統一 LLM API ガイド · GPT / Claude / Gemini を一本化

LLM 領域は少なくとも 6〜7 つの本格的なモデル系統——GPT、Claude、Gemini、DeepSeek、Qwen、Doubao、Kimi、MiniMax、GLM——に分かれ、それぞれに固有の強み、価格曲線、運用上の癖があります。1 社に絞り込んだチームは、値上げ、レート制限変更、重要機能の遅れが起きた次の四半期に、統合コードを書き直すことになりがちです。本稿では、統一 LLM ゲートウェイが本番運用のデフォルト構成になった理由、タスクに合わせたモデルの選び方、そして実際の統合コードがどう見えるかを扱います。

統一 API がいま既定路線である理由

LLM 統合のコストはもはやモデル呼び出し自体にはなく、その周りの glue コードに宿ります。プロバイダごとに独自の SDK、認証、エラーモデル、レート制限ヘッダ、課金ダッシュボードがあります。それを 5 社分掛け合わせると、統合は第 2 のプロダクトになります。

複数 SDK の統合税

3 社と直接つなぐと、3 種類の認証フロー、3 種類のリトライ方針、3 つの使用量ダッシュボード、3 組の本番インシデントに行き着きます。モデルのリリースが来るたびにどこかの SDK がバンプします。事業指標に 1 ミリも効かないプロバイダ配線に、四半期で 1〜2 エンジニア週を常に溶かしている状態です。

価格リスクとベンダロックイン

LLM 価格は常に動きます——あるプロバイダは 1 回のリリースで 80% 値下げ、別のところはコスト試算が一夜で崩れる新しい段を増やしてきます。1 社ロックインとは、こうした揺れを全部吸収して、切る梃子は持たない、という状態です。統一ゲートウェイは「切る」コストを設定変更 1 本まで落とします。

統一ゲートウェイが解くもの

統一 LLM API は、全プロバイダを OpenAI 互換の単一エンドポイントの背後にたたみます。鍵 1 本、SDK 1 つ、課金ビュー 1 つ、レート制限とフォールバックを設定する場所も 1 箇所。モデル選定は文字列パラメータ——今日は "gpt-5"、明日は "claude-4-6-sonnet"、夜間バッチは "deepseek-v3"——統合コードは一切変わりません。

タスクに合った LLM 系統を選ぶ

全ベンチで勝つ 1 モデルはありません。良い選定とは、モデルの強みをタスクの形に当てることです。下の表は、本番で実際に手を伸ばす主要系統の強みをざっくり示したヒートマップです——スタート地点として使い、実トラフィックでベンチしてください。

推論と複雑な分析

長い思考連鎖下での正確性が大事な場面——多段階の数学、法務分析、コードレビュー——では、意図的な推論挙動を持つモデルが欲しくなります。Claude、GPT の推論層、DeepSeek がここに強く当たります。特に DeepSeek はコスト曲線を引き下げ、1 年前は採算に合わなかった大量推論ワークロードを現実的にしました。

コーディングと開発者ワークフロー

日々のコーディングタスクでは Claude と GPT が拮抗し、大規模リファクタやテスト生成のようなバッチには DeepSeek と Qwen が大幅に安いコストで追いついてきます。選定は「ピーク品質」か「予算あたりのスループット」のどちらをより重視するかで決まります。

コスト重視の大量ワークロード

分類、タグ付け、要約、バックエンドでのエンリッチメント——これらはほぼフロンティアモデル不要です。DeepSeek や Qwen、あるいはフロンティア系の小型版など 1 段安い層へルーティングし、高価なモデルはユーザー対面の対話呼び出しに取っておきます。段分けルーティングは、本番 LLM アプリで最大の単一コスト梃子であることが多いです。

多言語・地域特化コンテンツ

CJK 重めのワークロードでは、Qwen、Doubao、GLM、Kimi が文化的ニュアンスや慣用表現で西洋のフロンティア系を安定して上回ります。対象言語で小さな評価セットを回すほうが、どんなリーダーボードよりも判断の役に立ちます。

統一 API を使った統合コード

統一 LLM ゲートウェイは OpenAI プロトコルを話すため、主要 SDK は一切変更なしで動作します——baseURL をゲートウェイに向けるだけです。以下の例は APIMart のエンドポイントですが、任意の OpenAI 互換構成で形は同じです。

最小のチャット呼び出し

システムプロンプト付きの 1 ターン補完——最小構成：

curl https://api.apimart.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5",
    "messages": [
      {"role": "system", "content": "You are a concise assistant."},
      {"role": "user", "content": "Explain vector embeddings in two sentences."}
    ]
  }'

"gpt-5" を "claude-4-6-sonnet"、"gemini-2-5-pro"、"deepseek-v3" に差し替えても、リクエストは一切同じ。これが統一ゲートウェイの核です。

ストリーミング応答

対話型 UI にはトークン単位のストリーミングが欲しい場面があります。OpenAI SDK はそのまま互換ゲートウェイで動きます：

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.APIMART_API_KEY,
  baseURL: "https://api.apimart.ai/v1",
});

const stream = await client.chat.completions.create({
  model: "claude-4-6-sonnet",
  stream: true,
  messages: [{ role: "user", content: "Write a haiku about TCP." }],
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

OpenAI 直結と違うのは baseURL と model の 2 行だけです。

構造化 JSON 出力

エージェント的パイプラインはほぼ必ず構造化データを返してほしくなります。主要系統は JSON モードに対応し、ゲートウェイがパラメータを揃えます：

const response = await client.chat.completions.create({
  model: "gpt-5",
  response_format: { type: "json_object" },
  messages: [
    { role: "system", content: "Return JSON with fields: sentiment, topic, score." },
    { role: "user", content: "The product arrived late but the support team was amazing." },
  ],
});

const parsed = JSON.parse(response.choices[0].message.content ?? "{}");
// { sentiment: "mixed", topic: "customer-service", score: 0.7 }

より強い保証が要るときは json_schema 形式を使います——主要フロンティア系は対応済みで、未対応モデルはゲートウェイが埋めます。

実行時のモデル切り替え

統一 API の本当の価値は、コストや能力に応じてリクエストを別モデルへルーティングするところに出てきます。最小ルータはこんな感じ：

function pickModel(task: "chat" | "reasoning" | "bulk"): string {
  switch (task) {
    case "chat": return "claude-4-6-sonnet";       // 品質が重要なユーザーチャット
    case "reasoning": return "deepseek-v3";         // 安くて推論が強い
    case "bulk": return "qwen-plus";                // 大量分類での最安層
  }
}

const completion = await client.chat.completions.create({
  model: pickModel(task),
  messages,
});

ルータの外は何も変わりません。モデル追加は文字列追加、削除は文字列削除。SDK 差し替えも認証移行も新規課金も不要。

---

LLM 選定はかつて 1 年付き合う一発勝負でした。2026 年のそれは、価格が動き新モデルが来るたび毎月再評価する構成項です。統一 API はこの仕事を軽い操作に畳みます——統合は一度書き、モデル構成は継続的に入れ替わり、チームの注意はベンダ配線ではなくプロダクトに残る、という設計です。