AIエージェントの費用：4件の運用実績から見る内訳

Denysです。フルスタック・AIエンジニアです。この問いを扱う記事の多くは、裏付けとなるプロジェクトのない幅広いレンジを挙げるだけです。以下は、私が構築して運用している4つのシステムのメーターを、数字ごとの出典（設定ファイル、コミットメッセージ、実測した実行結果）とともにまとめたものです。支払った請求額ではなく、私が決めた上限である数字には、そう明記します。

AIエージェントの費用は何で決まる？運用で何にお金を払う？

メーターは3つあり、モデルはその1つにすぎません。

構築物	AIの仕事	単位あたりのモデル費用	費用を左右するその他の要素
個人用アシスタントエージェント	Telegramで会話し、CRMとメールを操作し、Web調査を行う	モデルにより1ステップ USD 0.00065〜0.026。1回の実行の上限は USD 0.05〜2.10	サーバー1台、再試行、ウォッチドッグ
旅行代理店向けの価格ベンチマーク	別のAIエージェントがMCPサーバー経由でベンチマークを開始する	私側はゼロ。そのエージェントが自分のトークンを支払う	プロキシ通信（1回約 USD 3.08）と8コアのサーバー
生放送の音声チェック	全チャネルで音声と話されている言語を検出する	呼び出しごとはゼロ。小型モデル2つが会場のコンピューターで動く	CPU。32チャネルのデモで、2コアのクラウドサーバーの約0.9を使用
不動産の証明書	未知のポータルを人間のように読む	スクリプトが知らないポータルの分のトークンのみ	既知のポータルはトークン不要でスクリプトが処理

4件すべてで同じパターンでした。最も安いトークンは、そもそも送らないトークンです。そして高くつく時間は、モデルの周辺部分にかかります。

モデル呼び出しの費用はいくら？

4件のうち、モデル代を私が負担しているのはアシスタントだけです。AnthropicのClaude Agent SDKで動いており、すべてのエージェントにコード上で厳格な上限があります。SDKは、ターン数または金額の上限に達した時点で実行を止めます。

仕事	モデル	1回の実行の上限
待機中のバックグラウンド確認	Claude Haiku 4.5	USD 0.05。1日合計で USD 1.00
調査：質問を分解する	Claude Opus 4.6	USD 0.10、1ターン
調査：3人の調査役を並列で動かす	Claude Opus 4.6	各 USD 0.50、3ターン、Web検索と取得
調査：回答を書く	Claude Opus 4.6	USD 0.50、1ターン
メインの会話	Haiku、Sonnet、Opus（後述）	200ターンまたは USD 50。想定値ではなく安全網

調査の全工程で最大かかるのは、USD 0.10 + 3 × 0.50 + 0.50 = USD 2.10 です。これは上限であって平均ではありません。実際の費用はモデルによって決まり、次のセクションで価格を示します。

どんな値下げよりも請求額を下げた工夫は2つです。

1. 各メッセージを、処理できる最も安いモデルに振り分ける。 短く単純なメッセージはHaiku、中程度はSonnet、複数ステップのものはOpusに送ります。ルーターはキーワードとメッセージの長さを見るだけなので、振り分け自体にモデル呼び出しは要りません。最初は、すべてのエージェントがOpusで動いていました。
2. 役に立たない呼び出しを削除する。 バックグラウンド確認は、以前は毎サイクル、モデルに状況報告を書かせていました。メールにもCRMにもアクセスできないため、誰にも必要とされないメッセージを書くことしかできませんでした。そこでモデル呼び出しを完全に外しました。1日 USD 1.00 の上限は設定に残っていますが、もう何も守っていません。

正直な欠落が1つあります。SDKは呼び出しごとの費用を報告してくれるのに、私はそれを保存していませんでした。月合計はアプリではなくAnthropicのコンソールにあります。作り直すなら、初日から呼び出しごとの費用を記録します。総額だけでなく、どの仕事がお金を使っているかが見えるようにするためです。

モデルの選択で請求額はどれだけ変わる？

トークン側では、何よりも大きく変わります。以下は、1つのエージェントのステップを複数のモデルで計算したものです。1ステップは入力約4,000トークン、出力約500トークンで、これはアシスタントのコードに書かれたバックグラウンド確認の1回あたりの見積もりです。価格は2026年10月15日時点のOpenRouterの一覧価格です。OpenRouterは各プロバイダーの定価をそのまま通し、手数料はクレジット購入時（標準プランで5.5%）に取り、リクエストごとには取りません。

モデル	100万トークンあたりの価格（入力 / 出力）	1ステップ	1,000ステップ
DeepSeek V4.1 Flash	USD 0.024 / 0.72	USD 0.00046	USD 0.46
Claude Haiku 5.5、GPT-6 Luna	USD 0.10 / 0.50	USD 0.00065	USD 0.65
Qwen3.8 Flash	USD 0.15 / 0.47	USD 0.00083	USD 0.83
Mistral Small 4	USD 0.15 / 0.60	USD 0.00090	USD 0.90
Llama 4 Maverick	USD 0.188 / 0.652	USD 0.0011	USD 1.08
Gemini 3.5 Flash Lite	USD 0.30 / 2.50	USD 0.0025	USD 2.45
DeepSeek V4 Pro	USD 0.955 / 1.911	USD 0.0048	USD 4.78
Gemini 3.8 Flash	USD 0.75 / 3.75	USD 0.0049	USD 4.88
Grok 4.7	USD 2 / 6	USD 0.011	USD 11
Claude Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon	USD 2 / 10	USD 0.013	USD 13
Claude Opus 5.5	USD 4 / 20	USD 0.026	USD 26
Claude Fable 5.1、GPT-6 Astra	USD 10 / 50	USD 0.065	USD 65

同じ仕事が、1,000ステップあたり USD 0.46 から USD 65 まで、約140倍の幅があります。ここから3つのことが言えます。

• ほとんどのステップは小型モデルで足ります。 メッセージの仕分け、書類からの項目抽出、既知のテキストに基づく回答には、上位モデルはまず要りません。大型モデルは計画や難しい推論のために取っておきます。上記のルーティングがそれです。
• 価格の動きは速いです。 アシスタントはClaude Haiku 4.5、Sonnet 4.6、Opus 4.6で動いていました。今日の一覧では、1ステップはHaiku 4.5で USD 0.0065、Haiku 5.5で USD 0.00065 です。Anthropicによれば、新しいモデルは同じテキストでトークン数が約30%多く数えられるため、1ステップあたりでは新しい方がまだ約8分の1の安さです。GoogleのGemini 4 Argonは2026年12月1日に価格が2倍になる予定です。1年先の計画を立てる前に、もう一度確認してください。
• トークン単価ではなく、タスクで比べてください。 安いモデルでも2回試行が必要だったり、行儀よく動かすためにプロンプトが長くなったりすると、完了したタスクあたりでは高くつくことがあります。選ぶ前に、実際のタスクのサンプルを2〜3のモデルで測ってください。

ご自身の見積もりは1行です。タスクあたりのステップ数 × 月あたりのタスク数 × 使うモデルの1ステップの価格。

本当の問題が、トークン単価ではなくコンテキストだったのはなぜ？

トークン単価は予測できますが、コンテキストはできません。このアシスタントを苦しめたバグは、すべて1回の呼び出しにどれだけのテキストが入るかに関わるものでした。

• 長いセッションが回答を壊した。 返信を速くするため、アプリはメッセージの合間もセッションを温めたまま開いていました。コンテキストがあふれると、モデルは複数の文字体系が混ざった文字化けのようなテキストを返し始めました。対処は、20メッセージごとにセッションを作り直し、回答が壊れて見えたら新しいセッションで再試行することです。
• 保存したチェックポイントが大きくなりすぎた。 ある日、呼び出しが「Prompt is too long」で失敗しました。各呼び出しに注入するチェックポイントは、現在2 KBが上限です。
• システムプロンプトが、めったに使わないファイルを抱えていた。 スキルをメッセージが必要とするときだけ読み込むようにして、1回の呼び出しあたり約3,000トークンを節約し、3つの参照ファイルを事前読み込みから外してさらに約1,500トークンを節約しました。これはコミットメモからの見積もりで、請求書の行ではありません。
• 履歴が必要以上に長かった。 各呼び出しに送るチャット履歴を、20メッセージから10メッセージに減らしました。

どの対策も、費用を下げながら同時に返信を速くします。お金と同じように、コンテキストも予算として扱ってください。

エージェントが操作するインフラの費用はいくら？

旅行の価格ベンチマークでは、AIの部分は別のエージェントです。私が作ったMCPサーバー経由でベンチマークを開始し、そのトークンは、そのエージェントを動かす人に請求されます。ベンチマーク自体が支払うのは、背後のスクレイピング、つまり住宅用プロキシとブラウザだらけのサーバーです。

このシステムの実測値は次のとおりです。

• プロキシ通信： 2つの旅行サイトを対象にした1回の実行で約935 MB、約 USD 3.08、保存した価格1行あたり約0.23 MBでした。
• トラッカーのブロック： あるサイトで追跡スクリプトをブロックしたところ、1検索あたりの通信量が4.2 MBから2.5 MBに減り、6回のテストすべてで価格は同じでした。
• 不要な場所にはブラウザを使わない： あるサイトの価格は、モバイルブラウザに見せかけた通常のHTTPクライアントで読めました。5つのワーカーでの収集は1分あたり8日付から43日付になり、そのサイト用のブラウザのコードは削除しました。
• サーバーの大きさを決めるのはメモリではなくCPU： 8コアのサーバーで20個のブラウザを動かすと、負荷は約30になる一方、RAMは6〜7 GBが空いていました。ウォーム状態のブラウザ1つは約345 MBです。サーバーはコア数で選んでください。

エージェントがブラウザ、プロキシ、有料APIを操作するなら、それらのメーターはおそらくモデル代を上回ります。モデルを選ぶ前に、タスクごとに測ってください。

オンデバイスAIが、APIより安くなるのはいつ？

入力データが建物の外に出る必要がなく、モデルが小さい場合です。放送のプロジェクトは、スポーツ中継中のライブ音声チャネルを監視します。無音、ノイズ、解説者が間違った言語に切り替わることなどです。音声を1秒ごとにAPIへ送ると、呼び出しのたびに費用がかかり、遅延も増えます。

代わりに、2つのオープンモデルを会場のコンピューターで動かしています。1つは音声を検出し、もう1つは言語を判定します。重みは合わせて約24 MB、音声検出が追加で使うRAMは約7 MBで、呼び出しごとの料金はありません。32チャネルのデモでは、全チャネルをリアルタイムで解析して、2コアのクラウドサーバーの約0.9を使いました。

引き換えに、精度は自分で証明する必要があります。クリーンな朗読音声の公開データセットで、言語ごとに3秒のクリップ30本を使ったところ、言語判定モデルの正解率はポルトガル語で93.3%、スペイン語、英語、フランス語では96.7%以上でした。これは上限であって予測ではありません。観客のノイズや解説者の背後の音楽は測っていません。実際の放送回線の音声が手元になかったからです。

放置しても安全なエージェントにするには、いくらかかる？

これは多くの見積もりが飛ばす費用で、私の時間もここに消えました。実際の障害をいくつか挙げます。

• 8日間の静かな停止。 同じサーバー上の別のプロジェクトが、共有のブラウザキャッシュを更新しました。スクレイパーのプールは、動作するブラウザ40個から0個になり、ジョブはエラーを出さずに止まったまま、誰にもアラートが届きませんでした。修正は小さく、スクレイパー専用のブラウザキャッシュを用意するだけです。原因の特定に8日かかったのは、プールの準備状況にアラートがなかったからです。
• 何も残さず「成功」したジョブ。 ある実行は12分で359日付を通過し、0行を保存して、成功と報告しました。今は、空の日付が25回連続したらジョブが止まり、その理由を表示します。
• 停止したのに支出し続けた実行。 停止済みと記録されたベンチマークが4時間動き続け、その間ずっとプロキシ通信を使っていました。
• プロキシの上限がプールを空にした。 プロキシのプランが通信量の上限に達すると、プールは12分で40ブラウザから0になり、再起動するまでそのままでした。今は60秒ごとに自動で補充され、最大5分まで間隔を延ばします。
• 初日からアラートが多すぎた。 放送ツールを、49分間の実際の16チャネルのフィードで初めてテストしたところ、3,492件のイベントが出ました。92.4%はノイズと声の変化のアラートで、オペレーターは27分間に「クリア」を182回押しました。検出器は正常で、しきい値が実際の番組音声に一度も触れていなかったのが原因です。修正は新しい計算ではなく、プロファイルごとのスイッチでした。
• 止まった呼び出しとレート制限。 アシスタントには、応答が途絶えた呼び出しに対する120秒のウォッチドッグ、呼び出し全体に対する300秒の制限、APIの過負荷やレート制限のときの最大3回の再試行（30秒後、2分後、5分後）があります。止まったツール呼び出しはバックアップのモデルには回しません。遅いモデルでは、固まったツールは直らないからです。

これらはトークン価格には現れません。時間として現れ、エージェントが「完了」と言いながら間違っているときに失う信頼として現れます。予算に入れてください。初週に実データで行う最初のテスト、静かに止まりうるものへのアラート、そして「成功」が実際に何かを生み出したかの確認です。

スクリプトで大半が済むとき、AIはどこで役立つ？

端の部分です。不動産証明書のサービスは、物件管理会社のオンラインアカウントから書類を集め、売主が必要とする証明書を作ります。主な既知のポータルはスクリプトが処理し、書類の95%がそこで完了します。ビジョンAIは、スクリプトが知らないポータルだけを読み、その経路はすぐにオフにできるスイッチの後ろにあります。

注文する人にとって、証明書は2〜3週間ではなく2〜3分で届き、EUR 200〜300 ではなく EUR 99 で済みます。AIがこの流れの小さな部分なのは意図したものです。スクリプトは動く範囲では安く予測しやすく、人間のように読むしかない部分にだけモデルを使います。

自分のエージェントの運用コストはどう見積もる？

見積もりを依頼する前に、5つの数字を書き出してください。

1. 月あたりのタスク数。 メッセージ、書類、実行回数。
2. タスクあたりのモデル呼び出し回数と、それぞれに必要なモデル。 ほとんどのタスクに上位モデルは要りません。
3. 呼び出しあたりのトークン数。 システムプロンプト、履歴、書類。費用が静かに膨らむのはここです。
4. その他のメーター。 プロキシはMBあたり、有料APIは呼び出しあたり、サーバーはコアあたり。
5. 仕事ごとの上限。 アカウントの月間上限だけでなく、1回の実行ごとの金額上限をコードに入れます。

そのうえで、誰も見積もらない費用を加えます。初週の実データでのテスト、静かな障害へのアラート、それを読む人です。

この数字から分からないことは？

上の上限は私が設定した制限で、実際に使った額ではありません。モデルの表は定価であり、私の請求書ではありません。プロジェクトの数字はすべて、1つのシステム、1つの期間のものです。モデル価格は頻繁に変わるので、計画の前にベンダーの最新の料金ページを確認してください。また、これらの構築にどれだけ時間がかかったか、構築費用がいくらだったかは、ここからは分かりません。それはAIよりも、連携するシステムに大きく左右されます。

エージェントを計画中で、運用コストの見積もりを照らし合わせたい方は、数字をお見せください。喜んで確認します。私のAIエージェント開発のページで進め方を紹介しています。不動産証明書の事例、生放送の音声の事例、旅行価格の事例では、そのうち3件の構築を詳しく紹介しています。WhatsAppのボットでは、モデルよりチャネル料金の方が大きいことがよくあります。国別に計算したものをWhatsApp AIチャットボットの料金にまとめました。

出典

• Anthropic、Claude Agent SDKのオプション：max_turnsとmax_budget_usdで実行が止まります。各結果にtotal_cost_usdが含まれます。
• OpenRouter、モデルの一覧価格とプラットフォーム手数料、2026年10月15日に確認。
• Anthropic、Claudeの料金、およびGoogle、Gemini APIの料金、2026年10月15日に確認：トークナイザーに関する注記とGemini 4 Argonの価格変更。
• すべてのプロジェクトの数字：各プロジェクト自身の設定ファイル、コミットメッセージ、実測した実行結果（2026年）。