---
title: "推論トークンの料金：出力コストが高くなる理由 | BroadRouter"
description: "推論モデルは隠れた思考を出力トークンとして課金します。その計測方法、モデルごとのコスト、reasoning_effort・max_tokens・ルーティングによる削減方法を解説します。"
url: https://broadrouter.com/ja/blog/reasoning-tokens-cost/
lang: ja
updated: 2026-11-14
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/reasoning-tokens-cost/)（2026-11-16 更新）。

# 推論トークン：見えている以上の出力に課金される理由

BroadNet Inference チーム · 約 4 分で読めます · 公開日 2026-11-14 · 更新日 2026-11-16

推論モデルは回答の前に隠れた思考を書き、その推論トークンは出力の単価で課金されます。200 トークンの返信の裏に、1,000 トークン以上の思考があることもあります。BroadNet Inference では DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B が推論します。reasoning\_effort を low にし、max\_tokens を適切に設定し、単純なステップは非推論モデルに回せばコストを下げられます。

## 要点

-   推論トークンは completion\_tokens に数えられ、目に見えなくても出力の単価で課金されます。
-   推論トークン 1,000 個ずつの返信が 1,000 件あれば、出力が 100 万トークン増えます。DeepSeek V4.1 Flash なら $0.52、GLM 5.3 なら $3.46 です。
-   usage.completion\_tokens\_details.reasoning\_tokens を読めば、請求額のうち思考に使われた割合を計測できます。
-   単純なタスクでは reasoning\_effort を low にし、max\_tokens は最後まで書ける大きさに保ち、簡単なステップは推論しないモデルにルーティングします。
-   無制限の DeepSeek V4.1 Flash プランでは、推論にトークンのコストはかかりません。

**このページの内容**

1.  推論トークンとは何ですか？
2.  推論トークンはどのように課金されますか？
3.  推論で請求額はどれくらい増えますか？
4.  推論トークンはどう計測しますか？
5.  推論コストを抑える 4 つの方法
6.  どのタスクにどの設定を使えばよいですか？
7.  推論に追加のコストがかからなくなるのはどんなときですか？
8.  BroadNet Inference が向いている用途

短い質問を送り、2 行の回答が返ってきたのに、請求には出力 1,400 トークンと表示されている。これは不具合ではありません。モデルは回答の前に考え、その思考が課金されたのです。この記事では、推論トークンの数え方、モデルごとのコスト、そしてそれを制御する 4 つの設定を説明します。

## 推論トークンとは何ですか？

推論モデルは、内部の思考の連鎖を書いてから、目に見える回答を書きます。どちらも同じ 1 回の生成から出てきます。思考の部分は[推論トークン](https://broadrouter.com/ja/glossary/reasoning-tokens/)でできています。標準的な chat completions のレスポンスでは、回答は `message.content` に入り、思考は数えられるだけで表示されません。

OpenAI の推論ガイドは、このルールをはっきりと書いています。推論トークンは “still occupy space in the model’s context window and are billed as” output tokens（訳：引き続きモデルのコンテキストウィンドウの領域を占め、出力トークンとして課金される）。他のプロバイダーも同じルールに従っています。

## 推論トークンはどのように課金されますか？

推論トークンは `completion_tokens` の一部なので、出力の単価で課金されます。そして出力は高いほうのメーターです。

| モデル | 先に推論するか | 出力 100 万あたり | 入力 100 万あたり |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) | はい | $0.52 | $0.175 |
| [GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) | はい | $3.46 | $0.78 |
| [Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) | はい | $2.17 | $0.175 |
| [Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) | 掲載なし | $0.22 | $0.10 |

料金は BroadNet Inference のもので、2026-11-14 に同期しています。同じモデルに他社がいくら付けているかは [LLM API 料金表](https://broadrouter.com/ja/llm-api-pricing/)にあります。たとえば [GLM 5.3 のプロバイダー別料金](https://broadrouter.com/ja/llm-api-pricing/glm-5.3/)です。

## 推論で請求額はどれくらい増えますか？

1 語のラベルを返す分類器を例にとります。目に見えるトークンは約 10 個です。モデルが先に 1,000 トークン考えると、出力の請求額の 99% は思考です。

規模を大きくすると、**推論トークン 1,000 個ずつの返信が 1,000 件あれば、出力が 100 万トークン増えます。** その費用は、目に見える回答とは別に、DeepSeek V4.1 Flash で $0.52、Qwen3.8 27B で $2.17、GLM 5.3 で $3.46 です。

量はタスクによって変わります。難しい数学や複数ファイルにまたがるコードの推論では数千トークンに達することもあり、あいさつならほとんど不要です。だからこそ計測が必要です。

## 推論トークンはどう計測しますか？

モデルが数を提供している場合、usage ブロックに報告されます。

```python
r = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Is 'refund my order' a billing or shipping intent?"}],
    max_tokens=1000,
)
u = r.usage
reasoning = (u.completion_tokens_details.reasoning_tokens or 0) if u.completion_tokens_details else 0
print("output:", u.completion_tokens, "reasoning:", reasoning,
      "share:", round(reasoning / max(u.completion_tokens, 1), 2))
```

これをタスクの種類ごとに 1 週間記録してください。たいていは、少数のタスクが思考の大半を占めていることが分かります。ストリーミングでは `stream_options: {"include_usage": true}` を加えてください。数は最後のチャンクで届きます（[ストリーミングのガイド](https://broadrouter.com/ja/guides/streaming-chat-completions/)）。

## 推論コストを抑える 4 つの方法

### 1\. 単純なタスクでは `reasoning_effort` を下げる

`reasoning_effort` は、モデルに考える量を減らすよう求めます。BroadNet のガイドでは、分類、抽出、整形に `low` を使っています。

```python
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
                               max_tokens=1000, messages=msgs)
```

OpenAI は自社モデルについて、`none` と `minimal` から、`low`、`medium`、`high`、さらに `xhigh` と `max` まで、より広い範囲の値を記載しており、“some models support only a subset”（訳：一部の値にしか対応していないモデルもある）としています。使うモデルがどの値を受け付けるかを確認し、同じサンプルで変更前後の出力トークン数を比べてください。

### 2\. `max_tokens` は締め付けではなく上限として設定する

[`max_tokens`](https://broadrouter.com/ja/glossary/max-tokens/) は推論と回答をまとめて制限します。暴走した返信を止められますが、低く設定しすぎると、モデルが予算をすべて思考に使い、`finish_reason: "length"` で空の回答を返すことがあります。その思考の分は支払ったうえで、リトライも必要になります。BroadNet は推論モデルには 1,000 トークン以上を推奨しています。[推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)をご覧ください。

### 3\. 簡単なステップは推論しないモデルにルーティングする

すべてのステップに思考が必要なわけではありません。JSON の整形、フィールド名の変更、FAQ の検索への回答は、BroadNet が推論機能を掲載していない Gemma 4 VL 26B（出力 100 万あたり $0.22）に任せられます。推論モデルは、計画、デバッグ、複数ステップの回答のために取っておきましょう。ルーティングする前に、自社のサンプルで品質をテストしてください。

### 4\. プロンプトから「ステップごとに考えて」を削除する

推論モデルはもともと考えます。そのうえで目に見えるステップごとの推論を求めると、隠れた思考と回答内の説明とで 2 回書くことになります。必要な形式で最終的な答えだけを求めてください。

## どのタスクにどの設定を使えばよいですか？

| タスク | 推論の強度 | max\_tokens | モデルの候補 |
| --- | --- | --- | --- |
| 分類、ルーティング | low | 1,000 | Gemma 4 VL 26B または DeepSeek V4.1 Flash |
| JSON への抽出 | low | 1,000〜2,000 | DeepSeek V4.1 Flash、構造化出力なら GLM 5.3 |
| 顧客への返信の下書き | low またはデフォルト | 2,000 | DeepSeek V4.1 Flash |
| デバッグ、計画、コードレビュー | デフォルト以上 | 8,000 または未設定 | DeepSeek V4.1 Flash または GLM 5.3 |

これらは出発点です。自社のデータで出力トークン数と品質を計測し、調整してください。

## 推論に追加のコストがかからなくなるのはどんなときですか？

定額プランのときです。BroadNet の Full Moon プランは、セッションごとに月 $60 で DeepSeek V4.1 Flash を無制限に使え、トークン計量がないので、推論トークンにトークン単位のコストはかかりません。ただし時間はかかります。標準的な速度 毎秒約 100 トークン でも、推論トークンはすべて回答が始まる前に生成されるため、長く考えるほど回答が遅れます。[定額がトークン課金より得になるとき](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)と、[コーディングエージェントの請求額を下げるさらに 10 の方法](https://broadrouter.com/ja/blog/cut-coding-agent-llm-costs/)もご覧ください。

## BroadNet Inference が向いている用途

BroadNet は、`https://inference.broadnet.ai/v1` の 1 つの [OpenAI 互換](https://broadrouter.com/ja/glossary/openai-compatible-api/)キーで、3 つの推論モデルと、推論機能を掲載していない 1 つのモデルを提供しており、各レスポンスで利用量を報告します。そのため、タスクごとにルーティングして差を計測するのが簡単です。目に見える推論の要約が付いたクローズドモデルが必要なら、そのベンダーの API を使ってください。BroadNet のチャットカタログにクローズドモデルはありません。[プランを見る](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-reasoning-tokens-cost&utm_content=body)。

関連する無料ツール（英語）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [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.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[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。

[入力トークンと出力トークン（input and output tokens）](https://broadrouter.com/ja/glossary/input-and-output-tokens/)

入力トークンとは、モデルがリクエストで読むトークンで、システムプロンプト、会話履歴、ツール定義、画像を含みます。出力トークンは、推論を含めモデルが返答として生成するトークンです。LLM API は通常この 2 つを別の単価で課金し、出力のほうが高額です。

[コンテキストウィンドウ（context window）](https://broadrouter.com/ja/glossary/context-window/)

コンテキストウィンドウとは、言語モデルが 1 回のリクエストで扱えるトークン数の上限です。プロンプト、会話履歴、ツール定義、画像、推論トークンを含む出力がすべて入ります。収まらない部分は削るか要約するか、複数のリクエストに分けます。

[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。

[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。

[Chain-of-Thought（CoT、思考の連鎖）](https://broadrouter.com/ja/glossary/chain-of-thought/)

Chain-of-Thought（CoT）とは、言語モデルに最終的な答えの前に途中の推論ステップを書かせる、あるいはその例を示すプロンプトの手法です。算数や論理のような多段階の問題で精度が上がり、今では推論モデルが自動的に生成します。

[Chat Completions API（チャット補完 API）](https://broadrouter.com/ja/glossary/chat-completions-api/)

Chat Completions API とは、OpenAI の HTTP エンドポイント POST /v1/chat/completions で、モデル名とロール付きメッセージのリストを受け取り、モデルの次のメッセージを返します。そのリクエストと応答の形は、OpenAI 互換のプロバイダーや SDK が使う共通形式になりました。

[max\_tokens（最大出力トークン数）](https://broadrouter.com/ja/glossary/max-tokens/)

max\_tokens とは、モデルが 1 回の応答で生成できるトークン数の上限を決める LLM API のパラメーターです。生成が上限に達すると止まり、応答は途中で打ち切られたものとして、たとえば finish\_reason が "length" になります。

## よくある質問

### 推論トークンは入力と出力のどちらとして課金されますか？

出力です。モデルが生成するもので、completion\_tokens に含めて報告され、100 万トークンあたりの出力単価で課金されます。

### 推論を完全にオフにできますか？

モデルによります。OpenAI のドキュメントには、一部のモデルで none や minimal を含む effort の値が記載されています。BroadNet では reasoning\_effort を low にするか、BroadNet が推論機能を掲載していない Gemma 4 VL 26B を使ってください。

### 推論モデルで max\_tokens を低くすると節約になりますか？

一部だけです。請求額に上限はかかりますが、推論が予算を使い切ると、思考の分を支払ったうえで空の回答が返ってきます。代わりに推論の強度を下げ、max\_tokens は 1,000 以上に保ってください。

### 推論の内容は見られますか？

通常、content フィールドには含まれません。モデルが報告する場合は、usage ブロックの completion\_tokens\_details.reasoning\_tokens に推論トークンの数が示されます。

## 続けて読む

-   [LLM API 料金の仕組み：入力・キャッシュ・出力・推論トークンを解説](https://broadrouter.com/ja/blog/llm-api-pricing-explained/)
-   [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/)
-   [LLM API の料金改定まとめ 2026 年 10 月：値上げ 3 件、値下げなし](https://broadrouter.com/ja/blog/llm-api-price-changes-october-2026/)
-   [LLM API の料金はどのくらいの頻度で変わる？3 年分のアーカイブ調査](https://broadrouter.com/ja/blog/how-often-llm-api-prices-change/)
-   [ガイド：推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)
-   [ガイド：chat completions のストリーミングと接続切断への対処](https://broadrouter.com/ja/guides/streaming-chat-completions/)

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-reasoning-tokens-cost&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference API リファレンス：推論とキャッシュトークン（2026-11-15 確認）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-reasoning-tokens-cost&utm_content=sources#models)
-   [BroadNet Inference の機械可読な料金（pricing.json）（2026-11-15 確認）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-reasoning-tokens-cost&utm_content=sources)
-   [OpenAI 推論ガイド：課金、effort の値、max\_output\_tokens（2026-11-14 確認）](https://developers.openai.com/api/docs/guides/reasoning)
