オレンジ色のケーブルが接続されたパッチパネル
技術解説

LLMのトークン単価だけ見るな、推論モデルの請求額が跳ねる落とし穴

目次を見る

Claude や Gemini などの大規模言語モデル(LLM)を使った機能を開発していて、「安い新モデルに切り替えたのに請求額が下がらない」と感じたことはないでしょうか。

この記事は、AIコーディングツールやLLM APIを組み込んだプロダクトを運用しているエンジニア・PMに向けた内容です。料金表の数字だけを見てモデル選定や予算見積もりをしていると、実際の請求で痛い目を見る仕組みを整理しました。判断の参考になれば幸いです。

何が起きるか:値下げしたのに請求が増える

2025年11月、主要ラボが相次いで新しい料金プランを発表しました。Anthropicは「Fable 5.2」というモデルの価格を、入力100万トークンあたり10ドル・出力50ドルから、8ドル・40ドルに引き下げています。

Googleも「Gemini 4 Carbon」を入力2ドル・出力10ドルで投入しました。ただしこれは11月30日までの導入価格で、それ以降は4ドル・20ドルに倍増する期間限定表示です。

さらに11月12日には「Gemini 4 Hydrogen」が入力1.5ドル・出力7.5ドルで登場しましたが、これは既存の「3.8 Flash」(入力0.75ドル・出力3.75ドル、12月31日まで有効)を置き換えるものです。つまりFlashを使っていたユーザーにとっては、トークンあたりの単価がむしろ上がる形になります。

一見「安くなった」というニュースの裏で、実際の月額請求は上がる。これが今回の落とし穴です。

なぜ起きるか:単価×トークン数の「トークン数」側が動く

請求額は単純化すると「単価×使用トークン数」で決まります。問題は、単価が下がっても使用トークン数が同時に増えるケースがある点です。原因は主に3つに分解できます。

原因1: 推論の「考える過程」も出力トークンとして課金される

近年の推論モデル(reasoning model、回答前に内部で思考過程を生成するモデル)は、最終的な回答を出す前に「考える」ステップを挟みます。この思考過程も出力トークンとしてカウントされ、課金対象になります。

AlibabaのQwen4-Maxのドキュメントでは、思考部分と実際の回答が同じmax_tokensの予算を共有すると明記されています。回答文だけを想定してトークン上限を設定すると、思考に食われて回答が途中で切れる事態が起こり得ます。

原因2: 「どれだけ考えるか」の設定次第で桁が変わる

Gemini 4 Hydrogenには思考の強度を4段階(low・medium・high・xhigh)で設定できる仕組みがあります。Artificial Analysisのベンダー報告値(ベンダー発表の数値)によると、同じタスクのコストはlowで0.29ドル、medium 0.80ドル、high(デフォルト) 1.87ドル、xhigh 3.16ドルとされています。

同じモデル・同じタスクでも設定一つで約11倍の差が出る計算です。さらに厄介なのは、デフォルトの強度がAPIとアプリで異なる場合がある点です。AnthropicはFable 5.2のeffort(思考の強度設定)を、APIではhigh、Claude Codeや自社アプリではmediumに設定していると公表しています。同じモデル名でも接続経路によってコストが変わります。

原因3: モデルごとに「考える量」そのものが違う

トークン単価が同じでも、モデルによって1タスクあたりに消費するトークン総量が異なります。Googleは自社発表で、Gemini 4 CarbonはGemini 4 Argonより多くのトークンを使うと説明しています。単価が安いモデルでも、消費量が多ければ総額で負けることがあります。

原因4: 「期間限定価格」をそのまま恒久価格と誤解する

Gemini 4 Carbonの2ドル/10ドルは11月30日までの導入価格で、以降は4ドル/20ドルに倍増します。Alibaba Qwen4-Maxのプレビュー版はToken Planというサブスクリプション経由でのみ利用でき、11月25日に提供終了予定とされています。ローンチ直後の価格だけを見て長期の予算を組むと、来月から前提が崩れます。

自分のプロジェクトが該当するか確認する方法

以下の観点で、現在使っているモデル・設定を点検してみてください。

  • 使用しているLLM APIのプランページで、現在の価格に「導入価格」「プレビュー」「期間限定」といった注記がないか確認する
  • APIリクエストのパラメータにreasoning_effortやthinking_level相当の項目がないか確認し、デフォルト値が何に設定されているか調べる
  • コンソールやダッシュボードの請求明細で、入力トークンと出力トークンの内訳を分けて見る(出力トークンが想定より多ければ思考過程が課金されている可能性がある)
  • 同じモデルをAPI経由と、Claude Codeなど公式CLI/エディタ拡張経由の両方で使っている場合、両者の請求単価や挙動を比較する
  • max_tokensのような上限設定が、回答の長さだけを想定した値になっていないか確認する(思考分の余裕を見ているか)

対策の手順

手順1: タスクごとの実コストを「設定込み」で測る

新モデルを評価するときは、単価表だけで判断せず、実際に使う予定の思考強度設定で小規模なバッチテストを回し、1タスクあたりの実コストを計測します。AWSのStrandsチームの事例では、社内チケットの分類作業をSonnet 4.6から小型の決定モデルに切り替えたところ、1件あたりのコストが0.0222ドルから約0.0005ドルまで下がったと報告されています。これは「生成が不要なタスクには生成モデルを使わない」という判断の効果です。

手順2: 「選択肢を選ぶだけ」のタスクを棚卸しする

LLM呼び出しの出力が「この中から1つ選んでください」で終わっている箇所があれば、文章生成コストを払って捨てている可能性があります。Googleは2025年11月、確率で選択肢を返す決定モデル専用の「Gemini Decisions API」をプレビュー公開しました。入力100万トークンあたり0.10ドル、出力は0ドルで、1リクエストにつき最大1,000件のyes/no・選択・スコア判定をまとめられる仕様です。分類・ルーティング・判定系の処理は、こうした決定特化APIへの置き換え候補として洗い出しておくと判断材料になります。

手順3: 比較対象の価格は「来月の価格」にする

モデル移行を検討する際は、ローンチ時の価格ではなく、導入価格の終了日・プレビューの提供終了日を公式のリリースノートや料金ページで確認し、継続利用時点の価格で比較表を作り直します。

手順4: APIキーの管理を請求事故の対策として見直す

コストの話とは別軸ですが、同じ時期にRailwayが公表したインシデントレポートでは、漏洩した顧客キーによる不正利用額が約74万ドルと見積もられています。返金対応はプロバイダーごとに「既に返金開始」「個別対応」「返金なし」までばらつきがあったとされています。Apiiroの調査(11月7日報道)でも、公開ファイル104,185件中1,122件でシークレットが見つかったと報告されています。サービスごとに個別キーを発行し、各キーに利用上限(spend cap)を設定し、pushする前にgitの除外設定を確認する運用は、思いがけない高額請求を防ぐ基本的な対策です。

まとめ

値下げ発表の裏には、推論の思考過程が出力トークンとして課金される仕組み、思考強度設定による数倍〜十倍規模のコスト差、期間限定価格という3つの変動要因が隠れています。

新モデルを導入する前に、まず自分の使っているAPIの価格ページで期限付き表記の有無を確認し、思考強度のデフォルト値を調べ、「選ぶだけ」のタスクが生成モデルに生成コストを払っていないかを棚卸ししてみてください。あわせてAPIキーごとの利用上限設定も見直しておくと、思わぬ請求増への備えになります。

参考

The sticker price is not the bill

AI 駆動開発のご相談は forva AI へ。

まずはお気軽にどうぞ。