上長からAIツール導入の見積もりを取るよう指示され、ベンダーから届いた提案書を開いたところ「入力トークン」「出力トークン」「1Mトークンあたり◯円」という表記が並んでいて、結局いくらかかるのか判断できずに止まっていないでしょうか。
生成AIの業務活用がこの2～3年で広がったことで、ChatGPTやClaudeのようなAIサービスの多くが「トークン」という単位で処理量と料金を計算するようになり、見積書や料金表を正しく読むにはこの単位を理解しておく必要が出てきました。
この記事では、OpenAIとAnthropicが公表している実際の料金表をもとに、トークンの基本的な仕組みから、日本語の文字数とトークン数の対応関係、見積書の単価の読み方までを整理しています。
AIのトークンとは何か？文章を分解する処理単位のこと
AIのトークンとは、ChatGPTやClaudeのようなAI（LLM：Large Language Model・大規模言語モデル）が文章を処理する際に扱う最小の単位のことです。
人間は文章を単語や文字のまとまりとして読みますが、AIは入力された文章をいったんトークンという単位に分解してから処理し、応答を生成するときも同様にトークンを1つずつ積み上げて文章を作ります。
料金や処理できる文章量の上限は、この文字数ではなくトークン数を基準に決まっているため、見積書や料金表の数字を正しく読むには、まずトークンが何を指しているかを押さえておく必要があります。
以下では、文章がどのようにトークンへ区切られるか、そして読者が持ちやすい誤解を順に見ていきます。
どうやって文章がトークンに区切られるか
トークンへの分割は、単語単位でも1文字単位でもなく、BPE（Byte Pair Encoding：出現頻度の高い文字の並びをまとめて1つの単位にする分割方式）と呼ばれる方式を使い、頻出する文字の並びをひとまとまりの単位として扱う形で行われます。
英語の場合、tokenizationという単語がtokenとizationのように意味のあるパーツへ分割されることがあり、必ずしも1単語=1トークンにはなりません。
日本語の場合はさらに複雑で、ひらがな・カタカナ・漢字が混在するため、同じ文字数の文章でも使われている文字の種類によってトークンへの分割のされ方が変わります。
この分割方式（トークナイザー）はAIサービスを提供する会社ごとに独自に設計されているため、同じ文章をOpenAIのモデルとAnthropicのモデルに入力しても、消費するトークン数が一致するとは限りません。
【よくある誤解】トークン数と文字数は同じではない
トークン数と文字数は同じ尺度だと誤解されがちですが、実際には1トークンが複数文字に対応することもあれば、1文字が複数トークンに分割されることもあります。
以前は「トークン=単語」という理解で足りるという説明も見られましたが、現在では日本語のようにサブワード分割が複雑に働く言語では、単語や文字の数からトークン数を単純計算できないという理解が広がっています。
見積書に書かれた「想定トークン数」を自分で検算したい場合、文字数をそのまま当てはめず、後述するトークナイザーの目安か実際の確認ツールを使う必要があります。
この分割処理を含めて、AIが文章をどう読み取り応答を組み立てているかの全体像はTransformerの仕組みとして次の記事で整理しています。
日本語の文字数はトークン数にどう対応するか？
日本語の文字数とトークン数の対応は、使用するAIモデルのトークナイザーによって変わるため、共通の正確な換算式は存在しませんが、実務で使う目安としては日本語1文字あたり概ね1～2トークンという幅で捉えておくと大きく外れません。
英語の場合はAnthropic公式ドキュメントが「1トークンは概ね4文字、または0.75単語に相当する」と目安を示しており、これはアルファベットが少ないバイト数で表現できることに由来します。
一方で日本語のひらがな・カタカナ・漢字はUTF-8（文字をコンピューターが扱うためのエンコード方式の1つ）で複数バイトを使って表現されるため、英語向けに設計されたトークナイザーでは1文字が複数トークンに分割されやすく、同じ内容でも英語より多くのトークンを消費する傾向があります。
以下では、文字の種類による違い、モデルごとに数値が変わる理由、そして自分の原稿で実際に確認する方法を順に整理します。
ひらがな・漢字・カタカナで変わる目安
ひらがな・カタカナは比較的単純な文字構成のため1文字あたり1トークン前後に収まりやすく、漢字は情報量が多い分、1文字あたり2トークン程度に分割されやすいという傾向があります(目安)。
例えば「本日の会議は10時からです」のような日常的な文章は、ひらがな・漢字・数字が混在するため、実際のトークン数は文字数の1～2倍程度になることが多く、100文字の日本語文章であれば概ね100～200トークン程度が目安になります(目安)。
ただし、これはあくまで一般的な傾向であり、専門用語や固有名詞が多い文章、あるいは箇条書きや記号が多い文章では、この目安から外れることも珍しくありません。
モデルによってトークン数が変わる理由
同じ日本語の文章でも、AIモデルによってトークン数が異なるのは、各社が独自のトークナイザーを学習データに合わせて設計しているためです。
日本語データを多く学習に使ったモデルのトークナイザーは、頻出する日本語の文字並びをより少ないトークン数でまとめられるように最適化されており、英語中心に設計されたトークナイザーより効率よく日本語を処理できる傾向があります。
見積書に「想定トークン数」が記載されている場合、その数値がどのモデルのトークナイザーで計算されたものかを確認しないと、実際に別のモデルへ切り替えたときにコストが想定より増減することがあります。
自分の原稿のトークン数を確認する方法
自分が使う予定の文章が実際に何トークンになるかを確認したい場合、OpenAIが公開している「Tokenizer」というWebツールや、Anthropicが提供するトークン数カウントの仕組みを使うと、目安に頼らず実際の数値を確認できます。
これらのツールにテキストを貼り付けると、そのモデルのトークナイザーでの分割結果とトークン数がその場で表示されるため、見積書の想定トークン数が妥当かどうかを検算する際に使えます。
社内で頻繁にAIへ入力する定型文（問い合わせ対応の雛形やレポートのテンプレートなど）がある場合は、事前に1度確認しておくと、月間の概算コストを試算しやすくなります。
見積書やAPI料金表のトークン単価はどう読むか？
見積書やAPI料金表のトークン単価は、AIへ送る「入力トークン」と、AIが生成して返す「出力トークン」で別々の単価が設定されており、この2つを混同すると想定コストを大きく見誤ります。
多くのAIサービスの料金表は、100万トークン(1Mトークン)あたりの単価をドル建てで表示しており、日本語の見積書ではこれを日本円に換算した上で、1,000トークンあたりの単価に読み替えて提示されることがあります。
入力と出力で単価が異なるのは、AIが応答を生成する処理(出力)のほうが、送られた文章を読み取る処理(入力)よりも計算コストが高いためで、多くのサービスで出力トークンの単価は入力トークンより高く設定されています。
以下では、単価が分かれる理由の詳細、実際の主要モデルの料金表、そして自社の利用量から概算コストを試算する手順を順に見ていきます。
入力トークンと出力トークンで単価が分かれる理由
入力トークンは、AIへ送るプロンプトや会話履歴、読み込ませる資料の文章量に対応し、出力トークンは、AIが生成して返す応答文の文章量に対応します。
同じ100万トークンでも出力トークンの単価が入力トークンの数倍に設定されているサービスが多いため、長い応答を毎回生成させる使い方(要約や文章生成)は、短い応答で済む使い方(分類や抽出)よりもコストが増えやすくなります。
見積書に入力・出力それぞれの想定トークン数と単価が別々に記載されていない場合、どちらの処理量が多い使い方を想定しているのかをベンダーに確認しておくと、想定と実際のコストのずれを防ぎやすくなります。
主要モデルの料金表と1,000トークンあたりの目安
主要なAIモデルの料金を次の表にまとめました。
単位は100万トークンあたりのドル建て料金です。
| モデル | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| GPT-5.4 | $2.50 | $15.00 |
| GPT-5.4 mini | $0.75 | $4.50 |
| Claude Sonnet 5 | $2.00 | $10.00 |
| Claude Haiku 4.5 | $1.00 | $5.00 |
| Claude Opus 4.5 | $5.00 | $25.00 |
出典：OpenAI Platform料金ページ、Anthropic公式Pricingページ（いずれも2026年7月時点の公表値）
なお、Claude Sonnet 5の上記単価は2026年8月31日までの導入価格で、それ以降は入力$3.00・出力$15.00へ改定される予定です(Anthropic公式Pricingページの公表値)。
この表を1,000トークンあたりの単価に読み替えてみます。
例えばClaude Sonnet 5の出力は100万トークンで10ドルのため、1,000トークンあたり0.01ドルです。
1ドル=150円と仮定すると、1,000トークンあたり概ね1.5円という計算になります(目安。為替レートは変動するため実際の請求時レートで再計算が必要です)。
見積書に「1,000トークンあたり◯円」とだけ書かれている場合、この数値がどのモデルの、入力と出力どちらの単価なのかを見積書の脚注や別表で確認しないと、複数ベンダーの見積もりを単純比較できません。
自社の利用量から概算コストを試算する
自社の概算コストを試算するには、月間で想定するやり取りの回数に、1回あたりの入力トークン数と出力トークン数の目安を掛け合わせ、それぞれの単価を適用する方法が使えます。
例えば、社内問い合わせ対応で1回あたり入力500トークン・出力300トークンを想定し、月間2,000回のやり取りが発生する場合、入力は月100万トークン、出力は月60万トークンとなり、Claude Sonnet 5の単価であれば入力2ドル、出力6ドルで合計8ドル程度という試算になります(試算。実際のトークン数は文章の内容によって変動します)。
このような試算は、ベンダーから届いた見積書の想定トークン数が、自社の利用実態と近いかどうかを検算する材料になり、極端に多い、あるいは少ない想定になっていないかを判断する手がかりになります。
自社の利用量から見積もりの妥当性を判断する材料が欲しい場合は、 個別相談 で一緒に試算することもできます。
業務でトークンを意識すべき場面と注意点は?
業務でトークンを意識しておくべき場面は、AIに一度に読み込ませる資料の分量を決めるときと、日常的に発生するやり取りのコストを見積もるときの大きく2つです。
トークンの上限や単価を把握しないまま利用を始めると、資料の後半が読み込まれずに要約から抜け落ちたり、想定より高い請求が発生したりすることがあります。
以下では、コンテキストウィンドウの上限との関係と、日本語利用時のコスト面での注意点を整理します。
コンテキストウィンドウの上限に関わる
AIには一度のやり取りで処理できるトークン数の上限(コンテキストウィンドウ)が定められており、この上限は文字数ではなくトークン数で管理されています。
長い契約書や議事録をAIに読み込ませる場合、日本語は英語よりトークンを多く消費する傾向があるため、文字数だけで見ると余裕があるように見えても、実際にはトークン数の上限に近づいていることがあります。
上限に達しそうな長文を扱う場合は、資料を分割して読み込ませる、または要点を段階的に要約させるといった対応が必要になります。
コンテキストウィンドウの仕組みと、上限内でも情報が抜け落ちる理由は以下で整理しています。
日本語の利用はコスト高になりやすい
日本語は英語よりも同じ内容でトークン数を多く消費する傾向があるため、同じ分量の文章をAIに処理させても、英語でやり取りする場合より料金が高くなりやすいという特性があります。
社内文書や問い合わせ対応をAIで自動化する際、海外向け資料の数値だけで想定コストを試算すると、実際の日本語利用時のコストを過小評価してしまうことがあります。
コストを抑えたい場合は、AIへの指示文(プロンプト)を簡潔にする、不要な会話履歴を毎回送らないようにするといった工夫が、日本語利用特有の対策として有効です。
指示文の型を整えて出力の精度とトークン消費を両立させる方法は、以下で整理しています。
AIの見積書やトークン料金の見方で迷っていませんか
「見積書のトークン単価が何を示しているのか分からない」「複数のベンダーの見積もりをどう比較すればいいか分からない」「自社の利用量でどのくらいの料金になるか試算できない」
少しでもお心当たりがあれば、お気軽にご相談ください。
現在、AI業務自動化に関するお悩みをお伺いする 無料の個別相談 を実施しています。
よくある質問
Q. トークン数は日本語と英語でどちらが多くなりますか?
同じ内容であれば、日本語のほうが多くのトークンを消費する傾向があります。
これは英語のアルファベットが少ないバイト数で表現できるのに対し、日本語のひらがな・カタカナ・漢字はより多くのバイトを使って表現されるためです。
Q. 見積書に書かれたトークン数と、実際の請求が食い違うことはありますか?
想定と実際の利用量が異なる文章量であれば、食い違いは起こり得ます。
見積書の想定トークン数は、典型的な利用シーンをもとにした試算であることが多く、実際のやり取りが長文中心になる、あるいは会話履歴を毎回含めて送る使い方になると、想定より多くのトークンを消費します。
気になる場合は、契約前に自社で想定する典型的なやり取りをトークナイザーで確認し、見積書の想定値と近いかを検算しておくことをおすすめします。
Q. 無料プランでもトークンの上限はありますか?
はい、無料プランでも一度に処理できるトークン数の上限(コンテキストウィンドウ)は設定されています。
有料プランや従量課金のAPIでは上限が広く設定されていたり、上限自体は同じでも利用回数の制限が緩やかになったりすることが多く、大量の文章を扱う業務では有料プランへの切り替えが必要になる場合があります。
自社の利用量が上限に達しているかどうかは、実際に長文を読み込ませた際の挙動や、サービスが提供するダッシュボードの利用状況で確認できます。
Q. トークン数を減らして料金を抑える方法はありますか?
AIへの指示文を簡潔にする、不要な会話履歴を毎回送らないようにする、繰り返し使う指示文をあらかじめ整理して無駄な文章を減らす、といった方法でトークン数を抑えられます。
また、単純な分類や抽出のような処理には料金の低い軽量モデルを使い分けることも、コストを抑える手段として使われます。
ただし、指示文を削りすぎると、AIが意図を正しく理解できず出力の精度が落ちることがあるため、料金と精度のバランスを見ながら調整する必要があります。
