---
title: "AI コーディングエージェントの実行コストとキャッシュ | BroadRouter"
description: "コーディングエージェントは長く動くほど 1 ステップあたりのコストが上がる理由、キャッシュによる総額の変化、定額セッションがトークン課金に勝つ条件。トークン計算の例付きです。"
url: https://broadrouter.com/ja/blog/ai-coding-agent-run-cost/
lang: ja
updated: 2026-11-15
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/ai-coding-agent-run-cost/)（2026-11-15 更新）。

# AI コーディングエージェント 1 回の実行コスト：ステップ数、コンテキストの増加、キャッシュ

BroadNet Inference チーム · 約 7 分で読めます · 公開日 2026-11-15

エージェントは毎ステップ全コンテキストを再送するため、入力はステップ数の 2 乗で増えます。60 ステップの入力は 30 ステップの約 3.5 倍です。請求の大半はキャッシュで決まり、履歴を追記のみにすれば入力の 90% 超がキャッシュ料金になります。1 回のコストに月の実行回数を掛け、定額セッションと比べてください。

## 要点

-   1 回の実行の総入力 = ステップ数 × ベースコンテキスト + ステップごとの増加量 × ステップ数 × (ステップ数 − 1) ÷ 2。ほかのどの要素よりステップ数が効きます。
-   履歴を追記のみにすれば、新規になるのは前回の呼び出し以降に加わったトークンだけです。試算例では、30 ステップの実行の入力の 94% がキャッシュされます。
-   BroadNet が公表している DeepSeek V4.1 Flash の価格では、同じ 30 ステップの実行でも、キャッシュなしは最良のキャッシュ時の約 8 倍のコストです。
-   初期の履歴を圧縮したり編集したりすると、キャッシュがリセットされます。まれに、大きな単位で行ってください。
-   月の実行回数 × 1 回のコストがプラン価格を超えると、定額セッションが有利です。1 セッションは同時に 1 リクエストなので、1 回の所要時間が 1 か月に収まる実行回数の上限を決めます。

**このページの内容**

1.  エージェントの実行中、コンテキストはどう増えますか？
2.  試算例はどうなりますか？
3.  キャッシュで請求額はどれだけ変わりますか？
4.  自分の実行を見積もるには？
5.  実行コストが見積もりを上回る原因は？
6.  定額セッションがトークン課金に勝つのはいつですか？
7.  BroadNet Inference の位置づけ

コーディングエージェントは、タスク単位ではなくステップ単位でお金を払います。しかも各ステップで、それまでの会話全体を再送します。そのため 1 回の実行のコストは、トークン単価よりも、何ステップかかるか、そしてコンテキストのどれだけがキャッシュされるかに大きく左右されます。この記事では、これらの要素から 1 回の実行のコストを数字で組み立て、定額セッションがトークン課金に勝つのはいつかを示します。

各呼び出しの中のトークンがどこから来るのか（ツールスキーマ、ファイルの読み込み、履歴）については、[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/)をご覧ください。この記事で扱うのは、実行全体の算数です。

## エージェントの実行中、コンテキストはどう増えますか？

各呼び出しには次のものが含まれます。

-   毎回送られる**ベースコンテキスト**：システムプロンプト、ツール定義、ルールファイル、リポジトリマップ
-   **それまでのステップで加わったすべて**：モデルの回答とツール呼び出し、ファイルの内容、コマンドの出力
-   新しい指示またはツールの結果

ベースコンテキストを _B_、1 ステップごとに加わるトークンを _g_ とします。ステップ 1 は _B_ を送ります。ステップ 2 は _B + g_ を送ります。ステップ _n_ は _B + (n − 1) × g_ を送ります。これを合計すると、_n_ ステップの実行が送るのは次のとおりです。

**総入力 = n × B + g × n × (n − 1) ÷ 2**

2 つ目の項はステップ数の 2 乗で増えます。長い実行が人を驚かせるのはこのためです。60 ステップの実行の最後のステップは最初のステップよりはるかに大きく、その間のすべてのステップが、それ以前のすべての分をもう一度払っています。

## 試算例はどうなりますか？

ベースコンテキストが 15,000 トークン（システムプロンプト、十数個のツール、リポジトリマップ）のエージェントを考えます。1 ステップごとに 3,000 トークン（ファイルかテストログ 1 つと、モデル自身の回答）が加わります。各ステップの出力は、推論を含めて 800 トークンです。

| ステップ数 | 総入力 | 出力 | 最大の 1 回の呼び出し |
| --- | --- | --- | --- |
| 10 | 285,000 | 8,000 | 42,000 |
| 30 | 1,755,000 | 24,000 | 102,000 |
| 60 | 6,210,000 | 48,000 | 192,000 |

30 ステップから 60 ステップにすると、作業は 2 倍ですが、入力は約 3.5 倍になります。出力は 2 倍になるだけです。これらの実行では入力が出力の 36〜130 倍あり、エージェントにとって入力価格、そしてキャッシュ入力の価格が最も重要なのはこのためです。

最大の呼び出しは[コンテキストウィンドウ](https://broadrouter.com/ja/glossary/context-window/)にも収まる必要があります。192,000 トークンは DeepSeek V4.1 Flash と GLM 5.3（どちらも 1,048,576 トークン）、Qwen3.8 27B（262,144）には収まりますが、Gemma 4 VL 26B（32,768）には収まりません。この例では、7 回目の呼び出しですでに大きすぎます。

## キャッシュで請求額はどれだけ変わりますか？

プロバイダーは、繰り返されるプロンプトのプレフィックスを、より安い[キャッシュ入力](https://broadrouter.com/ja/glossary/cached-input-tokens/)の料金で課金します。履歴に追記するだけのエージェントは、毎回同じプレフィックスに少しずつ足したものを送るので、最良のケースでは、前回の呼び出し以降に加わったトークンだけが新規になります。

**新規入力（最良のケース）= B + (n − 1) × g**

それ以外はすべてキャッシュヒットです。キャッシュされる入力の割合は、実行が長くなるほど上がります。

| ステップ数 | 新規入力（最良のケース） | キャッシュの割合 |
| --- | --- | --- |
| 10 | 42,000 | 85% |
| 30 | 102,000 | 94% |
| 60 | 192,000 | 97% |

実際のエージェントが最良のケースに達することはまれなので、3 つのケースで見積もっておくと役立ちます。BroadNet の DeepSeek V4.1 Flash の価格（100 万トークンあたり入力 $0.175、キャッシュ $0.0055、出力 $0.52、2026-11-14 公表）で、30 ステップ・最良のケースを基準にした各実行のコストは次のとおりです。

| ステップ数 | 最良のキャッシュ | 80% キャッシュ | キャッシュなし |
| --- | --- | --- | --- |
| 10 | 0.33× | 0.39× | 1.37× |
| 30 | 1× | 2.07× | 8.11× |
| 60 | 2.33× | 6.84× | 28.2× |

2 つの点が目を引きます。キャッシュなしの 60 ステップの実行は、よくキャッシュされた 30 ステップの実行の 28 倍のコストです。そして、実行が長くなるほどキャッシュの重要性が増します。30 ステップの最良のケースでは、出力がコストの約 3 分の 1、新規入力が半分弱、キャッシュ入力が 4 分の 1 弱なので、キャッシュの次に節約できるのは出力です。

キャッシュはスイッチを入れれば済むものではありません。プロバイダーがプレフィックスを保持していること、そしてエージェントがそれを変えないことが前提です。OpenAI のガイドでは、最小キャッシュ長付きの完全なプレフィックス一致と説明されています。DeepSeek 自身の API は、各リクエストの入力と出力の末尾にキャッシュ単位を保存するので、前のリクエストを延長する後続リクエストはヒットし得ます。BroadNet の[料金ページ](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-ai-coding-agent-run-cost&utm_content=body)には、キャッシュ入力に設定は不要とあり、ドキュメントによれば、モデルが提供する場合はヒットが `usage.prompt_tokens_details.cached_tokens` で報告されます。BroadNet のモデルカタログは DeepSeek V4.1 Flash を “models we never ran on our hardware”（訳：自社のハードウェアで動かしたことのないモデル）に挙げており、利用規約（§7.3）はこのモデルを “when partner-hosted”（訳：パートナーがホストする場合）として扱っているので、BroadNet ではパートナー経由で提供されています。DeepSeek 自身の数字を前提にせず、ヒット率を実際に測ってください。キャッシュされるようにプレフィックスを書く方法は[キャッシュのためのプロンプト構成](https://broadrouter.com/ja/blog/prompt-structure-for-caching/)にあります。

## 自分の実行を見積もるには？

このスクリプトは BroadNet の公開 [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-ai-coding-agent-run-cost&utm_content=body) から現在の価格を読み込むので、古くなることがありません。キャッシュのケースごとに、トークンの合計と 1 回あたりのコストを出力します。

```python
import json, urllib.request

PRICES = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json"))
m = next(x for x in PRICES["models"] if x["id"] == "broadnet/deepseek-v4.1-flash")
p_in, p_cached, p_out = m["input_per_m"], m["cached_input_per_m"], m["output_per_m"]

def run_tokens(steps, base=15_000, growth=3_000, out_per_step=800, cache_rate=None):
    total_in = steps * base + growth * steps * (steps - 1) // 2
    if cache_rate is None:                      # best case: only new tokens miss
        new_in = base + (steps - 1) * growth
    else:
        new_in = round(total_in * (1 - cache_rate))
    return total_in, new_in, steps * out_per_step

def run_cost(total_in, new_in, out):
    return ((new_in * p_in) + (total_in - new_in) * p_cached + out * p_out) / 1e6

for steps in (10, 30, 60):
    for label, rate in (("best", None), ("80%", 0.8), ("none", 0.0)):
        t, n, o = run_tokens(steps, cache_rate=rate)
        print(f"{steps:>3} steps  cache {label:>4}  input {t:>9,}  new {n:>9,}  "
              f"output {o:>6,}  cost/run {run_cost(t, n, o):.4f} USD")
```

デフォルト値をご自身の数字に置き換えてください。推測ではなく、実際の 1 回の実行から読み取ります。

1.  [エージェントのトークン予算の記事](https://broadrouter.com/ja/blog/agent-token-budget/)のように、すべての呼び出しで `prompt_tokens`、`prompt_tokens_details.cached_tokens`、`completion_tokens` を記録します。
2.  **B** は最初の呼び出しの `prompt_tokens` です。**g** は、ある呼び出しから次の呼び出しへの `prompt_tokens` の平均増加量です。
3.  1 ステップあたりの出力は `completion_tokens` の平均です。出力として課金される[推論トークン](https://broadrouter.com/ja/glossary/reasoning-tokens/)を含みます。
4.  実際のキャッシュ率は、`cached_tokens` の合計を `prompt_tokens` の合計で割ったものです。

無料の[エージェント実行コスト見積もりツール](https://broadrouter.com/tools/agent-run-cost-estimator/)は同じ計算をブラウザで行うので、コードを書かずにほかのステップ数、増加量、キャッシュ率を試せます。

## 実行コストが見積もりを上回る原因は？

-   **再試行。** 失敗したツール呼び出しや 429 の再試行も、完全なコンテキストを伴う呼び出しです。ステップとして数えてください。
-   **プレフィックスの変更。** システムプロンプト内のタイムスタンプ、順番の変わったツール一覧、実行中に編集されたルールファイルは、変更箇所以降のキャッシュ入力を新規入力に戻してしまいます。
-   **圧縮。** 履歴を要約するとコンテキストが縮み、以降の入力は減りますが、新しい履歴は一度もキャッシュされていないので、次の呼び出しは入力の全額を払います。圧縮はまれに、大きな単位で行ってください。タイミングについては[長時間動くエージェントのコンテキスト管理](https://broadrouter.com/ja/blog/long-running-agent-context-management/)をご覧ください。
-   **大きなツール出力。** ステップ 5 で加わった 20,000 行のテストログは、以降のすべてのステップに付いて回ります。式でいえば、20,000 ×（残りのステップ数）の入力トークンが加わります。
-   **推論の強さ。** 強い推論は 1 ステップあたりの出力を何倍にもすることがあります。定型的な編集では `reasoning_effort` を `low` にしてください。
-   **迷走。** 30 ステップのタスクに 60 ステップかけるエージェントは、2 倍ではなく 2 乗の代償を払います。ステップ数の上限はコストの上限です。レバーは[コーディングエージェントのコストを削減する 10 の方法](https://broadrouter.com/ja/blog/cut-coding-agent-llm-costs/)にまとめています。

## 定額セッションがトークン課金に勝つのはいつですか？

1 回のコストを月額に換算します：**月額コスト = 1 回のコスト × 月の実行回数**。それを定額プランと比べます。BroadNet のプランでは、DeepSeek V4.1 Flash をトークンのメーターなしで使えます。Full Moon は月 $60、Orbit は週 $15、Meteor は 1 時間 $1 で、いずれも 1 セッションあたりです。

**損益分岐となる月の実行回数 = プラン価格 ÷ 1 回のコスト。**

この比較が見た目ほど単純でない理由が 2 つあります。

1.  **キャッシュ率がトークン課金側を決める。** キャッシュ率が高ければ Flash のトークン課金は安く、$60 を超えるには多くの実行が必要です。キャッシュ率が低ければすぐに超えます。定額の記事では、損益分岐点を月間の量として示しています。キャッシュ 80% で入力約 9.17億、出力約 4,600万 トークンです（[損益分岐点の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)）。
2.  **時間が定額側の上限を決める。** セッションは同時に 1 リクエストを処理します。1 回の呼び出しが平均 20 秒（プリフィル、毎秒約 100 トークン で約 800 出力トークン、ツールの時間）かかるなら、30 ステップの実行は約 10 分です。すると 1 セッションに収まるのは 1 時間に最大約 6 回です。並列のエージェントが増えれば、セッションも増やす必要があります。

短いバーストなら、Meteor も規模が小さいだけで同じ考え方です。1 時間に 6 回収まるなら、1 回あたり $1 ÷ 6 です。これを、スクリプトで出した 1 回あたりのトークン課金のコストと比べてください。ご自身の量で試すには、[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/)をお使いください。

| 利用パターン | たいてい安いのは |
| --- | --- |
| 1 日に短い実行が数回 | トークン課金 |
| キャッシュの効きが悪い長い実行 | 定額セッション |
| 勤務時間の大半でエージェントが動く | 定額セッション |
| 複数のエージェントが一日中並列で動く | エージェントごとに定額セッション 1 つ |
| BroadNet でネイティブのツール呼び出しが必要 | GLM 5.3 か Qwen3.8 27B のトークン課金 |

## BroadNet Inference の位置づけ

BroadNet は usage ブロックでキャッシュトークンと推論トークンを報告するので、上のすべての数字をご自身の実行から測定できます。DeepSeek V4.1 Flash はキャッシュ入力の価格が安く、コンテキストは 1,048,576 トークンで、無制限プランならトークンのメーターがなくなります。[セッションの仕組み](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)をご覧ください。

まず 1 つの制約を確認してください。BroadNet のドキュメントでツール呼び出しが記載されているのは [GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) と [Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) だけで、どちらも定額プランの対象ではありません。[Aider](https://broadrouter.com/ja/guides/aider-unlimited-deepseek/) のようにテキストで編集するエージェントには、ネイティブのツール呼び出しは不要です。ご自身のエージェントで必要なら、プランを買う前にそのエージェントで DeepSeek V4.1 Flash を試すか、GLM や Qwen をトークン課金で予算化してください。また、エージェントをたまにしか動かさないなら、どの定額プランよりもトークン課金のほうがたいてい安く済みます。

関連する無料ツール（英語）

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [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.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[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。

[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。

[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。

[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。

[コンテキストエンジニアリング（context engineering）](https://broadrouter.com/ja/glossary/context-engineering/)

コンテキストエンジニアリングとは、システムプロンプト、ツール定義、履歴、検索した文書、メモなど、モデルが各リクエストで見るトークンの集合を選び、保守する作業です。タスクに必要な、最小限で情報価値の高い内容をモデルに渡すことを目指します。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[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。

## よくある質問

### AI コーディングエージェントの 1 回の実行にはいくらかかりますか？

トークンを数えてから、価格を当てはめます。この記事の例では、ベースコンテキスト 15,000 トークン、1 ステップごとに 3,000 トークン増える 30 ステップの実行で、入力 1,755,000 トークン、出力 24,000 トークンを送ります。いくらになるかは、主に入力のどれだけがキャッシュ料金で課金されるかで決まります。

### エージェントの実行が長くなると、コストが不釣り合いに増えるのはなぜですか？

各ステップが、それ以前のすべてを再送するからです。1 ステップあたりの入力は直線的に増えるので、実行全体の合計はステップ数の 2 乗で増えます。試算例では、実行を 30 ステップから 60 ステップに倍増すると、入力は約 3.5 倍になります。

### コーディングエージェントのキャッシュヒット率はどのくらいを見込めばよいですか？

エージェントとプロバイダーによります。履歴を厳密に追記のみにすれば、ミスするのは最新のトークンだけで、この記事の例では 85%〜97% でした。履歴の編集、システムプロンプト内のタイムスタンプ、長い中断はヒット率を下げます。prompt\_tokens\_details.cached\_tokens で測ってください。

### エージェントで定額セッションがトークン課金より安くなるのはいつですか？

1 回のコスト × 月の実行回数がプラン価格を上回るときです。BroadNet では、DeepSeek V4.1 Flash の Full Moon は 1 セッション月 $60 です。軽い利用やたまの利用なら、たいていトークン課金のほうが安くなります。

### 推論トークンで見積もりは変わりますか？

変わります。推論トークンは出力として課金され、出力は入力よりトークン単価が高いからです。測定した推論の量を 1 ステップあたりの出力に含めてください。BroadNet では、モデルが提供する場合、completion\_tokens\_details.reasoning\_tokens で報告されます。

## 続けて読む

-   [エージェントのトークン予算：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/)
-   [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）](https://broadrouter.com/ja/blog/cut-coding-agent-llm-costs/)
-   [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/)
-   [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/)
-   [長時間動くエージェントのコンテキスト管理：100 万トークンを活かす](https://broadrouter.com/ja/blog/long-running-agent-context-management/)
-   [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/)
-   [OpenClaw と Hermes Agent を安いモデルで動かす：設定とトークン計算](https://broadrouter.com/ja/blog/openclaw-hermes-agent-cheap-model/)
-   [ガイド：エージェント向け無制限 LLM API プランのしくみ](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)
-   [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/)

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-ai-coding-agent-run-cost&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference API リファレンス：usage フィールド、cached\_tokens、推論は max\_tokens に含まれること、制限（2026-11-15 確認）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-ai-coding-agent-run-cost&utm_content=sources)
-   [BroadNet Inference 料金ページと pricing.json、価格更新 2026-11-14（2026-11-15 確認）（英語）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-ai-coding-agent-run-cost&utm_content=sources)
-   [BroadNet Inference プランページ：1 セッションにつき同時に 1 リクエスト、トークンのメーターなし（2026-11-15 確認）（英語）](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-ai-coding-agent-run-cost&utm_content=sources)
-   [OpenAI プロンプトキャッシュガイド：プレフィックス一致と最小キャッシュ長（2026-11-15 確認）](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [DeepSeek API ドキュメント、コンテキストキャッシュ：リクエストの境界でキャッシュ単位を保存（2026-11-15 確認）](https://api-docs.deepseek.com/guides/kv_cache)
