ガイド
LLM のトークン料金の仕組み
主要な LLM API はすべてトークン単位で課金されます。トークンとはテキストの断片で、英語ではおよそ4文字、英単語の4分の3程度に相当します。料金は100万トークンあたりで提示され、 入力トークン(システムプロンプト、会話履歴、検索したドキュメント、ツールの実行結果)と出力トークン(モデルが生成するテキスト)は別々に課金されます。 ほぼ常に高いのは出力側です。現在の多くのモデルでは、出力はトークンあたり入力の4〜5倍の料金がかかります。トークンを1つずつ生成する処理は、プロンプトを並列に読み込む処理よりもはるかに多くの GPU 時間を使うためです。
そのため、1回のリクエストのコストは次の簡単な式で求められます:入力トークン × 入力単価 ÷ 1M + 出力トークン × 出力単価 ÷ 1M。入力 2,000 トークン、出力 500 トークンのチャットボットのリクエストを Claude Sonnet 5.5(100万トークンあたり入力 $2.00 / 出力 $10.00)で処理すると、約 $0.009 かかります。1日 10,000 リクエストなら、月額はおよそ $2,738 です。上の計算ツールはこれをすべてのモデルで一度に計算するので、 同じワークロードがプロバイダーごとにいくらになるかを確認できます。
OpenAI、Claude、Gemini の API 料金を比較する
表示価格は出発点にすぎず、答えではありません。トークン単価が同じ2つのモデルでも、一方が長めの回答を書く、意図どおりに動かすために長いプロンプトが必要、あるいは非表示の推論トークンを多く消費する、といった理由で請求額は大きく変わります。 Claude Sonnet 5.5、GPT-6.2 Sol、Gemini 4 Carbon のような中位モデルは現在ほぼ同じ価格設定なので、公平な LLM コスト比較には、自分のトークン数をそれぞれのモデルで計算することが欠かせません。入力・キャッシュ・出力の全料金をざっと確認するには、 LLM API 料金一覧表をご利用ください。
マルチターンの AI エージェントがチャットボットより高くなる理由
LLM API はステートレスです。会話を続けるには、呼び出しのたびに履歴全体を再送信する必要があり、エージェントの場合はさらに、ステップごとにツール定義、ツール呼び出し、ツールの出力が履歴に追加されます。 そのため入力トークンはターンごとに増え、セッション全体の入力量はターン数のおよそ2乗に比例して増加します。
たとえば、12,000 トークンのコンテキストから始まり、1ターンごとにツール出力 2,500 トークンと自身の出力 500 トークンが追加され、25 ターン実行されるコーディング/リサーチエージェントを考えます。単純に見積もると 25 × 12,000 = 0.3M 入力トークンです。実際の値は約 1.2M で、4× にもなります。25 ターン目では、それまでの 24 ターンで生成されたすべてを読み直すからです。キャッシュなしの場合、このセッション1回のコストは Claude Sonnet 5.5 で約 $2.52 です。AI エージェントの 料金計算ツールは、このコンテキストの増加をモデル化する必要があります。それを行うのが、上の Pro / エージェントモードです。音声エージェントも、発話ターンごとに同じパターンをたどります。 AI 音声エージェント料金計算ツールは、これを音声認識、音声合成、電話回線と合わせてモデル化します。
プロンプトキャッシュと Batch API の割引で料金を削減する方法
プロンプトキャッシュ
エージェントは同じプレフィックスを何度も再送信するため、プロバイダーはそれをキャッシュできるようにしています。Claude Sonnet 5.5 のキャッシュされた入力トークンは、100万トークンあたり $2.00 ではなく $0.10 で、95% の割引です。Anthropic はキャッシュの書き込みに割増料金(100万トークンあたり $2.50)を課します。OpenAI と Google は、 一定の長さを超えるプロンプトを自動的にキャッシュします。キャッシュヒット率が 85% なら、上のエージェントセッションは $2.52 から約 $0.677 まで下がり、73% の節約になります。ヒット率を高めるには、変化しない内容(システムプロンプト、ツールのスキーマ、参照ドキュメント)をすべてプロンプトの先頭に置き、新しい内容は末尾に追加します。 プロンプトの先頭付近にタイムスタンプやユーザー ID があると、毎回のリクエストでキャッシュが無効になります。
Batch API
リアルタイムで回答が必要ない場合、OpenAI、Anthropic、Google の Batch API を使えば、24時間以内に結果を返す代わりに入力・出力トークンの両方が 50% 割引になります。 評価(eval)、ドキュメント分類、データ抽出、埋め込みのバックフィル、夜間の要約処理などに最適です。バッチ割引とキャッシュ割引は併用できるため、オフラインの パイプラインは多くの場合、最も安く実行できる LLM ワークロードになります。
非表示の推論トークンの課金方法
推論モデルは回答する前に思考します。この思考トークンはほかの出力と同じように生成され、出力単価で課金されますが、ほとんどの API ではユーザーに表示されません。 表示される回答が 500 トークンでも、1,000 トークンの推論が必要だった場合は 1,500 出力トークンとして課金されます。Claude Sonnet 5.5 では $0.005 ではなく $0.015 になります。推論トークンの 使用量はタスクの難易度や effort 設定によって変わるため、実際のレスポンスの usage フィールドで計測し、計算ツールの推論倍率をそれに合わせて設定してください。 推論トークンは次のターンのコンテキストには引き継がれないため、出力コストは増えますが、エージェントループの入力側は膨らみません。
LLM API の月額コストを削減する実践的なヒント
- 難易度に応じてルーティングする。単純な分類、抽出、ルーティングの呼び出しは低価格モデルに送り、フラッグシップモデルは難しいケースに限定します。この方法で支出を 60〜80% 削減しているチームも多くあります。
- 出力の長さを制限する。高いのは出力トークンです。max_tokens を設定し、JSON など簡潔な形式を指定して、モデルに入力を繰り返させないようにします。
- キャッシュを前提にプロンプトを設計する。変化しない内容を先に、変化する内容を最後に置き、API レスポンスのキャッシュ済みトークン数でヒットを確認します。
- エージェントのコンテキストを削る。ファイル全体やログをすべてのターンに持ち越すのではなく、古いツール出力は要約するか削除します。
- 待てる処理はすべてバッチにする。同じモデルで半額になるのは、最も簡単な節約方法です。
- 推論の effort を調整する。深い推論で結果が改善しない場面では、low や medium の effort、または非推論モデルを使います。
- 大規模になったらセルフホストを再検討する。月に数十億トークン規模になると、専用 GPU 上のオープンウェイトモデルの方が安くなる場合があります。API vs セルフホスト損益分岐点計算ツールで分岐点を求め、LLM VRAM 計算ツールでハードウェアのサイズを見積もりましょう。
この計算ツールの数値はすべてページの URL に保存されるため、見積もりができたらリンクをコピーして、チームや財務担当者と共有できます。