本文へスキップ

LLMトークン数とコスト計算入門：プロンプト設計の基礎

・対象: AI開発者・プロンプトエンジニア・タグ: tool:token-counter, 入門, ai, llm, cost

「ChatGPT や Claude を使うとコストが予想外に高くなる…」「トークン制限でエラーが出るけど、何トークン使ってるか分からない！」そんな悩みはありませんか？ この記事では、LLM のトークン概念、モデル別の料金体系、効率的なプロンプト設計の基本を短時間で解説します。 まずは関連ツール「LLM Token Counter」で自分のプロンプトを計測してみましょう。

1. 基本の構造（トークンとは）

トークンは LLM が処理する最小単位です。英語では 1 単語が約 1.33 トークン、日本語では 1 文字が約 1 トークンです。

言語目安例
英語1 単語 ≈ 1.33 トークン"Hello world" ≈ 2 tokens
日本語1 文字 ≈ 1 トークン"こんにちは世界" ≈ 7 tokens
混在英単語と日本語を合算"Hello 世界" ≈ 1.33 + 2 = 3.33 tokens

重要: モデルごとに最大トークン数（コンテキストウィンドウ）が決まっています。

2. 主要モデルの料金体系

2025 年時点の主要 LLM モデルの料金（USD / 1M トークン）:

モデルプロバイダ入力出力最大トークン
GPT-4 TurboOpenAI$10.00$30.00128,000
GPT-3.5 TurboOpenAI$0.50$1.5016,385
Claude 3 OpusAnthropic$15.00$75.00200,000
Claude 3 SonnetAnthropic$3.00$15.00200,000
Claude 3 HaikuAnthropic$0.25$1.25200,000
Gemini 1.5 ProGoogle$3.50$10.501,048,576
Gemini 1.5 FlashGoogle$0.35$1.051,048,576

ポイント: 出力トークンは入力の 2〜5 倍高いことが多いです。

3. 実例（コスト計算の手順）

例 1: 短いプロンプト（英語）

      入力: "Explain quantum computing in simple terms" (7 単語 ≈ 9 トークン)
出力: 約 100 トークン（100 単語程度のレスポンス）

GPT-4 Turbo の場合:
- 入力コスト: 9 / 1,000,000 × $10 = $0.00009
- 出力コスト: 100 / 1,000,000 × $30 = $0.003
- 合計: $0.00309 (約 0.5 円)

例 2: 長いドキュメント要約（日本語）

      入力: 5,000 文字のレポート ≈ 5,000 トークン
出力: 500 トークンの要約

Claude 3 Sonnet の場合:
- 入力コスト: 5,000 / 1,000,000 × $3 = $0.015
- 出力コスト: 500 / 1,000,000 × $15 = $0.0075
- 合計: $0.0225 (約 3.4 円)

4. 落とし穴（❌ 失敗 →✅ 対策）

トークン数の見誤り

  • ❌ 文字数 = トークン数だと思い込む
  • ✅ 英語は 4 文字で約 1 トークン、日本語は 1 文字で約 1 トークン

出力コストの見落とし

  • ❌ 入力だけ気にして、出力コストを忘れる
  • ✅ 出力は入力の 2〜5 倍高い。長い出力を避ける工夫をしましょう

モデルの最大トークン超過

  • ❌ GPT-3.5 Turbo (16k) に 20k トークンを送ってエラー
  • ✅ モデルの最大トークン数を確認し、分割送信や要約を検討しましょう

不要な繰り返し

  • ❌ 同じプロンプトを何度も送信してコスト増
  • ✅ キャッシュやバッチ処理を活用しましょう

5. 手を動かす（3 手で検証）

  1. LLM Token Counter にアクセスします
  2. あなたのプロンプトをテキストエリアに貼り付けます
  3. モデルを選択し、出力トークン数を入力してコストを確認します

試してみよう:

  • 日本語と英語で同じ内容を入力して、トークン数の違いを比較
  • 出力トークン数を 100 → 1000 → 10000 と変えてコストの増加を体感

6. 効率的なプロンプト設計のコツ

入力を減らす工夫

  1. 要点だけ送る: 不要な説明や装飾を削る
  2. 略語・短縮形: "Please" → "Pls" などでトークン削減
  3. 構造化データ: JSON や CSV で送ると効率的

出力を減らす工夫

  1. 箇条書き指定: "List 3 points" と制限
  2. 文字数制限: "Answer in 50 words or less"
  3. Yes/No 質問: 長文レスポンスを避ける

コスト削減のモデル選択

  • 簡単なタスク: GPT-3.5 Turbo や Claude Haiku (安価)
  • 複雑な推論: GPT-4 Turbo や Claude Opus (高性能)
  • 大量データ処理: Gemini Flash (低コスト＋大コンテキスト)

7. クイズ

  1. 英語 100 単語は約何トークンですか？
  2. GPT-4 Turbo で 1,000 トークン入力、1,000 トークン出力のコストは？
  3. トークン制限エラーを回避する方法を 2 つ挙げてください

答え

  1. 約 133 トークン（1 単語 ≈ 1.33 トークン）
  2. 入力: $0.01、出力: $0.03、合計: $0.04
  3. ① プロンプトを分割送信、② より大きいコンテキストウィンドウのモデルを使用

8. まとめ

  • トークンは LLM の処理単位。英語は 1 単語 ≈ 1.33 トークン、日本語は 1 文字 ≈ 1 トークン
  • 出力トークンは入力の 2〜5 倍高い。出力を制限する工夫が重要
  • モデルごとに最大トークン数と料金が異なる。タスクに応じて選択しましょう
  • 不要な繰り返しや冗長な表現を削ってコスト削減
  • 「LLM Token Counter」で事前にトークン数とコストを確認しましょう
  • 実際に手を動かして、自分のプロンプトを最適化しましょう

まずは「LLM Token Counter」で自分のプロンプトを計測してみましょう。 → LLM Token Counter & Cost Estimator