Kiroは、開発タスクに対応するために複数のAIエージェントモデルを提供しています。用途・コスト・推論深度・速度などの観点で最適な選択が可能です。

1. 利用可能なモデル一覧

1.1 Auto（推奨）

Kiroのデフォルトのインテリジェントなモデルルーター。複数の最先端モデルと最適化技術を組み合わせて自動選択します。

主な利点

• コスト効率が高い（Sonnet 4直接利用比 約23%安価）
• タスクごとのスマートルーティング
• 安定した品質（Sonnet 4レベル相当）
• 利用上限の最適活用

仕組み

• タスクに応じて最適なLLM（例：Claude Sonnet 4など）を選択
• 単体モデルと同等以上の品質基準を維持

1.2 Claude Opus 4.6（実験的）

Anthropicの最上位モデル。高度なエージェント能力とコーディング性能を備える。

提供対象：Pro / Pro+ / Powerプラン（実験的サポート）

主な利点

• Terminal-Bench 2.0 / SWE-bench Verifiedで最高水準
• 長時間セッションでも安定
• 大規模コードベース（数百万行）対応
• 自己修正・高度なデバッグ能力
• 深い推論と再検討能力

1.3 Claude Opus 4.5

最大級の知性と実用性を両立したモデル。

提供対象：Pro / Pro+ / Power専用

主な利点

• 推論・コーディング能力の飛躍的向上
• 旧Opusより実用的な価格帯
• 複雑なトレードオフや曖昧性への対応力

1.4 Claude Sonnet 4.5

複雑なエージェント用途や高度なコーディング向けの高性能モデル。

主な利点

• SWE-bench Verifiedで最先端水準
• 数時間の自律動作が可能
• 計画・設計・セキュリティ推論の強化

1.5 Claude Sonnet 4.0

ルーティングなしの直接アクセスモデル。

主な利点

• 予測可能な挙動
• 完全な透明性
• モデル選択の固定化

1.6 Claude Haiku 4.5

高速・低コスト・高知性を両立するモデル。

主な利点

• Sonnet 4級の推論性能
• 2倍以上の速度
• 1/3コスト
• 初の高度推論対応Haiku

2. コスト比較

3. 適切なモデル選択ガイド

3.1 Opus 4.6（実験的）を選ぶべき場面

• 長時間実行エージェントタスク
• 大規模コードベース作業
• 複雑なデバッグ
• 深い推論が必要な問題

3.2 Opus 4.5を選ぶべき場面

• 最上位レベルの推論が必要
• 本番レベルの高度開発
• 高リスク機能実装
• 長時間の複雑エージェント作業

3.3 Sonnet 4.0 / 4.5を選ぶべき場面

• 一貫性が重要
• Sonnet特有の挙動に依存
• モデル透明性が必要
• コストが主問題でない

3.4 Autoを選ぶべき場面

• コスト効率を最大化したい
• 一般的な開発業務
• タスクが多様
• 利用上限を長持ちさせたい

3.5 Haiku 4.5を選ぶべき場面

• 高速応答が必要
• 大量処理
• リアルタイム用途
• 低コスト最優先

4. モデル切り替え方法

4.1 Kiro CLI設定

kiro-cli settings chat.defaultModel claude-opus4.6

4.2 デフォルトモデルの保存

/model set-current-as-default

設定保存先：

5. ベストプラクティス

5.1 効率最大化

• まずAutoから開始
• 速度重視ならHaiku
• 複雑エージェント用途はSonnet
• 最大知性が必要ならOpus
• 利用状況を継続的に監視
• 同一タスクでモデル比較実験

5.2 コスト管理

• モデル選択はプラン設計と連動
• タスク別の最適モデルを把握
• ワークフローをモデル特性に合わせ最適化
• 必要に応じて超過利用を検討

6. まとめ

基本方針：

• デフォルトはAuto
• 重厚な推論・巨大コードはOpus
• バランス型はSonnet
• 高速・大量処理はHaiku

目的・コスト・速度・推論深度のバランスで選択することが最適化の鍵となる。