DatabricksがAIコーディングコストを70%削減：モデルの柔軟性、オープンソース、効率の最前線

Databricksは、開発者の生産性を維持しながらAIコーディング支出を70%削減したと報告しています。その方法は、積極的なモデル切り替え、内部ベンチマーク、そしてオープンソース化したインフラストラクチャを組み合わせたものです。重要な洞察は、ほとんどのコーディングにはフロンティアレベルの知能は必要なく、真のターゲットは効率フロンティア（特定の品質基準に対する最良の価格）であるということです。以下がその成果です。

主要なコスト削減レバー

• オープンソースおよび低コストモデルへの移行 — 最大の単一レバーです。Databricksは内部ベンチマークを構築し、GLMモデルが競争力のある価格性能比を提供することを発見し、全社的な展開につながりました。Stripeも同様にOpus 4.7をテストしましたが、品質を向上させずにコストがかかるため、導入を断念しました。DatabricksもOpus 5.0と4.8で同じことを経験しました。
• ハーネスとモデルの柔軟性 — 新しいモデルを迅速に採用するには、モデルを切り替えられるツールが必要です。Databricksは、Omnigent（エンドユーザー向けメタハーネス）とUnity AI Gatewayをオープンソース化し、トラフィックをモデル間でルーティングしています。また、開発者が使い慣れたハーネス（Claude Code、Codex、Cursor）を使用できるようにしつつ、ゲートウェイを介してコスト効率の高いモデルに誘導しています。

効率フロンティア

フロンティアラボはピーク時の知能を最適化しますが、日常のコーディングには数学の証明や新しいセキュリティエクスプロイトは必要ありません。効率フロンティア（1ドルあたりの最良の知能を提供するモデル）ははるかに速いペースで進歩しています。公開ベンチマークは実際のコーディングパフォーマンスを捉えきれないため、Databricksと同業他社は自社の開発ワークロードを反映した内部評価を構築しています。

チームへの示唆

AIコーディングコストを管理している場合、戦略は次のとおりです：

• 自社のコードベースに合わせた内部ベンチマークを構築または採用し、新しいモデルを評価する。
• モデルの切り替えに迅速に対応できるようにする — 単一ベンダーに固執しない。
• ゲートウェイを使用して、品質基準を満たす最も安価なモデルにリクエストを動的にルーティングする。
• モデル更新時のコスト回帰を監視する。時には古いモデルの方が経済的に優れていることもある。

Databricksは、これらのテクニックにより、使用量が増加してもユーザーあたりの総コストを一定の範囲内に維持できると主張しています。詳細と完全なテクノロジースタックについては、彼らの投稿をご覧ください。