Open Interpreterとは？無料で使えるAIコーディングエージェントの実力と料金 (2026年版)

「AIにコードを書かせるところまではできた。でも、そのコードを実行して、動かなかったら直して、というループを自分でやるのが面倒」。そこに刺さるのがOpen Interpreterです。

ターミナルで interpreter と打つと対話が始まり、あとは日本語で頼むだけ。ファイルを読み、コードを書き換え、コマンドを実行するところまでAIがやります。

ただし万能ではありません。何が得意で、どこで手が止まるのか。順番に見ていきます。

Open Interpreterとは？ターミナルで動くAIコーディングエージェント

Open Interpreterとは、ターミナルから自然な言葉で指示を出すと、AIがコードを書いて実行までしてくれるオープンソースのコーディングエージェントです。

ここでいうエージェントとは、「答えを返すだけでなく、実際に手を動かして作業を終わらせるAI」のこと。チャット画面にコードが表示されて終わり、ではありません。プロジェクトのフォルダを開かせて、そこで作業させます。

公式が掲げているコンセプトははっきりしています。低コストなモデルとオープンウェイトモデル（重みが公開されていて手元でも動かせるAIモデル）のために作られたコーディングエージェント。高いモデルを前提にしないところが、他の選択肢との分かれ目です。

起動は拍子抜けするほど短いです。

interpreter

短縮形の i でも同じセッションが立ち上がります。プロジェクトのディレクトリに入って打つ、それだけ。

ツールの基本情報はOpen Interpreterのツールページにもまとめてあります。カテゴリ全体を眺めたい人はAIコーディング支援のカテゴリから。

何ができる？ファイル編集・コマンド実行・ブラウザ操作の3本柱

Open Interpreterができることは、大きく3つに整理できます。読む・書く・動かす。この3つが揃っているかどうかが、エージェント型ツールとチャット型ツールの境界線です。

下の表は、実際の作業でどこまで任せられるかの早見表です。

つまり、「調べて、直して、動かして、確認する」までが1つのセッションで閉じます。

ブラウザ操作は同梱のQAスキル（品質確認用の機能セット）が担当していて、agent-browserという仕組みで実際のブラウザを動かせます。ここが地味に効きます。画面を出して確かめられるエージェントは、まだそう多くありません。

データ整理や可視化のような、コード以外の雑務にも使えます。CSVを渡して「グラフにして」と頼めば、スクリプトを書いて実行して画像を出すところまでやります。

「Codexのフォーク」という立ち位置が意味すること

Open Interpreterは、OpenAIのCodexをフォーク（公開されたコードを引き継いで別方向に発展させること）したプロジェクトです。ここを知らずに使うと、設計思想を読み違えます。

フォーク元をなぞっているだけではありません。狙いはハーネスの模倣にあります。ハーネスとは、AIモデルに作業をさせるときの「進め方の型」のこと。同じモデルでも、指示の組み立て方や道具の渡し方が違えば結果は変わります。

そして実装レベルでも互換性が残っています。Open ItnerpreterはCodexと同じexecプロトコルを話すため、SDK経由で外部から呼び出す使い方ができます。互換性を手元で確かめるためのチェックスクリプトも同梱されていて、外部の契約なしで検証できるようになっています。

ここまでの整理をひとことで。

Open Interpreterは「安いモデルでも、良いハーネスに乗せれば実用に届く」という賭けの上に立っているツールです。だから高いモデルを持っている人ほど、恩恵は薄くなります。

Codex本体との比較が気になる人は、Codex CLIのツールページも合わせて見ておくと立ち位置がつかみやすいです。

ハーネス切り替えが最大の武器

セッション中に /harness と打つと、動作の型を切り替えられます。ここがOpen Interpreterで一番おもしろい部分。

公式で提示されている切り替え先は次の通りです。

それぞれの細かい挙動差は公式ドキュメントで確認してください。ここで押さえるべきは、モデルを変えずに進め方だけを変えられるという一点です。

普通のツールでは、結果が悪いときの打ち手は「もっと高いモデルに変える」しかありません。Open Interpreterはそこにもう1本、レバーを足しています。同じモデル、同じ指示、型だけ変更。それで通ることがある。

安いモデルで運用したい人にとって、これは無視できない差です。

導入手順 — インストールから最初の1コマンドまで

導入で詰まる人はほとんどいません。ただし順番を守らないと、初回の実行でエラーを見ることになります。

1. Python環境を用意する（バージョン要件は公式ドキュメントで確認）
2. Open Interpreterをインストールする
3. 使いたいモデルのAPIキーを環境変数に設定する
4. 作業したいプロジェクトのフォルダに移動する
5. interpreter または i で起動する

4番を飛ばす人が多いです。ホームディレクトリで起動すると、AIは「どのプロジェクトの話か」を見失います。必ず対象フォルダに入ってから。

最初の指示は小さくいきましょう。「このディレクトリの構成を説明して」あたりが手頃です。いきなり「全部リファクタリングして」と投げると、何をされたのか追えなくなります。

APIキーの管理には気をつけてください。コードに直接書くのは論外です。環境変数か、OS標準の資格情報ストアへ。

料金はいくら？本体無料でかかるのはAPI代だけ

料金体系はシンプルです。MITライセンスで公開されているため、ソフト本体に課金は発生しません。

コストの構造を分解すると、こうなります。

つまり、月にいくらかかるかは「どのモデルを、どれだけ使うか」で決まります。ツール側の固定費がゼロなので、使わない月は本当にゼロ。

ここが月額固定のサブスク型ツールとの分岐点です。毎日フルタイムで使うなら定額のほうが得。週に数回、必要なときだけなら従量課金のほうが安く上がります。

具体的な単価はモデル提供元の公式料金ページで確認してください。モデルの価格改定は頻繁で、記事に書いた数字はすぐ古くなります。

ローカルLLMで動かす場合の現実的なライン

オープンウェイトモデル対応がウリなので、手元のマシンだけで完結させる運用も選べます。API代は完全にゼロ。社外にコードが出ないという安心感もあります。

実行環境としてよく使われるのがOllamaとLM Studioです。前者はコマンドライン寄り、後者はGUIで扱えます。

ただし期待値の調整は必要です。手元のモデルは、商用APIの上位モデルほどには複雑な作業をこなせません。「ファイルを1つ直す」なら通りますが、「複数ファイルにまたがる設計変更」となると厳しくなります。

• 単発の修正・整形・変換 → ローカルで十分
• 調査を伴う実装 → 商用APIに寄せたほうが速い
• 機密性の高いコード → 多少遅くてもローカル一択
• マシンスペックが乏しい → 素直にAPIを使う

必要なメモリはモデルサイズ次第です。動かす前に、選んだモデルの推奨環境を必ず確認してください。

手元のマシンでAIを走らせる発想そのものに興味があるなら、画像生成の世界での定番構成を扱ったComfyUIとStable Diffusionの比較記事が参考になります。ローカル運用の勘所は、分野が違ってもよく似ています。

オープンウェイトモデルの流れを押さえたい人は、Meta AIの解説記事も読んでおくと背景がつながります。

安全に使うために最低限やること

正直に書きます。ここが一番怖い部分です。

Open Interpreterは、あなたの端末でコマンドを実行します。AIが判断を誤れば、消してはいけないファイルが消えます。悪意がなくても事故は起きる。

だから、次の4つは守ってください。

• 本番環境や重要データのあるマシンで動かさない
• 実行前に何をするか確認するモードを有効にしておく
• Gitで管理されたフォルダで使い、いつでも戻せる状態にする
• 外部から取ってきたテキストの中身を、そのまま指示として実行させない

4つ目は見落とされがちです。Webページやファイルの中に「以前の指示を無視して〜」といった文が仕込まれていると、AIがそれを命令として拾うことがあります。プロンプトインジェクションと呼ばれる攻撃です。

会社で使うなら、ルール作りは避けて通れません。誰が、どの環境で、何をさせてよいのか。この整理は社内監査・内部統制向けAIツールの記事の考え方がそのまま応用できます。

ちなみに認証（SOC 2やISO 27001）の取得は公表されていません。オープンソースプロジェクトなので当然ですが、調達要件に認証が入る組織では、この時点で選択肢から外れます。

日本語での使い勝手

指示は日本語で問題なく通ります。「このファイルのエラーを直して」と打てば、ちゃんと動きます。

一方、UIとドキュメントは英語です。エラーメッセージも英語で出ます。ここで手が止まる人はいるはずです。

コメントや変数名を日本語で書かせることもできますが、モデルによって出来はばらつきます。日本語の指示を正確に読み取れるかどうかは、Open Interpreter側ではなく選んだモデル側の性能で決まる。ここを混同しないでください。

安いモデルを使っていて日本語の指示が通らないと感じたら、モデルを上げるか、指示を英語に切り替えるかの二択です。

調べものを日本語で回したいなら、Feloの解説記事で紹介しているようなAI検索と組み合わせると、調査から実装までの往復が短くなります。

Claude Code・Cursorとどう違う？

同じ「AIに手を動かさせる」ツールでも、狙っている場所が違います。

選び方はこうです。モデル代を抑えたい、あるいは手元で完結させたいならOpen Interpreter。品質を最優先で、コストは二の次ならClaude Code。エディタから離れたくないならCursorかCline。

Open Interpreterを選ぶ理由は「安いから」だけではありません。ハーネスを切り替えられる自由度は、他のツールにはない要素です。逆にいえば、その自由度を使いこなす気がないなら、もっと素直なツールのほうが幸せになれます。

他の選択肢も見ておきたい人は、Roo CodeやContinue、Devikaあたりが同じ土俵にいます。AIエージェントのカテゴリから一覧で眺めるのも手です。

向いている人・向いていない人

ここまでの内容を、判断できる形にまとめます。

コーディング以外の用途、たとえばイラストやビジュアル制作を探しているなら方向が違います。その場合はAIイラストツールの比較記事のほうが近道です。

よくある質問（FAQ）

Q. Open Interpreterは本当に無料ですか？

本体は無料です。MITライセンスで公開されているため、個人利用でも商用利用でもソフト自体への課金は発生しません。かかるのは使うLLMのAPI利用料だけ。ローカルLLMを使えばそれもゼロになります。

Q. プログラミングができなくても使えますか？

指示は日本語で出せるので、書けなくても動かせます。ただし、AIが実行しようとしているコマンドが安全かどうかを判断できないと危険です。最低限、ターミナルで何が起きているか読める人向けです。

Q. どのモデルを使うのがおすすめですか？

用途次第です。コストを抑えたいなら安価なモデルとハーネス切り替えの組み合わせ、品質を求めるなら上位モデル。設計思想としては前者を想定して作られています。モデルごとの単価は各社の公式料金ページで確認してください。

Q. `interpreter` と `i` は何が違いますか？

同じセッションが立ち上がります。i は打鍵数を減らすための短縮形です。

Q. `/harness` は何のためにありますか？

AIの作業の進め方を、モデルを変えずに切り替えるためのコマンドです。native、claude-code、claude-code-bare、zcode、kimi-codeなどが用意されています。結果が思わしくないとき、モデルを上げる前に試す価値があります。

Q. 会社のマシンで使っても大丈夫ですか？

社内ルールの確認が先です。自分の端末でコマンドを実行し、コードを外部のAPIに送るツールなので、機密情報の扱いに引っかかる可能性があります。ローカルLLM構成にすれば外部送信は回避できます。

Q. Codexとの違いは何ですか？

Open InterpreterはCodexをフォークしたプロジェクトで、execプロトコルの互換性を保っています。分岐点は目的で、Open Interpreterは低コストモデル・オープンウェイトモデルからの性能引き出しに焦点を当てています。

Q. 他のエージェントツールと併用できますか？

できます。エディタ拡張型とCLI型は競合しないので、用途で使い分ける人は多いです。調査と単発修正はOpen Interpreter、大きな実装は別ツール、といった分担が現実的です。

AI PICKS編集部の判定

「モデル代を1円でも減らしたい人」には破格の選択肢です。

本体が無料で、ローカルLLMまで見据えた設計になっている。しかもハーネス切り替えという、他にないレバーを持っています。安いモデルで戦うための道具として、これは筋がいい。

ただし、誰にでも勧められるツールではありません。ターミナル前提でGUIはなし、ドキュメントは英語、そして何より自分の端末でコマンドを実行します。安全に扱う知識がない状態で触るのは、正直おすすめできません。

品質を最優先するなら上位モデル前提のツールのほうが速いのも事実です。ここで無理に張り合う必要はない。

判定としては、コスト最適化とローカル運用に振り切った層には一択、それ以外には微妙。この線引きがはっきりしているツールなので、自分がどちら側かを先に決めてから触ってください。予算を先に決めれば、迷う時間はゼロになります。

関連する比較・代替を見る

• Open InterpreterとClaude Codeの比較
• Open InterpreterとCodex CLIの比較
• Open InterpreterとClineの比較
• Open InterpreterとAiderの比較
• Open InterpreterとCursorの比較
• OllamaとLM Studioの比較

次に読むならこれ。手元のマシンでAIを動かす運用に踏み込むつもりなら、ComfyUIとStable Diffusionの比較記事が参考になります。ローカル実行で最初にぶつかる壁は、コードでも画像でもほとんど同じだからです。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• Open Interpreter — 公式サイト（AI PICKSの詳細）
• Claude Code — 公式サイト（AI PICKSの詳細）
• Cursor — 公式サイト（AI PICKSの詳細）
• Cline — 公式サイト（AI PICKSの詳細）
• Aider — 公式サイト（AI PICKSの詳細）