コストと性能の最適化（学習ガイド）

Claude API の料金は、入力と出力のトークン数で決まります。同じ内容を毎回送る、急がない処理を一件ずつ送る、といった使い方を見直すと、コストとレイテンシを大きく下げられます。

モデルの世代によって、思考の制御の仕方や、トークンの数え方が変わる点にも注意します。

一、プロンプトキャッシュで繰り返す部分を安くする
毎回送る長いシステムプロンプトや資料に cache_control: {"type": "ephemeral"} を付けると、その部分がキャッシュされます。キャッシュの既定の有効期間は 5 分で、追加料金で 1 時間にもできます。キャッシュからの読み込みは、多くのモデルで通常の入力トークンの 1 割の料金です。
二、急がない大量の処理は Message Batches API で
Message Batches API は大量のリクエストを非同期で処理し、通常より 50% 安くなります。多くのバッチは 1 時間以内に終わります。
三、送る前にトークン数を数える
POST /v1/messages/count_tokens に送る予定の内容を渡すと、入力トークン数の見積もりが返ります。利用は無料です（専用のレート制限があります）。Claude 4.7 以降のモデルは新しいトークナイザーを使うため、同じ文章でも以前のモデルより 3 割ほど多く数えられることがあります。
四、思考の深さは adaptive thinking と effort で調整する
最新のモデルでは thinking: {"type": "adaptive"} を指定し、output_config の effort で思考の深さを調整します。budget_tokens で予算を指定する従来の方式は、Claude 4.6 では非推奨、Claude 4.7 以降では使えません。

用語	意味
トークン	モデルが文章を処理する単位。料金や上限はトークン数で決まる。
プロンプトキャッシュ	繰り返し送るプロンプトの先頭部分をキャッシュして、コストと待ち時間を減らす機能。
Message Batches API	大量のリクエストを非同期でまとめて処理する、割安な API。
adaptive thinking	問題に応じて、Claude が思考するかどうかと、その量を決める方式。
effort	思考の深さなど、応答にかける労力の度合いを指定する設定。