TL;DR
AI コスト削減でいちばん早いのは、すべてのステップに最上位モデルの料金を払うのをやめることです。まずeffortレベルを下げましょう。Anthropic自身のテストでは、あるモデルが低effortでコーディングタスクの87.4%を1件あたりUSD 0.11で解き、高effortでは95.3%を1件あたりUSD 0.29で解きました。最初に低effortで実行し、失敗した分だけ高effortでやり直すと、約97%を1件あたり約USD 0.17で解けました。次に、繰り返すプロンプトをキャッシュし、待てる処理はバッチで流し(50%割引)、簡単なステップは無料または安価なモデルに任せ、判断は強いモデルに残します。
Denysです。フルスタックエンジニア兼AIエンジニアとして、小さな会社向けにAIエージェントや自動化を作っています。これは私自身が使っているリストです。請求書のAIの行が増え続けていて、どのレバーが効くのかを知りたい経営者の方向けです。数字は2026年11月時点の各社の公表値で、登場する箇所にリンクを付けています。Anthropicのベンチマークの数字は、同社自身の社内テストによるものです。価格はすべて、各社が公表しているとおりUSDで記載しています。
AIの請求はどこから来るのか
請求の元はトークン、つまりモデルが読み書きする文章の断片です。書くほうが読むより高くつきます。Anthropicの料金表では、強いモデルは読み取り100万トークンあたりUSD 4、書き出し100万トークンあたりUSD 20で、最小のモデルはUSD 0.10とUSD 0.50です(Anthropic pricing)。つまり請求額は3つの要素で増えます。どのモデルを呼ぶか、どれだけ考えて書くか、同じ長い文章を何度送り直すか。以下の方法は、このどれかを削ります。
AI コスト削減の9つの方法
| 方法 | 削るもの | 典型的な削減幅(各社の数字) |
|---|---|---|
| 1. effortレベルを下げる | 思考と書き出し | mediumはhighより30〜52%減 |
| 2. まず低、失敗分だけ高でやり直す | 簡単なタスクの思考 | 全部highより約40%減 |
| 3. 簡単なステップは無料モデル | トークン単価 | 1日の上限内ならUSD 0 |
| 4. 強いモデルが判断、安いモデルが作業 | トークン単価 | 約3分の1、大きな仕事のみ |
| 5. プロンプトキャッシュ | 同じ文章の再読み込み | キャッシュ読み取りは入力価格の5〜10% |
| 6. 待てる処理はバッチ | すべて | 50%割引 |
| 7. 送る量を減らす | 読み取り | 小さなエージェント1つで21〜26% |
| 8. 短い回答を求める | 書き出し | 約13% |
| 9. シート契約とAPIの比較 | 使われていないシート | 利用状況しだい |
1. effortレベルを下げる
最近のモデルの多くには、effort(推論の強さ)の設定があります。モデル選びに次いで、単独では最も大きなレバーです。Anthropicのレベルはlow、medium、high、xhigh、maxで、effortはツール呼び出しや思考を含め、回答内のすべてのトークンに影響します(Anthropic effort docs)。
Anthropicが公表した、Claude Opus 5.5でのテストです(SWE-bench Proの一部で、同社独自のベンチマーク)(cost and intelligence guide)。
| Effort | 解けたタスク | 1タスクあたりの費用 |
|---|---|---|
| low | 87.4% | USD 0.11 |
| medium(既定) | 92.8% | USD 0.21 |
| high | 95.3% | USD 0.29 |
同じガイドによると、長いコーディングタスクでmediumはhighより約30〜52%安く、lowは約3分の2安くなりました。OpenAIのモデルにも同じスイッチ(reasoning.effort、lowからmax)があり、OpenAIは推論トークンが出力として課金されると説明していますが、割合は公表していないため、ここでも数字は挙げません(OpenAI reasoning guide)。
下げすぎると、根拠が足りないままモデルが止まってしまいます。mediumから始めて測定し、結果が保てるところで下げてください。
2. まず低effortで実行し、失敗した分だけ高effortでやり直す
同じAnthropicのテストで、すべてをlowで実行し、失敗した13%だけをhighでやり直すと、約97%を1タスクあたり約USD 0.17で解けました。すべてhighでは95.3%がUSD 0.29です。Anthropicはこれを、同じ合格率で約40%安いと説明しています(ガイド)。
これが成り立つのは、タスクの失敗を自動で判定できる場合です。テスト、フォームのチェック、欠けた項目などです。そうした判定がなければ、何をやり直せばよいか分かりません。
3. 簡単なステップには無料モデルを使う
多くのモデル提供元の前に立つ1つのAPIであるOpenRouterには、一部のモデルの無料版があり、:freeと表示されています。制限は次のとおりです(OpenRouter limits)。
- 1分あたり20リクエスト
- クレジットの購入合計がUSD 10未満なら1日50リクエスト
- 合計USD 10以上購入していれば1日1,000リクエスト
- 失敗した試行も1日の上限に数えられる
2026年11月のOpenRouterの無料コレクションには、NVIDIA Nemotron 3 UltraとNemotron 3.5 Super VL、Cohere North Mini Code、Google Gemma 4が含まれていました(free models)。一覧は毎週変わり、無料の掲載が終わるものもあります。
機密性のあるものを送る前に、データポリシーを読んでください。OpenRouter自体は、オプトインしない限りプロンプトを保存しませんが、提供元ごとに独自のポリシーがあり、データを学習に使う可能性がある(「may train」)と表示されているものもあります(provider logging)。無料モデルは、公開情報や匿名化したテキスト向けです。Webページの要約、仕分け、下書きなどに使い、顧客の記録には使わないでください。
4. 強いモデルが判断し、安いモデルが作業する
高価なモデルは計画と確認の役にとどめ、量の多い作業は安いモデルに任せます。主要なコーディングエージェントはどちらもこれに対応しています。Claudeのサブエージェントには独自のmodel設定があり、Codexにはdefault_subagent_modelとdefault_subagent_reasoning_effortがあります(Anthropic subagents、Codex subagents)。
この分担を1画面で、各エージェントのコストを棒グラフにして見せているのが、私のマルチエージェント管制ダッシュボードのプロトタイプです(サンプルデータ)。
どこで効くのかは正直に書きます。Anthropicは、強いオーケストレーターと中型のサブエージェントの組み合わせで、ほぼ同じスコアのまま費用が約3分の1減ることを測定しましたが、それは1つのコンテキストウィンドウより大きな仕事での話です。仕事が1本の依存した流れだった場合や、1つのコンテキストに収まった場合は、測定したすべてのケースで、低めのeffortの1モデルのほうが安くなりました(ガイド)。同社の助言は、まず1つのモデルでeffortを調整すること。ほとんどの用途はそこで決着するからです。
5. 毎回送る文章をキャッシュする
毎回のリクエストが同じ指示、文書、ツール一覧で始まるなら、それをキャッシュします。Anthropicでは、キャッシュの読み取りは通常の入力価格の10%、最新のOpusとSonnetでは5%です。キャッシュへの書き込みは少し高く、1回だけです(Anthropic pricing)。OpenAIはGPT-6.1 Solでキャッシュ済み入力を5%にしています(model page)。Anthropicは、キャッシュによって調査エージェントの費用が4.8倍から7.2倍削減されたと測定し、たいてい最大のレバーだと述べています。
同じガイドにある落とし穴です。プロンプトの先頭に置いた25トークンのステータス行がリクエストごとに変わり、毎回キャッシュ全体が書き直されていました。変わる内容は最後に置いてください。
6. 待てる処理はバッチにする
レポート、夜間の分類、一括抽出など、最大24時間待てる処理は、AnthropicでもOpenAIでもバッチAPIで50%割引になります。Anthropicでは、この割引はキャッシュと併用できます(Anthropic pricing、OpenAI pricing)。
7. 送る量を減らす
添付した文書、ツール定義、古いメッセージは、呼び出しのたびに読み直されます。Anthropicは、入力を絞ることで小さな振り分けエージェントの請求がさらに21〜26%減ったことと、ツール定義を必要なときだけ読み込むことで、500個のツールを接続した状態で45%節約できたことを測定しました(ガイド)。長いプロンプトは料金の段階を超えることもあります。Haiku 5.5は、10万トークンを超えるプロンプトに5倍の料金がかかります。
8. 短い回答を求める
多くの料金表で、書き出しは読み取りの約5倍です。Anthropicは、「短く答えて」と求めることで、出力トークンが39%減り、費用が約13%減ったと測定しました(ガイド)。「3文で答えて」や「JSONだけ返して」は、費用のかからない変更です。
9. シート契約とAPI利用を比べる
チームプランは1人単位です。ChatGPT BusinessとClaude Teamの標準シートは月額USD 25、年間契約ならUSD 20です(ChatGPT Business、Claude Team)。年間契約で10シートなら、年間USD 2,400です。チームの半分が月に2回しか開かないなら、利用上限を設けたAPI上の社内ツールのほうが安く済む場合があります。全員が毎日使うなら、たいていはシートのほうが得です。
私の似た事例
私自身の仕事は、方法1、3、4を組み合わせて動いています。ClaudeまたはCodexがオーケストレーターのままで、タスクの計画と結果の確認をします。作業の大半は、OpenRouterの無料モデルに渡します。そしてeffortレベルは、高のままにせず、タスクごとに変えています。effortだけでも大きなレバーです。上のAnthropicの数字では、1タスクの費用が高のUSD 0.29から低のUSD 0.11に動きます。
エージェント全体の1回あたりの費用はAIエージェントの費用はいくらかに、多数のエージェントを並列で動かしたときに何が壊れたかはマルチエージェントのオーケストレーション:何が壊れたかにあります。
今AIに払っている金額と、その用途を送ってください。どこで安くできるかをお見せします。この種の仕事はAI連携に当たります。
このリストの限界
- 各社のベンチマーク。 effort、キャッシュ、オーケストレーションの割合は、コーディングとエージェント作業についてのAnthropic自身の社内テストです。皆さんのタスクでは違う動きをするかもしれません。自分で測定してください。
- OpenAIの割合はなし。 OpenAIはeffortレベル間のトークン数や費用の差を公表していないため、数字は挙げていません。
- 価格は変わります。 2026年11月9日時点で確認しました。OpenRouterの無料一覧は毎週変わり、各社のページにある2つのキャンペーンは2026年11月30日と12月31日に終了します。
- 無料モデルは、ここでは品質や稼働率を試していません。頼る前に、自分のタスクで確認してください。