Tokenはどう価格付けされる？1回のAI会話はいくらかかるのか
要約
入力・出力Tokenの料金、計算式、長い会話やファイルのコスト、モデル価格差、公式価格の確認方法、無駄を減らす方法を解説します。
AIとの1回の会話で、どのようなコストが発生するのか
ChatGPTで文章を書き、Claudeでレポートを分析し、Geminiで資料を要約し、DeepSeekで学習し、Copilotで業務を支援する人が増えています。
ユーザーには、ページを開き、質問を入力し、回答を受け取るだけに見えます。しかし回答が表示される前に、次の処理が行われます。
入力した文字
↓
Tokenへ変換
↓
大規模言語モデルで計算
↓
新しいTokenを生成
↓
回答を返す
この計算にはサーバー、チップ、電力、ネットワークが必要です。AI企業はモデル利用量を測る必要があり、その単位がTokenです。
1. AIがToken単位で課金する理由
携帯通信はGB、電気はkWh、水道は使用量で課金されます。資源を多く使うほど、一般にコストが増えるからです。AIも同じです。
大規模言語モデルの実行には次の資源が必要です。
- 多数のサーバー
- 高性能チップ
- データセンター
- 電力
- ネットワーク
質問が複雑で処理情報が多く、回答が長いほど、通常は計算資源も増えます。そのためAIサービスではTokenを利用量の単位にします。
2. TokenはAI世界の「使用量単位」
電気料金
使用した電力量に応じて料金を支払います。
モバイル通信量
使用したGB数に応じて料金を支払います。
AIサービス
モデルが処理したToken数を基準に利用量を測れます。
簡単に言えば：
Tokenは、AIが情報を処理するときに使う「計算上の通信量」のようなものです。
3. 入力Tokenと出力Token
AIの料金では、Input TokensとOutput Tokensが分けられます。
入力Token
入力TokenはAIへ送る内容です。
- 質問
- 背景資料
- アップロードしたファイル
- 会話履歴
- システム指示やプロンプト
「この50ページのPDFを要約して」と依頼する場合、PDFの内容がモデルへ入り、そのTokenが入力Tokenになります。
出力Token
出力TokenはAIが生成する回答です。500文字の要約を返した場合、その生成内容のTokenが出力Tokenになります。
入力Token
↓
モデル処理
↓
出力Token
4. 入力と出力の価格が異なる理由
多くのサービスは入力と出力を別々に価格設定します。計算過程が異なるためです。
入力
入力は、社員に既存資料を読んで理解してもらう作業に似ています。
出力
出力は、資料を整理して新しいレポートを書いてもらう作業に似ています。生成には通常より多くの計算が必要なため、出力Tokenの単価が入力より高いモデルも多くあります。
価格はモデル更新に伴って変わるため、最新の公式ページを確認してください。
5. Token料金の計算方法
以下は学習用の例であり、実際の製品価格ではありません。
入力：100万Tokenあたり10元
出力：100万Tokenあたり30元
1回のリクエストが入力10,000 Token、出力2,000 Tokenを使用したとします。
入力料金
10,000 ÷ 1,000,000 × 10元
= 0.1元
出力料金
2,000 ÷ 1,000,000 × 30元
= 0.06元
合計料金
0.1 + 0.06
= 0.16元
この学習例では約0.16元です。実際には、公式の入力・出力単価と実際のToken数を同じ式へ代入します。
6. 長い会話ほどTokenを消費する理由
AIは現在の質問だけでなく、それ以前の会話も参照する場合があります。
友人に最初「海外向けECサイトを作りたい」と話し、次に「トップページを改善して」と頼む場合、友人はサイトの目的、顧客、過去の議論を覚えている必要があります。
AIも同じです。会話履歴はコンテキスト内のTokenを使うため、会話が長いほど処理情報が増えます。
7. ファイルのアップロードが大量のTokenを使う理由
100ページの契約書をアップロードしてリスク分析を依頼すると、人間には1つのファイルでも、AIは次の作業を行います。
- ファイルを読む
- 内容をTokenへ変換する
- 文章間の関係を理解する
- 分析を生成する
長いファイルほど入力Tokenと計算量が増えます。AI製品がファイルサイズ、文書数、コンテキスト長を制限する理由の一つです。
8. AIモデルによって価格が大きく異なる理由
GPT、Claude、Gemini、DeepSeek、Grokなどの価格差には複数の理由があります。
1. モデル規模
複雑なモデルは一般に多くの計算資源を必要とします。
2. 能力
推論、プログラミング、長文分析に強いモデルもあれば、簡単な質問や大量処理に向くモデルもあります。
3. 運用コスト
サーバー規模、チップ資源、インフラ、最適化能力もコストを左右します。
安いモデルが悪いとは限らず、高いモデルがすべてのタスクに最適とも限りません。
9. Token単価だけを見るべきではない理由
Tokenが安くても、タスク全体のコストが低いとは限りません。
翻訳者Aは安いものの5回の修正が必要で、翻訳者Bは少し高くても1回で完成するとします。最終的にはBの総コストが低い可能性があります。
AIを選ぶときも次を考えます。
- 結果の品質
- 完了速度
- 修正回数
- 1回でタスクを完了できるか
重要なのはToken単価ではなく、目的を達成する総コストです。
10. 一般ユーザーがTokenの無駄を減らす方法
方法1：背景を何度も繰り返さない
毎回長い自己紹介やプロジェクト説明を貼らず、必要な背景だけを残すか、短く整理した固定プロンプトを使います。
方法2：目標を明確にする
「何か書いて」ではなく：
「欧米の購買担当者向けに、200語以内で専門的な英語の営業メールを書いてください。」
と指定します。
方法3：情報を構造化する
製品：
対象顧客：
市場：
競争優位性：
分析したい質問：
構造が明確なほどAIはタスクを理解しやすくなります。
方法4：複雑な仕事を段階に分ける
事業計画書を一度に作らせず、市場分析、顧客定義、戦略、文書作成へ分けます。段階化すると品質を管理しやすく、無駄な再生成も減らせます。
11. Tokenは今後さらに重要になるのか
答えは「はい」です。AIは会話ツールから基礎的な生産性インフラへ移行しています。
企業はカスタマーサービス、データ分析、コンテンツ生成、ソフトウェア開発、経営管理でAIを使い、膨大なTokenを処理します。
インターネット時代に通信量、モバイル時代にデータ量が意識されたように、AI時代ではTokenがコストと効率を理解する重要概念になります。
12. 一般ユーザーが覚えるべきToken料金の要点
5点だけ覚えてください。
- TokenはAIが処理する情報量の単位です。
- 入力とAIの出力の両方がTokenを消費します。
- 内容が長くタスクが複雑なほど、通常はTokenが増えます。
- 能力と運用コストが異なるため、モデルごとに価格が違います。
- Tokenを最小にするのではなく、無効な消費を減らすことが重要です。
最後に一つの疑問が残ります。
一般ユーザーはTokenをどう使えば、AIで本当に効率を上げられるのか？
次回はシリーズ最終章、Tokenは多ければよいわけではない：一般の人がAIを正しく使う方法です。
編集チーム
Product Team @ WebCal
WebCalを支える公式プロダクトチームです。私たちは、高性能なコンピューティングインフラと分散型クラウドソリューションを構築しています。
