---
title: "コーディングエージェントのトークン料金を削減する 10 の方法 | BroadRouter"
description: "Cline、Aider、opencode や自作のコーディングエージェントのトークン費用を下げる 10 の具体策。それぞれ削減額の計算と測定方法を示します。"
url: https://broadrouter.com/ja/blog/cut-coding-agent-llm-costs/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/cut-coding-agent-llm-costs/)（2026-11-14 更新）。

# コーディングエージェントの LLM コストを削減する 10 の方法（削減額の試算付き）

BroadNet Inference チーム · 約 6 分で読めます · 公開日 2026-11-14

費用の大半は毎ターン再送される入力です。プロンプトの先頭を固定してキャッシュさせ、ファイルを指定し、ツール出力を削り、推論を弱め、ループと再試行を制限し、簡単な処理は安いモデルに回します。DeepSeek V4.1 Flash ではキャッシュ入力は新規入力の約 3% です。月の入力が 9.17億 トークンを超えれば $60 の定額プランが安くなります。

## 要点

-   コーディングエージェントは毎ターンコンテキストを再送するため、請求の大半は入力です。最大のレバーはたいていキャッシュです。
-   DeepSeek V4.1 Flash でキャッシュ率を 50% から 80% に上げると、入力の請求額は半分以下になります。
-   ツール出力を削り、最初にファイルを指定すると、以降の各ターンで再送されるトークンが減ります。
-   ステップ数の上限、再試行の上限、推論の強さを下げることで、天井のないコストを止められます。
-   BroadNet の試算例では、フルタイムのエージェントはトークン課金で月 $65.40、Full Moon プランは $60 です。

**このページの内容**

1.  コーディングエージェントのお金はどこに消えるのですか？
2.  どの方法が一番効きますか？
3.  1\. プロンプトのプレフィックスを固定してキャッシュさせる
4.  2\. どのファイルが重要かをエージェントに伝える
5.  3\. ツール出力をコンテキストに入る前に削る
6.  4\. 定型的なステップでは推論の強さを下げる
7.  5\. タスクあたりのステップ数に上限を設ける
8.  6\. 再試行に上限を設けて記録する
9.  7\. タスクごとに新しいセッションを始める
10.  8\. 簡単なステップを安いモデルに回す
11.  9\. 要約はまれにし、それ以外は追記する
12.  10\. 損益分岐点を超えたら定額プランに切り替える
13.  方法が効いたかどうかはどう測りますか？
14.  BroadNet Inference の位置づけ

コーディングエージェントの請求額は、チャットとは違う増え方をします。毎ターン、システムプロンプト、ツール一覧、読み込んだファイル、そこまでの会話が再送されるからです。30 ターン目には、1 つのリクエストが数十万の入力トークンを運ぶこともあり、その大半は繰り返しです。以下の 10 の方法は、そうしたトークンの行き先を狙い撃ちにします。それぞれに削減額の試算と計算過程を示し、2026-11-14 に同期した BroadNet Inference の価格を使っています。実際の数字は環境によって変わるので、変更の前後で必ず測定してください。

## コーディングエージェントのお金はどこに消えるのですか？

3 つのメーターがあります。多くのエージェントで大きい順に並べると次のとおりです。

1.  **入力**：毎ターン再送されます。大部分はキャッシュ可能です。
2.  **出力**：目に見えない[推論トークン](https://broadrouter.com/ja/glossary/reasoning-tokens/)を含みます。
3.  **無駄**：再試行、進展のないループ、誰も必要としないコンテキスト。

何かを変える前に、実際の作業 1 日分の `prompt_tokens`、`prompt_tokens_details.cached_tokens`、`completion_tokens` を確認してください。内訳の出し方は[エージェントループのトークンはどこに消えるか](https://broadrouter.com/ja/blog/agent-token-budget/)で説明しています。

## どの方法が一番効きますか？

| # | 方法 | 削るもの | 削減額の目安 |
| --- | --- | --- | --- |
| 1 | プロンプトのプレフィックスを固定する | 新規入力 | 入力の請求額が半分以下に |
| 2 | エージェントに探させず、ファイルを指定する | 探索のターン | ターンも再送も減る |
| 3 | ツール出力を削る | 以降の各ターンの入力 | ログのサイズに比例 |
| 4 | 定型的なステップでは推論の強さを下げる | 見えない出力 | タスクの構成次第 |
| 5 | タスクあたりのステップ数に上限を設ける | 暴走するループ | 最悪のケースに天井ができる |
| 6 | 再試行に上限を設けて記録する | 重複リクエスト | 再試行を 1 回避けるごとにリクエスト 1 回分 |
| 7 | タスクごとに新しいセッションを始める | 古い履歴 | ターンごとのコンテキストが短くなる |
| 8 | 簡単なステップを安いモデルに回す | トークン単価 | 回したステップで大きい |
| 9 | 要約はまれに、追記は頻繁に | キャッシュミス | 方法 1 の効果を保つ |
| 10 | 損益分岐点を超えたら定額プランに切り替える | トークンのメーター | この例では月 $5.40 |

## 1\. プロンプトのプレフィックスを固定してキャッシュさせる

DeepSeek V4.1 Flash の[キャッシュ入力](https://broadrouter.com/ja/glossary/cached-input-tokens/)は 100 万トークンあたり $0.0055、新規入力は $0.175 で、約 32 倍の差があります。プロンプトはシステムプロンプト、ツール、ファイル、履歴、新しいメッセージの順に並べてください。先頭にタイムスタンプを入れてはいけません。Cursor は 2026 年 9 月、システムプロンプトを約 3 分の 2 短くし、ツールを必要なときだけ読み込むといったハーネスの変更によって、ユーザーのトークンコストが 7% 下がったと報告しています。詳しくは[プレフィックスがキャッシュされるプロンプトの組み立て方](https://broadrouter.com/ja/blog/prompt-structure-for-caching/)をご覧ください。

**削減額の目安。** 月に 1,000M の入力トークンがあるとします。キャッシュヒット率 50% なら 500M に新規入力の価格がかかり、80% なら 200M で済みます。キャッシュ分も含めると、入力の請求額は約 56% 下がります。[キャッシュ率を上げる方法](https://broadrouter.com/ja/blog/cached-input-tokens-explained/)を読むか、[プロンプトキャッシュ計算ツール](https://broadrouter.com/tools/prompt-caching-calculator/)でご自身の数字を試してください。

## 2\. どのファイルが重要かをエージェントに伝える

あいまいなタスク（「ログインのバグを直して」）は、エージェントに探索をさせます。ディレクトリを一覧し、ファイルを開き、コンテキストに読み込みます。開いたファイルはどれも、以降の各ターンで再送されます。対象のファイルと期待する変更を明示してください。エージェントが最初に読む短いプロジェクトマップをリポジトリに置いておくのも有効です。

**削減額の目安。** 40,000 トークンのファイルを 30 ターンのタスクの 3 ターン目で読むと、約 27 回再送されます。1 つのファイルだけで 100 万を超える入力トークンです。読まなければ、そのすべてが浮きます。

## 3\. ツール出力をコンテキストに入る前に削る

テストランナー、ビルドログ、`git diff` は数万トークンを返すことがあります。ログは最後の 100 行だけ、テストは失敗したものだけをエージェントに見せてください。ほとんどのエージェントツールでは、コマンドの出力上限を設定できます。

**削減額の目安。** 計算は方法 2 と同じです。削ったトークンは、残りのターン数の分だけ節約になります。

## 4\. 定型的なステップでは推論の強さを下げる

DeepSeek V4.1 Flash と GLM 5.3 は回答の前に思考し、その思考は出力として課金されます。名前の変更、整形、小さな修正には `reasoning_effort: "low"` を設定してください。`max_tokens` は回答を書き終えられるだけの大きさにしておきます。そうしないと、思考に料金を払ったうえで空の回答が返ってきます。詳しくは[推論トークンのコスト](https://broadrouter.com/ja/blog/reasoning-tokens-cost/)をご覧ください。

**削減額の目安。** 同じ 20 個のタスクで、変更前後の `completion_tokens_details.reasoning_tokens` を測ってください。削減額は、その減少量に出力価格（100 万トークンあたり $0.52）を掛けたものです。

## 5\. タスクあたりのステップ数に上限を設ける

テストを直せないエージェントは 100 ターンもループすることがあり、しかも 1 ターンごとに前より大きくなります。タスクあたりの最大ターン数を設定し、同じツール呼び出しが 3 回繰り返されたら停止してください。ステップ数の上限が、天井のないコストを上限のあるコストに変えます。

## 6\. 再試行に上限を設けて記録する

再試行したリクエストは新しい推論であり、トークン課金のキーでは再び課金されます。429 と 5xx はバックオフと固定の上限付きで再試行し、400 や 422 などそれ以外の 4xx エラーは再試行しないでください。詳しくは[エラーと再試行](https://broadrouter.com/ja/guides/errors-and-retries/)をご覧ください。

## 7\. タスクごとに新しいセッションを始める

前のタスクの履歴は、次のタスクにとってはお荷物です。タスクごとに新しいセッションを始めれば、コンテキストは小さく保たれます。これはキャッシュとは矛盾しません。システムプロンプトとツールは、共通でキャッシュ可能なプレフィックスのまま残ります。

## 8\. 簡単なステップを安いモデルに回す

すべてのステップに同じモデルが必要なわけではありません。コミットメッセージ、変更履歴の行、簡単な分類は、100 万トークンあたり入力 $0.10、出力 $0.22 の [Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) に任せられます。ツールを多用するステップで [GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) を使っているなら、残りは DeepSeek V4.1 Flash に回してください。GLM 5.3 の出力は約 6.7 倍の価格です。比較は [GLM 5.3 vs DeepSeek V4.1 Flash](https://broadrouter.com/ja/blog/glm-5-3-vs-deepseek-v4-1-flash/) をご覧ください。

**注意。** 完了したタスクあたりのコストで測ってください。ターン数が 2 倍かかる安いモデルは、かえって高くつくことがあります。

## 9\. 要約はまれにし、それ以外は追記する

エージェントが履歴を圧縮すると、プロンプトが書き換わり、キャッシュは最初からやり直しになります。要約はコンテキストが上限に近づいたときだけ、一度に大きく行い、その後はまた追記してください。これで方法 1 の効果が保たれます。

## 10\. 損益分岐点を超えたら定額プランに切り替える

トークン課金は少ない利用量に有利です。フルタイムのエージェントは少なくありません。BroadNet の試算例では、フルタイムのコーディングエージェント（入力 1,000M、キャッシュ 80%、出力 50M）はトークン課金で月 $65.40、常時稼働のエージェントは $196.20 です。Full Moon セッションは月 $60 で、トークンのメーターはなく、同時に 1 リクエストを処理します。この段階では、方法 1〜9 は時間の節約にはなっても、お金の節約にはなりません。ご自身の利用量は[定額 vs トークン課金の計算ツール](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/)で確認するか、[損益分岐点の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)と[定額で並列エージェントを動かす方法](https://broadrouter.com/ja/blog/run-parallel-coding-agents-flat-rate/)をお読みください。

## 方法が効いたかどうかはどう測りますか？

1.  バックログから代表的なタスクを 20 個選びます。
2.  現在の設定で実行し、タスクごとのトークンを記録します。
3.  方法を 1 つずつ適用して、再実行します。
4.  リクエストあたりではなく、完了したタスクあたりのコストを比較します。

コーディングエージェント以外のアプリについては、同じレバーを一般的な順序でまとめた [LLM API のコストを下げる方法](https://broadrouter.com/ja/blog/how-to-reduce-llm-api-costs/)をご覧ください。

主なエージェントの設定ガイド：[Aider](https://broadrouter.com/ja/guides/aider-unlimited-deepseek/)、[Cline](https://broadrouter.com/ja/guides/cline-openai-compatible/)、[Zoo Code（提供終了した Roo Code のフォーク）](https://broadrouter.com/ja/guides/roo-code-openai-compatible/)、[OpenCode](https://broadrouter.com/ja/guides/opencode-custom-provider/)。

## BroadNet Inference の位置づけ

BroadNet は、コーディングエージェント向けに DeepSeek V4.1 Flash の安いキャッシュ入力料金を提供し、ヘビーな利用には月 $60 からの無制限セッションも用意しています。どちらも、これらのエージェントがすでに対応している OpenAI 互換エンドポイントで使えます。クローズドなフロンティアモデルは提供していないため、エージェントが最も難しいステップでそうしたモデルを必要とする場合は、そのモデルは元のベンダーで使い続け、ターンの大部分をこちらに送ってください。[プランを見る](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cut-coding-agent-llm-costs&utm_content=body)。

関連する無料ツール（英語）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[指数バックオフ（exponential backoff）](https://broadrouter.com/ja/glossary/exponential-backoff/)

指数バックオフ（exponential backoff）とは、失敗するたびに待ち時間を長くして再試行するリトライ戦略で、通常は上限まで遅延を 2 倍ずつ増やします。各待ち時間にランダムなジッターを加えると、多数のクライアントの再試行が分散し、同時にサーバーへ集中しなくなります。

[従量課金（pay-as-you-go）](https://broadrouter.com/ja/glossary/pay-as-you-go/)

従量課金とは、使った分だけを支払う料金体系です。トークン、リクエスト、音声の分数などの単位で計測され、サブスクリプションや最低利用額はありません。多くの LLM API はこの方式で、前払いの残高か定期的な請求書から支払います。

[AI コーディングエージェント（AI coding agent）](https://broadrouter.com/ja/glossary/coding-agent/)

AI コーディングエージェントとは、言語モデルがループの中でコードベースに取り組むソフトウェアツールです。ファイルを読み、編集し、テストなどのコマンドを実行し、出力を読んで次の手順を決めることを、タスクが終わるか上限に達するまで繰り返します。

[キャッシュ入力トークン（cached input tokens）](https://broadrouter.com/ja/glossary/cached-input-tokens/)

キャッシュ入力トークンとは、LLM プロバイダーが直前に処理し、再計算せずにキャッシュから再利用できるプロンプトのトークンです。通常はシステムプロンプトやドキュメントなど繰り返し送るプレフィックスで、新しい入力トークンより安い単価で課金されます。

[入力トークンと出力トークン（input and output tokens）](https://broadrouter.com/ja/glossary/input-and-output-tokens/)

入力トークンとは、モデルがリクエストで読むトークンで、システムプロンプト、会話履歴、ツール定義、画像を含みます。出力トークンは、推論を含めモデルが返答として生成するトークンです。LLM API は通常この 2 つを別の単価で課金し、出力のほうが高額です。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

## よくある質問

### コーディングエージェントの運用コストが高いのはなぜですか？

毎ターン、システムプロンプト、ツール定義、ファイルの内容、履歴を再送するため、入力トークンがステップごとに増えていきます。さらに推論（reasoning）が見えない出力を上乗せします。

### コーディングエージェントのコストを下げる一番の方法は何ですか？

プロンプトの先頭をターン間でまったく同じに保ち、キャッシュ入力として課金されるようにすることです。DeepSeek V4.1 Flash では、キャッシュ入力は 100 万トークンあたり $0.0055、新規入力は $0.175 です。

### 安いモデルにすれば、コーディングエージェントは必ず安くなりますか？

いいえ。性能の低いモデルがより多くのステップを要したり、失敗して再試行したりすると、合計ではかえって高くつくことがあります。トークン単価ではなく、完了したタスクあたりのコストで測ってください。

### コーディングエージェントで定額プランが安くなるのはいつですか？

DeepSeek V4.1 Flash の場合、キャッシュヒット率 80% で月に入力約 9.17億 トークン、出力約 4,600万 トークンのあたりです。フルタイムで動くエージェントはたいていこれを超えます。

### コーディングエージェントがループしてトークンを浪費するのをどう防ぎますか？

タスクあたりのターン数に上限を設け、同じツール呼び出しが 3 回繰り返されたら停止し、429 と 5xx エラーの再試行回数を制限してください。ステップ数の上限が、天井のないコストを上限のあるコストに変えます。

## 続けて読む

-   [Claude Code でオープンモデルを使う：プロキシ、ネイティブエンドポイント、制限](https://broadrouter.com/ja/blog/claude-code-with-openai-compatible-models/)
-   [キャッシュ入力トークンとは：LLM API の請求額を下げる方法](https://broadrouter.com/ja/blog/cached-input-tokens-explained/)
-   [推論トークン：見えている以上の出力に課金される理由](https://broadrouter.com/ja/blog/reasoning-tokens-cost/)
-   [LLM API は定額とトークン課金のどちらが得か：損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [定額の LLM API で並列コーディングエージェントを動かす方法](https://broadrouter.com/ja/blog/run-parallel-coding-agents-flat-rate/)
-   [LLM API の支出管理：予算、キーの制限、ループ対策](https://broadrouter.com/ja/blog/llm-api-spend-control/)
-   [LLM API の料金改定まとめ 2026 年 10 月：値上げ 3 件、値下げなし](https://broadrouter.com/ja/blog/llm-api-price-changes-october-2026/)
-   [LLM API の料金はどのくらいの頻度で変わる？3 年分のアーカイブ調査](https://broadrouter.com/ja/blog/how-often-llm-api-prices-change/)
-   [ガイド：Aider を無制限の DeepSeek V4.1 Flash で動かす](https://broadrouter.com/ja/guides/aider-unlimited-deepseek/)
-   [ガイド：Cline で BroadNet Inference を使う（OpenAI Compatible プロバイダー）](https://broadrouter.com/ja/guides/cline-openai-compatible/)
-   [ガイド：Roo Code で BroadNet Inference を使う（OpenAI Compatible）](https://broadrouter.com/ja/guides/roo-code-openai-compatible/)
-   [ガイド：opencode に BroadNet Inference をカスタムプロバイダーとして追加する](https://broadrouter.com/ja/guides/opencode-custom-provider/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cut-coding-agent-llm-costs&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference 機械可読の価格表（pricing.json、2026-11-14 取得）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cut-coding-agent-llm-costs&utm_content=sources)
-   [BroadNet Inference プランとプランの FAQ（2026-11-14 取得）（英語）](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cut-coding-agent-llm-costs&utm_content=sources)
-   [BroadNet Inference API リファレンス：推論トークンとキャッシュトークン（2026-11-14 取得）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-cut-coding-agent-llm-costs&utm_content=sources)
-   [Cursor：トークン効率の改善（2026 年 9 月 23 日。2026-11-14 取得）](https://cursor.com/blog/improved-token-efficiency)
