Kiroのチャット欄にあるモデルの切り替え、Autoのままにしていますか？ 難しい作業ほど、Claude Opus 5.5のような強いモデルを選びたくなりますよね。
この記事の目次（4節）
Kiro自身の答えははっきりしていて、ほとんどの作業をAutoのまま進めるよう勧めています。Autoは「どれか1つのモデル」ではなく、作業の途中でモデルを替えてくれる仕組みだからです。
しかもクレジットの倍率は、Autoを基準に決まっています。Opus 5.5を手で選ぶと、クレジットの倍率はAutoと比べて2倍になります。
Autoは、詰まりそうな作業だけ強いモデルへ引き継ぐ
Autoの中身は、モデルカスケード（作業を順に強いモデルへ引き継ぐこと）という仕組みです。Kiroが11月6日のブログで説明しました。
すべての作業は、まず軽いモデルで始まります。その裏で、別のモデルが作業の進み方を見ています。作業しているモデルが、自分で自分の採点をするわけではないんです。
同じコードを何度も調べ直したり、終わった作業をやり直したりするのは、「うまく進んでいない」兆しです。そう見えたら、Autoはもう一段強いモデルに作業を引き継ぎます。
引き継ぐときは要点を渡すので、最初からやり直しにはなりません。使う人には、引き継ぎは見えません。
社内の試験では、約5件に1件が引き継がれた
Kiroは、オープンソースのリポジトリから作った問題集（DeepSWE v1.1）で、3つの構成を比べています。AWSのブログの日本語訳にも同じ数字が載っています。
最初の軽いモデルだけで解けた割合は63.96%でした。強いモデルだけだと70.57%です。
Autoの構成では69.37%で、強いモデルだけの場合とほぼ同じです。差は、同じ試験をくり返したときに出る上下と変わらない程度でした。作業の80.48%は、最初のモデルのまま終わっています。
引き継がれた作業は、型やAPI、設定など多くの層にまたがる変更でした。保存したデータやキャッシュ、処理の順番で結果が変わる変更も、引き継がれやすかったそうです。
ただし、これはKiroが社内で試した数字です。実際に使う人の作業では結果が変わると、Kiro自身もブログで断っています。
このサイトでは、使うモデルを作業の種類で先に決めている
このサイトのコードも、AIを呼ぶときは軽いモデルと強いモデルの2段に分けてあります。ただしKiroと違って、どちらを呼ぶかは作業の種類ごとにコードの中で前もって決めています。
コードの中の呼び出し箇所を数えると、軽いモデルを呼ぶのは5か所でした。サイトで質問に答える案内係の返事や、会話に機密が含まれるかの判定です。強いモデルを呼ぶのは、記事を書く処理など2か所だけでした。
強いモデルの層は、いまは設定で止めてあり、実際には呼んでいません。
途中で難しさを見て、強いモデルへ替える処理はありません。軽いモデルの呼び出しが失敗しても強いモデルには回さず、失敗を記録して、呼んだ処理に誤りを返します。
最初に1つのモデルに決めてしまうと、軽いモデルでは難しい所で力が足りず、強いモデルでは簡単な所で力が余ります。Kiroのブログはそう書いています。
作業の種類で先に決めるこのサイトの方式にも、同じ弱みがありそうです。途中の進み方を見て替えられるのが、Autoのいちばんおもしろい所ですね。
クレジットは、Autoと手で選んだモデルでどれだけ違う？
Kiroのクレジットは、作業の量を表す単位です。モデルの選び方の文書は、Autoの倍率を1.0x（1倍）とし、ほかのモデルはそれと比べた倍率で載せています。実際に使う量は、モデルが出すトークンの数などで変わります。
文書の更新は10月24日です。いまの倍率は、Claude Sonnet 5.5が1.3xです。Claude Opus 5.5は2.0xになります。Claude Haiku 4.5なら0.4xで済みます。
料金のページによると、Proは月20ドルで1,000クレジットです。使い切ったあとに追加で買う分は、1クレジット0.04ドルです。
Autoなら1クレジットで済む作業を例に、このサイトで計算してみました。1,000クレジットでできる回数は、Autoなら1,000回です。
Sonnet 5.5を選ぶと769回に減ります。Opus 5.5なら500回です。
月の分を使い切ってから同じ作業をあと100回すると、追加はAutoで4ドル分です。Opus 5.5だと8ドル分になります。
いまより1つ前の世代のモデルで比べた8月の時点では、倍率はAPIの正規の料金の比を「かなり素直に反映」していました。クラスメソッドの記事が比べた結果です。強いモデルが高いのは、主に元の料金の差と考えてよさそうです。
チームで使うなら、クレジットを共有できる
Kiro Enterpriseでは、11月4日からクレジットプーリング（チームでクレジットを共有する仕組み）が使えます。1席あたり月500クレジットが、チームで共有する財布に入ります。
管理者は、グループや個人ごとに上限を決められます。誰かがOpusを選び続けると共有のクレジットが早く減るので、上限は先に決めておくと安心です。
Autoをやめてモデルを選ぶのは、どんなとき？
モデルは、チャット画面のドロップダウンで切り替えます。選んだモデルは、その会話でこのあと送るメッセージすべてに使われます。
会社で使うなら、1つ知っておきたいことがあります。管理者が使ってよいモデルの一覧を決めていても、Autoはその一覧に無いモデルを使う場合があるんです。
使えるモデルの文書に書いてあることです。
使うモデルを一覧の中に限りたいなら、管理者がAutoを止めて、認めたモデルを既定にします。Autoを止めれば、途中で強いモデルへ引き継ぐ仕組みも使えなくなるはずです。
名前が似た「Autopilot」は、別の設定です。Autopilotは、ファイルの書き換えを1回ずつ承認せずに進めるモードで、初期設定ではこちらが選ばれています。
1回ずつ承認したいなら、チャット画面のスイッチで「Supervised」に切り替えます。Autoはモデルの選び方、Autopilotは承認の仕方と覚えておけば迷いません。
AIの費用を案件ごとに分けたいなら、Claude EnterpriseのプロジェクトタグやBedrockの費用を部署別に追う設定も参考にしてください。
開発のツール選びとは別に、マニュアルや手順書づくりのような社内・総務の仕事は、このサイトのAI秘書が引き受けています。
どの作業を強いモデルに任せるか、無料AI業務診断で整理する
Autoは、ふだんは軽いモデルで走り、上り坂だけ強いモデルに替わるので、どこが坂かを人が毎回考えなくて済みます。
一方で、AIに任せる仕事そのものをどう分けるかは、会社ごとに決めるしかありません。AIの作業がぶつからない分け方やCopilotのサンドボックスで防げることもあわせて読むと、段取りを考えやすくなります。
自社のどの仕事をAIに任せられるかは、無料AI業務診断（30分のオンライン相談）で一緒に整理できます。相談のページから申し込めます。
ギアを選ぶのはAutoに任せても、どこへ走るかを決めるのは、やっぱり人の仕事ですね。
Source:
- Kiro Blog「How Kiro Auto uses model cascading to match the model to the work」（参照 2026-11-08）
- Amazon Web Services ブログ「Kiro の Auto がモデルカスケードで作業に合ったモデルを使い分ける仕組み」（参照 2026-11-08）
- Kiro Docs「Model selection」（参照 2026-11-08）
- Kiro Docs「Available models」（参照 2026-11-08）
- Kiro「Pricing」（参照 2026-11-08）
- Kiro Blog「Share Kiro credits across your team with credit pooling」（参照 2026-11-08）
- Kiro Docs「Autopilot」（参照 2026-11-08）
- DevelopersIO「【小ネタ】Kiroのクレジット倍率を正規APIの料金比と比べてみた」（参照 2026-11-08）
