストすべきか](https://broadrouter.com/ja/blog/choosing-an-llm-for-arabic/)
-   [推論トークン：見えている以上の出力に課金される理由](https://broadrouter.com/ja/blog/reasoning-tokens-cost/)
-   [LLM API は定額とトークン課金のどちらが得か：損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [テキスト、音声、画像のどれを使う？まずタスクから考える](https://broadrouter.com/ja/blog/text-speech-vision/)
-   [LLM API の料金改定まとめ 2026 年 10 月：値上げ 3 件、値下げなし](https://broadrouter.com/ja/blog/llm-api-price-changes-october-2026/)
-   [LLM API の料金はどのくらいの頻度で変わる？3 年分のアーカイブ調査](https://broadrouter.com/ja/blog/how-often-llm-api-prices-change/)
-   [ガイド：ビジョンモデルでアラビア語の請求書とレシートを読み取る](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)
-   [ガイド：推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cheapest-vision-llm-api&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference の機械可読な価格、pricing.json（2026-11-14 取得）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cheapest-vision-llm-api&utm_content=sources)
-   [BroadNet Inference API リファレンス：画像付きチャット、プランでの画像（2026-11-14 取得）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cheapest-vision-llm-api&utm_content=sources#requests)
-   [Google Gemma ドキュメント：画像理解と画像のトークン予算（2026-11-14 取得）](https://ai.google.dev/gemma/docs/capabilities/vision)
-   [Qwen3-VL リポジトリ：32 倍圧縮と視覚トークン予算の設定（2026-11-14 取得）](https://github.com/QwenLM/Qwen3-VL)
-   [DeepInfra の料金：Gemma 4 と Qwen3-VL のトークン単価（2026-11-14 取得）](https://deepinfra.com/pricing)
