LLM トークンコスト削減: 6 つの実践的方法（2026 更新）

LLM の token コストは抽象的な概念ではありません。Claude Opus 4.7 は input $15/M、output $75/M。失敗した長いコンテキスト呼び出し一回で数ドル。日本語ユーザーの状況はさらに悪く、英語より平均 50% 多くの token を消費します。

実際に効く 6 つの節約方法を、ROI 順に紹介します。

方法 1: Markdown を使い、HTML は使わない

最大のレバレッジ。HTML を AI に直接コピペすると非常に無駄です:

| 入力フォーマット | token 数 (5,000 語の記事) | |---|---| | HTML (div / span / class 含む) | ~10,000 tokens | | Pure Markdown | ~6,000 tokens | | 節約 | 40% |

なぜそんなに差が出るか:

• HTML の各 <tag> が独立した token
• class="foo bar" のような属性も token
• インライン CSS / style は完全にノイズ

ツール: Web2MD Chrome 拡張でワンクリックで Web ページをクリーンな Markdown に、プレビューに token 推定が出ます。

方法 2: 非コンテンツを先に除外

クリーンな Markdown でも、汎用ブラウザコピーには次のものが含まれます:

• ページナビゲーション ("Home > Blog > Article")
• 関連記事リスト
• コメント欄 / リアクション絵文字
• 著者 bio 末尾のソーシャルボタン列
• Cookie / GDPR バナー
• 広告埋め込み

これらは通常、token の 15-25% を占めます。

スマート抽出器 (Web2MD は 20+ サイト用の専用抽出器を内蔵) はメインコンテンツ領域を識別し、それ以外を除外します。Reddit、Stack Overflow、知乎、微信公众号といった固定テンプレートを持つサイトで特に効果的です。

方法 3: Prompt Caching を有効にする

Anthropic と OpenAI 双方がサポート。初回呼び出しは full price、5 分以内の同じ prefix 再送信は 1/10。

適用シーン:

• 同じ長いドキュメントについて複数の質問
• Agent ワークフローでシステムプロンプトを繰り返し使用
• 長い会話履歴

コード例 (Anthropic API):

response = client.messages.create(
    model="claude-opus-4-7",
    system=[
        {"type": "text", "text": "あなたは研究アシスタントです"},
        {
            "type": "text",
            "text": LONG_DOCUMENT,  # ← この部分が cache される
            "cache_control": {"type": "ephemeral"}
        }
    ],
    messages=[{"role": "user", "content": user_question}]
)

5 分以内に違う質問を続けて投げると、毎回 LONG_DOCUMENT の 10% (cache read price) しか払わなくて済みます。

方法 4: 1M コンテキストで「一回研究」、ストリーミング会話に使わない

1M コンテキストウィンドウの本当の使い方:

❌ 間違った使い方: 毎回の質問で全履歴 + 新内容を貼る ✅ 正しい使い方: 200 件の文献を一回 Markdown としてフィードし、同じ conversation で 10 個の質問を投げる、各回答が cache hit を活用

200 件の Reddit + Wikipedia + 論文 ≈ 600k tokens 初回 input cost = 600k × $15/M = $9 以降の質問 (cache 有効) = 600k × $1.5/M = $0.90

10 個の質問合計 $9 + 9×$0.9 = $17、1 質問あたり平均 $1.7

cache を毎回切ると: 10 × $9 = $90、1 質問あたり $9

80% 節約。これが prompt caching の真の回報です。

方法 5: Token 予算をフォーマットではなくコンテンツに使う

具体的に:

• コードブロック: fenced code (``` で囲む) を保持し、highlight.js / Prism / Shiki の <span class="hljs-..."> 残骸を除去。Web2MD が自動で除去。
• テーブル: HTML table → Markdown GFM table、token が少なくとも半分に。
• 数学式: KaTeX/MathJax レンダリング結果は超無駄、元の TeX ソース ($...$) を保持。
• 画像: alt text に置き換え、base64 にしない。
• リンク: [テキスト](url) は <a href="url">テキスト</a> よりはるかに短い。

方法 6: 日本語ユーザー特別戦略

日本語の文字はほとんどの tokenizer で英語より 1.3-1.5 倍の token を使います。同じ 1000 語の記事、日本語は英語より 30-50% 多い tokens。

対策:

• 英語版があれば英語版を使う (原文に英訳がある場合、研究は英語版を AI に見せ、日本語で回答させる)
• 長文翻訳タスクには Claude Sonnet を、それ以外には Haiku を: Sonnet は十分に賢く、Opus の 1/5 価格
• DeepSeek R2 は日本語にも対応: 中国製モデルだが日本語コンテンツでも Claude/GPT より tokenizer が効率的、価格は 30 倍安い

実例

私は「日本国内の Web Clipper ツールに関する競合調査」を実施しました:

• Qiita + Zenn + 個人ブログから 30 件のコンテンツを集める → Web2MD で一括エクスポート = 70k tokens
• 同じコンテンツを直接コピペで Claude にフィードする対照群を試す = 110k tokens
• 36% 節約、約 40k tokens 削減

Claude Opus 4.7 input $15/M で計算すると、この調査一回で**$0.60 節約**。それだけ聞くと少額ですが、同じワークフローを週 5 回実行すれば月 $12、年 $144 節約、Web2MD Pro 年額の 1.4 倍に相当します。

やってはいけないこと

• token 節約のためにコンテンツを切り捨てる。不完全なドキュメントを受け取った AI は推測し、その代償は節約した金額より大きい。
• 毎回の新しい質問にすべての過去の会話を含める。新しい会話を開くか cache を使う。
• GPT-3.5 で長文を走らせる。安いが精度が低く、最終的に Claude で再実行することになり、結果としてかえって高い。

関連記事

• Markdown vs HTML: AI に良い回答をさせるには?
• Claude の 1M コンテキストウィンドウの埋め方
• なぜ Claude は Reddit を読めないのか?

インストール

Web2MD Chrome 拡張ストア →

無料 3 回/日。Pro $9/月で無制限 + キュー + 一括エクスポート + token カウンター + 20+ スマート抽出器。