Anthropic、Claude Codeのトークン節約術を公開：モデル途中変更を避けてキャッシュを保護

かつての開発ツールは月額定固定費が当たり前で、午後中に1つのバグを直しても50個直してもツールの利用料は変わりませんでした。しかしClaude Codeのような自律型AIコーディングツールの登場により、同じ作業でも使い方次第でトークン消費量と金銭的コストが大きく変動するようになっています。

AnthropicのエンジニアであるLydia Hallie氏が、Claude Codeセッションにおけるトークン効率を最大化するための実践的なガイドを公開しました。

プロンプトキャッシュの仕組みと落とし穴

トークン課金の根底にあるのはGPUの推論時間です。リクエスト処理はコンテキストを読み込む事前入力（prefill）と、応答を生成するデコード（decode）の2段階に分かれます。デコードはGPUを長時間占有するため、出力トークンの価格は入力の約5倍に設定されています。セッション中に消費される思考トークンの量は、/effortコマンドで制御されます。

コストを抑える鍵となるのがプロンプトキャッシュです。キャッシュからの読み出しは通常の入力価格の10分の1（0.1倍）で済みます。キャッシュはツール定義、システムプロンプト、CLAUDE.md、会話履歴という前方プレフィックスが完全に一致している場合にのみ機能します。

会話の末尾にツールの実行結果を追加するだけならキャッシュは維持されます。しかし、セッションの途中で/modelを切り替えたり、/effortを変更したり、Fastモードを切り替えたりするとキャッシュキーが変わり、過去の全履歴が通常価格で再事前入力されることになります。プランモードの出入りでモデルを切り替えるopusplanも同様です。

さらにキャッシュには有効期限が存在します。サブスクリプションでは1時間、APIキーではデフォルトでわずか5分（環境変数ENABLE_PROMPT_CACHING_1H=1で1時間に延長可能）となっており、放置すればキャッシュは切れてしまいます。

セッションを無駄なく走らせる実践テクニック

キャッシュの特性を踏まえ、Hallie氏はいくつかの具体的な運用ルールを推奨しています。

タスク間には必ず/clearを実行すること。過去の無関係なコンテキストをリセットすれば、毎ターンの不要な入力トークンを削減でき、モデルの推論ノイズも防げます。

使用するモデルと推論労力はセッション開始前に決定すること。途中で変更するとキャッシュが破棄されるため、調整が必要な場合はセッション開始時か/clear直後に行うのが鉄則です。

ファイル指定には@-メンションを活用すること。プロンプト内でファイル名を記述するとモデルがReadツールや検索を呼び出すターンが発生しますが、@-メンションなら最初のメッセージに直接ファイルが添付され、往復のターンを省略できます。

出力の多いコマンドにはquietフラグを付けるか、サブエージェントで実行すること。端末に出力されたログは会話履歴に残り続け、その後の全ターンで再送信されるためです。

席を離れる前には/compactを実行すること。キャッシュが有効な1時間以内に会話の要約を行えば、0.1倍の格安料金でコンテキストを圧縮でき、休憩から戻った際の大規模な再事前入力を防げます。

なぜ重要か

このガイドは、AIエージェント時代における開発者の作法が根本的に変わりつつあることを明確に示しています。

開発者にとって、これらのテクニックは今すぐ実践する価値があります。特別なツールを導入する必要はなく、コマンドを打つ順番や指定方法を少し変えるだけで、APIコストを大幅に引き下げられるからです。また、文脈の不要な肥大化を防ぐことは、モデルの幻覚や見落としを減らす精度面でのメリットにも直結します。

業界全体から見ても、Anthropicが推論コストの内訳とキャッシュ破棄のトリガーをここまで詳細に開示したアプローチは極めて誠実であり、巧みだと考えられます。過剰なトークン消費をブラックボックスにして課金を稼ぐのではなく、効率的な使い方を開発者に共有することで、長期的な利用継続と信頼を獲得する狙いが伺えます。