BroadRouter

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

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。

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を読むか、プロンプトキャッシュ計算ツール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 に任せられます。ツールを多用するステップで 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 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で確認するか、損益分岐点の計算と定額で並列エージェントを動かす方法をお読みください。

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をご覧ください。

主なエージェントの設定ガイド:Aider、Cline、Zoo Code(提供終了した Roo Code のフォーク)、OpenCode。

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。

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。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く