AIコスト最適化（2026）：品質を維持しながらLLM API費用を削減する9つの方法
AIコスト最適化とは、品質基準を満たす最も安価なモデルにリクエストを振り分け、プロンプトキャッシュで共通コンテキストを再利用し、緊急性の低い処理をバッチに移し、出力を制限し、キーやチームごとの予算を適用することで、トークン単価だけでなく、AIタスクの成功1件あたりにかかる費用を抑えることです。 APIを利用する多くのプロダクトでは、ルーティングとキャッシュが最も大きな効果を生みます。適したワークロードなら、この2つだけで請求額を半分以下に抑えられます。それ以外の改善は、可視化とガバナンスによって進めます。以下の料金はすべて公式料金ページに基づき、2026年10月26日に確認したものです。
このガイドは、LLM API（OpenAI、Anthropic、Google、DeepSeek、Qwenなど）の利用料金を支払い、費用の削減と予測しやすい運用を目指す個人開発者やAIプロダクトチーム向けです。GPUを自社で運用している場合は、インフラ面を解説したLLMセルフホスティングガイドをご覧ください。
AI APIのコストを左右する要素
毎月のAI利用料金は、おおむね次の式で表せます。
monthly cost = sum over requests of
(uncached input tokens x input price)
+ (cached input tokens x cache price)
+ (output tokens x output price)
+ retries, failed calls, tool calls, and fees
つまり、コストを左右するのは、利用側で制御できる5つの要素です。呼び出すモデル、送信する入力トークン数（システムプロンプト、チャット履歴、RAGのコンテキスト）、許可する出力トークン数、キャッシュできる共通コンテキストの量、そしてリトライや無駄なリクエストの数です。
現在の参考料金（1Mトークンあたり、2026年10月26日）
| モデル | 入力 | キャッシュ済み入力 | 出力 | 出典 |
|---|---|---|---|---|
| GPT-6 Astra | $10.00 | $1.00 | $50.00 | OpenAIの料金 |
| GPT-6.1 Sol | $2.00 | $0.10 | $10.00 | OpenAIの料金 |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 | OpenAIの料金 |
| Claude Opus 5.5 | $4.00 | $0.20（キャッシュヒット時） | $20.00 | Anthropicの料金 |
| Claude Sonnet 5.5 | $2.00 | $0.10（キャッシュヒット時） | $10.00 | Anthropicの料金 |
| Claude Haiku 5.5（プロンプトが100K以下の場合） | $0.10 | $0.01（キャッシュヒット時） | $0.50 | Anthropicの料金 |
| Gemini 3.8 Flash（2026年12月31日までのプロモーション料金） | $0.75 | $0.075 | $3.75 | Gemini APIの料金 |
| Gemini 3.5 Flash-Lite | $0.30 | $0.03 | $2.50 | Gemini APIの料金 |
最上段と最下段では料金に100倍の開きがあります。モデル選びが最初の改善ポイントとなるのはそのためです。より多くのモデルを比較したい場合は、AI API料金比較をご覧ください。
AIコスト最適化の9つの施策
| # | 施策 | 対象リクエストで見込める削減効果 | 導入の手間 | 品質リスク |
|---|---|---|---|---|
| 1 | タスクの成功1件あたりのコストを測定する | 他のすべての施策の土台になる | 小 | なし |
| 2 | タスクの難易度に応じて振り分ける | 大（安価なモデルのトークン単価は20-100分の1） | 中 | 中、評価が必要 |
| 3 | プロンプトキャッシュを使う | キャッシュ済み入力トークンの料金を最大90-95%削減 | 小 | なし |
| 4 | 緊急性の低い処理をバッチ化する | 50%削減 | 小 | なし（処理に時間がかかる） |
| 5 | プロンプトとコンテキストを削減する | 削減したトークン数に比例 | 中 | 低〜中 |
| 6 | 出力の上限と形式を指定する | 削減した出力量に比例 | 小 | 低 |
| 7 | リトライとループを改善する | 無駄を削減 | 中 | なし |
| 8 | 予算、クォータ、支出上限を設定する | 超過を防止 | 小 | なし |
| 9 | 毎月料金とプロバイダーを見直す | ケースによる | 小 | 低 |
1. タスクの成功1件あたりのコストを測定する
トークン単価だけでは、リトライ、失敗した出力、長い会話にかかる費用が見えません。完了したタスク（解決した問い合わせ、承認されたコード変更、完成した要約）1件あたりのコストを追跡しましょう。
def cost_per_successful_task(rows):
"""rows: dicts with cost_usd and success (bool), e.g. from a usage export"""
total = sum(r["cost_usd"] for r in rows)
ok = sum(1 for r in rows if r["success"])
return total / ok if ok else float("inf")
機能、チーム、キーごとに費用を割り当てれば、どこから着手すべきかがわかります。チーム別のAI APIコスト配賦をご覧ください。FinOps FoundationのFinOps for AIに関する取り組みでも、同じユニットエコノミクスの考え方が使われています。
2. 品質基準を満たす最も安価なモデルに各タスクを振り分ける
多くのアプリは、すべてのリクエストを1つの高性能モデルに送っています。実際には、分類、抽出、短い文章の書き換え、振り分けの判断は小型モデルでも基準を満たすことが多く、難しい推論や長いコードの編集には大型モデルが必要です。
入力10Mトークン、出力2Mトークンを1日で処理する仮のワークロードを、すべてOpenAIの定価でGPT-6.1 Solに送る場合の計算例です。
All GPT-6.1 Sol: 10 x $2.00 + 2 x $10.00 = $40.00/day
60% to GPT-6 Luna: 6 x $0.10 + 1.2 x $0.50 = $1.20
40% stay on Sol: 4 x $2.00 + 0.8 x $10.00 = $16.00 -> $17.20/day (-57%)
振り分け後のタスクが品質チェックを通過して初めて、削減に意味が生まれます。まずは小規模な評価セットを作りましょう。モデルルーティングのポリシー設計ガイドを参考にルールを設計し、フォールバックはルーティングと分けて扱ってください（LLM APIのフォールバックルーティング運用ガイド）。
3. 共通コンテキストにプロンプトキャッシュを使う
多くのリクエストで長いプレフィックス（システムプロンプト、ツール定義、ポリシー文書、コードベースの要約）を共有しているなら、キャッシュによって繰り返し送る入力の費用を大幅に抑えられます。GPT-6.1 Solの入力料金は1Mトークンあたり、キャッシュ利用時が$0.10、未利用時が$2.00です。Claude Sonnet 5.5もキャッシュヒット時が$0.10、通常時が$2.00です（2026年10月の定価）。Anthropicはプロンプトキャッシュのドキュメントに記載のとおり、キャッシュの書き込みに追加料金がかかります（5分間のキャッシュでは入力料金の1.25倍、1時間では2倍）。OpenAIでは、長いプロンプトに対してキャッシュが自動で適用されます（OpenAIのプロンプトキャッシュ）。
先ほどの例で、GPT-6.1 Solの入力トークンの70%がキャッシュ済みのプレフィックスだった場合は、次のようになります。
input: 3M x $2.00 + 7M x $0.10 = $6.70 (was $20.00)
total: $6.70 + $20.00 output = $26.70/day (-33%)
プレフィックスが一致するように、変わらない内容を先頭に、変動する内容を末尾に配置します。詳しくは、プロンプトキャッシュのワークフローとROIをご覧ください。
4. 緊急性の低い処理をバッチに移す
OpenAIのBatch API、AnthropicのMessage Batches、Geminiのバッチモードは、いずれも非同期処理にすることで料金が約50%安くなります（結果が返るまで数秒ではなく数時間かかります）。夜間の分類処理、評価、埋め込みのバックフィル、コンテンツへのタグ付け、レポート生成などに適しています。
# OpenAI Batch: upload a JSONL of requests, then create the batch
curl https://api.openai.com/v1/files -H "Authorization: Bearer $OPENAI_API_KEY" \
-F purpose="batch" -F file="@requests.jsonl"
curl https://api.openai.com/v1/batches -H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{"input_file_id":"file-abc123","endpoint":"/v1/chat/completions","completion_window":"24h"}'
5. プロンプトとコンテキストを削減する
- システムプロンプトから、使われていない指示や重複する例を取り除く。
- 古いチャットのやり取りは、履歴全体を再送する代わりに要約する。
- RAGでは、上位20件をそのまま送る代わりに、リランキングしてから質の高いチャンクを少数送る。
- コーディングエージェントには、差分や関数だけで足りるならファイル全体を送らない。
プロバイダーのトークンカウンターや使用量フィールドを使い、変更前後のトークン数を測定しましょう。
6. 出力の上限と形式を指定する
上の表にある大半のモデルでは、出力トークンの単価は入力の5倍です。ルートごとにmax_tokens（またはmax_output_tokens）を設定し、プログラムが結果を読み取る場合は文章の代わりに構造化JSONを指定しましょう。説明が不要な場面では「回答のみ」と指示します。
7. リトライとループへの無駄な支払いを止める
リトライの集中発生やエージェントのループは、請求額が突然膨らむよくある原因です。リトライ回数に上限を設けて指数バックオフを使い、バリデーションで失敗したリクエストは再試行せず、エージェントの実行ごとに最大ステップ数を設定し、失敗したリクエストの費用は別に記録しましょう。
8. 予算、クォータ、支出上限を適用する
月次のスプレッドシートで管理するだけでなく、リクエストの実行箇所で制限を適用します。キーごとのクォータ、チームごとの予算、50/80/100%到達時のアラート、強制的な支出上限を設定しましょう。AI APIのクォータ管理とAI APIの支出管理をご覧ください。
9. 毎月料金とプロバイダーを見直す
料金は頻繁に変わります。GoogleのGemini 3.8 Flashのプロモーション料金は2026年12月31日に終了し、1Mトークンあたり$0.75/$3.75から$1.50/$7.50に上がります（Geminiの料金）。また、DeepSeekのdeepseek-flashエイリアスは、現在はより新しいモデルを参照しています（DeepSeekの料金）。毎月の料金見直しをカレンダーに登録し、切り替え時には評価を再実行しましょう。
APIゲートウェイを使ったAIコスト最適化
ゲートウェイを使えば、複数の改善手段を1か所にまとめられます。多数のプロバイダーを1つのOpenAI互換エンドポイントから利用できるため、ルーティングや切り替えが容易になり、キーごとの使用量ログやクォータも管理できます。Flatkeyはその選択肢の1つです。1つのキーとhttps://router.flatkey.ai/v1でGPT、Claude、Gemini、Qwen、DeepSeekなどのモデルにアクセスでき、使用量ダッシュボードでは、リクエストごとのモデル、トークン数、コスト、キーを確認できます。CSV/JSONエクスポートと月間支出上限にも対応しています。
一部のモデルでは、Flatkeyの掲載料金がプロバイダーの定価を下回っています。2026年10月26日時点のFlatkeyのモデルページに掲載されている例は次のとおりです。
| モデル | プロバイダー定価（1Mトークンあたりの入力 / 出力） | Flatkey（1Mトークンあたりの入力 / 出力） |
|---|---|---|
| GPT-6.1 Sol | $2.00 / $10.00 | $1.20 / $6.00 |
| Claude Sonnet 5.5 | $2.00 / $10.00 | $1.60 / $8.00 |
| Gemini 3.8 Flash | $0.75 / $3.75（Googleのプロモーション料金） | $1.20 / $6.00 |
最後の行に注目してください。Googleのプロモーション期間中は、Gemini 3.8 FlashをGoogleから直接利用するほうが安くなります。プラットフォーム単位ではなく、モデルごとに比較しましょう。Flatkeyの料金ページによると、チャージにはボーナスクレジットが付き（$100で$115分、$300で$360分）、クレジットに有効期限はありません。
Node.jsのOpenAI SDKでベースURLを切り替える例です。
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://router.flatkey.ai/v1", apiKey: process.env.FLATKEY_API_KEY });
const r = await client.chat.completions.create({
model: "gpt-6.1-sol",
messages: [{ role: "user", content: "Classify this ticket: 'refund not received'" }],
max_tokens: 20,
});
console.log(r.usage); // log tokens per call for cost tracking
AIコスト最適化の30日間プラン
| 週 | 実施内容 | 成果物 |
|---|---|---|
| 1 | 使用量をエクスポートし、機能・チーム・キーごとにタグ付けして、タスクの成功1件あたりのコストを算出する | 現状の基準となるレポート |
| 2 | 出力を制限し、リトライを改善し、長い共通プレフィックスのキャッシュを有効にする | 品質リスクのない最初のコスト削減 |
| 3 | 100-200件の評価セットを作成し、タスクごとに安価なモデルを試し、基準を満たすものを振り分ける | ルーティング表 |
| 4 | 非同期ジョブをバッチに移し、クォータ、アラート、支出上限を設定する | システムで適用される予算制限 |
よくある失敗
- タスクの成功1件あたりのコストではなく、トークン単価を最適化する。 安価なモデルでも2回失敗すれば、かえって高くつきます。
- 評価せずにルーティングする。 品質の低下は、後になってサポートへの問い合わせとして表れます。
- キャッシュを効かなくする。 プロンプトの先頭にタイムスタンプやユーザーIDを置くと起こります。
- 出力の長さを無視する。 出力トークンは通常、最も単価が高いトークンです。
- 強制的な支出上限を設けない。 1つのループだけで、1か月分の予算を1日で使い切る可能性があります。
よくある質問
AIコスト最適化とは何ですか？
AIコスト最適化とは、合意した品質水準を保ちながら、モデルルーティング、プロンプトキャッシュ、バッチ処理、プロンプトと出力の削減、予算管理によって、有用な成果1件あたりのAIモデルやインフラへの支出を抑える取り組みです。
LLM APIのコストをすぐに削減するにはどうすればよいですか？
すぐに取り組めるのは、max_tokensの上限設定、繰り返し使う長いプレフィックスのプロンプトキャッシュ有効化、緊急性の低いジョブのバッチ化（OpenAI、Anthropic、Geminiで約50%削減）、単純なタスクの小型モデルへの振り分けです。例えばGPT-6 Lunaは1Mトークンあたり$0.10/$0.50で利用できます（2026年10月）。
プロンプトキャッシュでどのくらい節約できますか？
キャッシュ済み入力トークンでは、大きな削減効果があります。GPT-6.1 Solのキャッシュ済み入力は1Mトークンあたり$0.10で、通常の$2.00から95%の削減になります（2026年10月）。全体の削減額は、入力のどれだけが繰り返し使うプレフィックスかによって変わります。
最も安いAIモデルが、常に最も費用対効果に優れていますか？
いいえ。安価なモデルでも失敗が多ければ、リトライや人による修正にかかる費用が高性能モデルの利用料を上回ることがあります。自社の評価セットで、タスクの成功1件あたりのコストを比較しましょう。
FinOps for AIとは何ですか？
FinOps for AIは、クラウドの財務管理で使われる手法（可視化、費用配賦、ユニットエコノミクス、予算管理）をAIへの支出に適用するものです。FinOps Foundationがそのフレームワークを公開しています。
AIゲートウェイを使うとコストは下がりますか？
ゲートウェイ自体がトークンを安くするわけではありませんが、ルーティング、プロバイダーの切り替え、使用量の追跡、クォータの適用が容易になります。特定のモデルでトークン単価を低く設定しているゲートウェイもあるため、モデルごとに料金を確認してください。
出典
料金の確認日：2026年10月26日。OpenAI APIの料金、Anthropicの料金、Gemini APIの料金、DeepSeekの料金、Flatkeyの料金。手法の参照元：OpenAI Batch、Anthropicのプロンプトキャッシュ、FinOps for AI。
