LangSmith vs Helicone vs Langfuse vs PromptLayer(2026年版)

LangSmith、Helicone、Langfuse、PromptLayerは本番LLMオブザーバビリティプラットフォームです — アプリケーションがAPI呼び出しを行った後にログ記録し、多段階チェーンをトレースし、コストとレイテンシを時系列で追跡します。「本番で何が起きたか?」に答えるツールです。

これは「デプロイ前にこのプロンプトは良いか?」とは別の問いです。デプロイ前のテスト・評価はPromptfoo、Braintrust、Vellumなどのツールの役割で、プロンプトテスト&評価ツール2026で扱っています。デプロイ前のプロンプトバージョン管理とチーム共有はベストプロンプト管理プラットフォームで扱っています。このページのツールは、プロンプトが本番稼働し実際のユーザーが呼び出し始めた瞬間から価値を発揮します。

重なる部分:4つとも評価・データセット機能をある程度持っています。本番でプロンプトが壊れたことを知るだけでなく、どれくらい悪いかスコア化できる方が有用だからです。しかしスコアリングはここでは副次的な機能であり、主目的ではありません — 主目的はライブトラフィックのトレーシング・ログ記録・コスト可視化です。

開示事項:このページの各ベンダーリンク(LangSmith、Langfuse、Helicone、PromptLayer)は、そのベンダー自身のサイトに直接リンクしています。これらは単なる製品リンクです — 4つのうちどれも現在公開されているアフィリエイトやコミッションプログラムを運営しておらず、この記載を超えて開示すべき現在のアフィリエイト関係はありません。

本番トレーシングに特有の5つの基準で4つのツールを評価しました:統合の手間、セルフホストの可否、フレームワークの広さ、規模拡大時のコスト透明性、ログ記録に上乗せされる評価の深さです。

LangSmithはLangChain自身のオブザーバビリティプラットフォームです — LangChainとLangGraphのアプリケーションに対してトレーシングが自動で行われ、すでにこれらのフレームワークで構築している場合、ここで紹介する中で最もセットアップが少なくて済みます。LangChainエコシステム外でもSDK経由でLangSmithは動作しますが、自動トレーシングの利点は失われます。無料のDeveloper層から始められます — 最初の5,000トレース/月まではカード登録不要です。

無料Developer層:1席、最大5,000ベーストレース/月、それ以降は従量課金。Plus層:$39/席/月、席数無制限、最大10,000ベーストレース/月まで含み、それ以降は上乗せで従量課金 — LangChain Compute Unit(LCU)あたり$1.50、LangChain Storage Unit(LSU)あたり$1.00で、Engine・Fleet・Deployment・Sandboxの利用を計測します。Enterpriseは個別見積もりで、セルフホスト・ハイブリッド展開、SSO、RBACに対応します。

優れたチーム機能:LLM-as-judgeスコアリングを備えたデータセット駆動の評価、保存トレースに対するリグレッションテスト、プロンプトハブ統合により評価とバージョン管理が同じ場所にまとまります。トレードオフ:最も深い価値はLangChain/LangGraphに特化しており、別のフレームワークを使うチームには有能ではあるが一般的なトレーサーが提供され、LangChainユーザーが見る統合された体験にはなりません。

そもそもLangChainを標準化すべきか検討しているチームは、フレームワーク固有のオブザーバビリティスタックに固定される前にGPT、Claude、Geminiどれを選ぶべきかをご覧ください。

LangfuseはMITライセンスで、コア機能をすべて含めて無料でセルフホスト可能です — 無料セルフホスト版と有料クラウド層の間に機能制限はありません。Langfuseは2026年1月にClickHouse, Inc.に買収されました。製品はオープンソースかつセルフホスト可能なまま維持され、Langfuse Cloudも変わらず稼働しています。セルフホストまたはクラウドHobby層で無料で始められます — カード登録不要です。

セルフホスト(オープンソース):無料、無制限、MITライセンス、コアのオブザーバビリティ/評価/プロンプト管理機能すべて。クラウドHobby:無料、50,000ユニット/月、2ユーザー、データ保持30日。クラウドCore:$29/月、100,000ユニット/月まで含む、ユーザー無制限、保持90日、追加100,000ユニットごとに$8。クラウドPro:$199/月、100,000ユニット/月まで含む、ユーザー無制限、データ保持3年、加えてSSO/RBAC用の$300/月Teamsアドオン。クラウドEnterprise:$2,499/月、専任サポートエンジニア、監査ログ、個別SLA。セルフホストEnterprise(個別価格、ClickHouseの商用プランと抱き合わせ)は、無料セルフホストのコアに管理API、プロジェクト単位のRBAC、サーバー側データマスキングを追加します。

4つの中で最も広いフレームワーク統合:OpenAI SDK、LangChain、LlamaIndex、Haystack、LiteLLM、Vercel AI SDK、Ollama、Amazon Bedrockすべてにネイティブ統合があります。評価の深さはLangSmithに匹敵し、LLM-as-judgeスコアリングを備えたデータセット駆動の評価とリグレッションデータセットはどちらも成熟しており、後付けのログ記録機能ではありません。

トレードオフ:セルフホストとは、稼働率・アップグレード・インフラコストを自分で背負うことを意味します — 「無料」ソフトウェアでも運用する人は必要です。クラウドHobby層の2ユーザー制限は、個人プロジェクト以上の用途にはきつく、3人目以上がアクセスを必要とする時点でチームは比較的早く$29/月のCore層に押し出されます。

Heliconeはリバースプロキシです — APIベースURLをHeliconeに向けてヘッダーを1つ追加するだけで、すべての呼び出しが自動的にログ記録されます。SDKラッパーのインストールは不要です。ほとんどのチームはすでにAPIベースURLを設定する場所が1箇所あるため、これは既存コードベースへの追加として4つの中で最速です。無料のHobby層から始められます — 最初の10,000リクエスト/月まではカード登録不要です。

Hobby(無料):10,000リクエスト/月、1GBストレージ、保持7日、1席。Pro:$79/月、席数無制限、保持1ヶ月、アラートとレポート、HQLクエリ言語。Team:$799/月、SOC-2・HIPAA準拠、保持3ヶ月、専用Slackチャンネル。Enterprise:個別価格、オンプレミス展開、SAML SSO、個別MSA。

プロキシ層で動作するため、HeliconeはLangSmithやLangfuseのSDK統合とは異なる形でプロバイダーに依存しません — フレームワーク固有のアダプター不要で、OpenAI互換のエンドポイントであれば何とでも動作します。評価・テスト機能は存在しますが、LangSmithやLangfuseのデータセット駆動のスコアリングよりも軽量です — Heliconeの核心的な強みはログ記録とコスト可視化であり、評価の深さではありません。

PromptLayerは4つの中で最も軽量です — 完全な評価フレームワークを持たない、リクエストログとプロンプトバージョン管理を提供し、データセット駆動のスコアリングを必要としない小規模チームを対象としています。プロキシや深いフレームワーク統合としてではなく、OpenAIとAnthropicのSDKを直接ラップします。無料で始められます — 最初の2,500リクエスト/月まではカード登録不要です。

無料:5ユーザー、2,500リクエスト/月、10プロンプト、1ワークスペース、250評価セル実行/月。Pro:$49/月、プレイグラウンドとワークスペース無制限、超過は$0.003/トランザクション。Team:$500/月、25ユーザー、100,000+リクエスト/月、超過は$0.002/トランザクション、Webhook込み。Enterprise:個別価格、RBAC、デプロイ承認、BAA付きHIPAA、そしてPromptLayerが提供する唯一のセルフホスト展開オプション — GCP、AWS、Azureで利用可能ですがEnterprise層のみです。

トレードオフ:Enterprise未満の価格帯にセルフホストやオープンソース層が一切ない点 — 4つの中で唯一 — と、フレームワーク統合リストが最も薄い点(Langfuseが提供する幅広いネイティブ統合リストではなく、OpenAI/Anthropic SDKラッパーのみ)です。最も適しているのは、より重い評価プラットフォームを導入せずにリクエストを記録しプロンプトをバージョン管理したい小規模チームです。

特定のモデルプロバイダーの呼び出しにLangSmith、Langfuse、Helicone、PromptLayerを組み込む前に、PromptQuorumで1つのプロンプトを25以上のモデルに同時送信し、そもそもトレース対象として正しいプロバイダーを選んだか確認しましょう。無料層あり。

オブザーバビリティツールは、すでに本番で動かすと決めたものを測定するだけで、モデル選びは助けてくれません。PromptQuorumは、そのために本番トレーシングの計装にエンジニアリング時間を投じる前に「このプロンプトを最も上手く扱うモデルはどれか?」に答えます。

すべての基準で勝つツールはありません。LangSmithはLangChainで最も深く、Langfuseは最も柔軟(無料セルフホスト、最も広い統合)、Heliconeは最速セットアップ、PromptLayerは小規模時に最も軽量かつ安価です。

紙の上での機能の多さではなく、自社のフレームワーク・コンプライアンス要件・チーム規模に合わせてツールを選びましょう。

まだ本番稼働中のLLM機能がない場合は、この4つすべてをスキップしてください。デプロイ前のテスト・評価(Promptfoo、Braintrust、Vellum — プロンプトテスト&評価ツール2026参照)は、ローンチ前に実在する問題を解決しますが、オブザーバビリティツールはまだ存在しない問題を解決しようとするものです。トレースすべき本番トラフィックがないうちにトレーシングを組み込むのはセットアップ時間の無駄であり、ここで紹介した無料層は寛容なので、実際にライブトラフィックが発生してから後で追加しても、1日分の統合作業しかかかりません。