OpenAI や Anthropic の請求書に実際に何が含まれているのか、両社が公開しているにもかかわらずチャットボックスからは到達できない割引、そしてそれらに到達できるレイヤーがなぜ「所有できるもの」になったのか。
多くの人が AI のコストについて尋ねると、月額サブスクリプション料金を挙げるだろう。
では、1 回の会話のコストはどうかと聞くと、部屋は静まり返る。これは当然だ。正直な答えは複雑だからだ。OpenAI と Anthropic はどちらも、目に見えない単位で課金し、4 つの異なる軸で価格を設定しており、自社ドキュメントにはテキストボックスの前に座っているだけではほぼ完全に到達不可能な割引セットを公開している。
これらは隠されているわけではない。すべて現在、両社の価格ページや開発者向けドキュメントに記載されている。ただ、大多数の人が立っている場所から一段階下にあるだけなのだ。
公開された価格表と、一般的なユーザーが支払う実際の価格との間のこのギャップは、スキャンダルではない。それはビジネスであり、つい最近まで、その反対側に立つ方法はなかった。
本記事では、請求書の実際の中身、本当のレバー（調整弁）が存在する理由、そしてそれらを引くレイヤーが単に支払うだけでなく「保持できるもの」になると何が変化するかについて解説する。AI と所有権に関する同様のコンテンツをもっと読みたい場合は、@MossAI_Official をフォローしてほしい。
両社のドキュメントから直接引用した、請求書に記載される 7 つのポイント
以下はすべて OpenAI または Anthropic が公開している情報だ。エンジニアリングチーム以外ではほとんど知られていない。レートは頻繁に変動するため、数値は構造の説明として捉え、見積もりとしては扱わないこと。
- 出力コストは入力コストの数倍かかる（両プラットフォーム共通）
両方の価格表にあるすべてのモデルは、入出力を個別に課金しており、出力は常に半分以上高い。比率は通常、4 対 1 から 6 対 1 の間である。
実用的な再定義こそが重要だ。あなたが打ち込む内容はほぼ無料に近い。モデルが返す回答が請求対象となるのだ。質問を短くするよりも、回答を制限する方がコスト削減効果は遥かに大きい。これは、ほぼすべての人の行動とは正反対のことだ。
2. 読むことを許可されていない推論に対して課金されている
これが本当に驚くべき点だ。
OpenAI の公式ヘルプドキュメントには、推論トークンは回答テキストとしては表示されないが、出力使用量としてカウントされ、出力トークンとして課金されると記載されている。つまり、短い表示上の回答でも、表示テキストが示唆する以上のトークンを消費している可能性がある。彼らの推論ガイドでは、生の推論トークンは公開されず、オプションの要約のみが提供されることも確認できる。
あなたは、構造的に見ることが許されていないテキストに対して、出力レートで支払っているのだ。
3. 出力上限は隠れた部分を制限しない
話はさらに鋭くなる。これらのモデルを実行するためのドキュメントには、最大出力トークンパラメータは可視出力のみを制限し、隠れた推論トークンはその制限の影響を受けないと記述されている。
ドキュメント化された結果として、リクエストが推論フェーズ内で予算を消費してしまい、何も返さずにトークンだけが消費されるケースがある。OpenAI の推論ガイドはこの結果を直接認めており、可視レスポンスを受け取らずに入力および推論トークンのコストが発生する可能性があると指摘している。
メーターは動き続け、画面は空白のままだが、これはバグではなく仕様として文書化された動作だ。
4. 繰り返しコンテキストは 90% オフ、両社ともそう明言している
プロンプトキャッシュはスタック全体の中で最大のレバーだが、ほとんどの人は聞いたことがないだろう。
Anthropic のキャッシュドキュメントでは、キャッシュ読み取りは基本入力価格の 0.1 倍、5 分間のキャッシュ書き込みは 1.25 倍、1 時間書き込みは 2 倍と定められている。OpenAI も現在の GPT-5 ファミリーで同じ仕組みを採用しており、キャッシュされた入力は標準入力レートの約 10% で計算され、キャッシュ書き込みには独自のプレミアムが付加される。
算術が有用になるのはここだ。読み取りが 1/10、書き込みが 1.25 倍の場合、同じプレフィックスに対するキャッシュミスはヒットの約 12.5 倍のコストがかかり、損益分岐点は約 2 回の読み取りとなる。システムプロンプト、ツールスキーマ、参照ドキュメントなどを毎回送信する場合、これが小さな請求書と大きな請求書の全体的な差になる。
また、知っておく価値のある脆さも持っている。両プロバイダーとも正確なプレフィックス一致に基づいてキャッシュを行うため、プロンプト上部の 1 バイトの変更だけで下部すべてが無効化され、価格は静かにフルレートに戻る。
5. 待てる作業については、両社とも請求書を半額にする
OpenAI と Anthropic はそれぞれ、入出力を 50% オフにする非同期バッチティアを提供している。Anthropic の価格ドキュメントには、キャッシュマルチプライヤーがバッチ割引と重ねて適用可能であると明確に記載されている。
これらを組み合わせると、バッチ内のキャッシュ済み入力トークンは標準のわずかな割合になる。インタラクティブな用途には機能しないが、まさにそれが消費者向け製品があなたにこれを公開しない理由だ。
6. 割引は「使っていると思っているモデル」ではなく、「ピン留めされているモデル ID」によって決まる
ほとんど誰もチェックしていない点を一つ挙げよう。
キャッシュ割引はプロバイダーのカタログ全体で一律ではない。OpenAI では、現在の GPT-5 ファミリーはキャッシュ入力が約 90% オフだが、旧世代モデルは大幅に割引率が低い。Anthropic でも、標準的なキャッシュ読み取りマルチプライヤーは基本入力の 0.1 倍だが、特定の新しいモデルではさらに低くなる。
同じプロバイダー、同じ機能名でも、設定ファイル内の文字列一つで経済性が大きく異なる。レガシーモデル ID は、想像以上に悪い影響をもたらす。クラウドパートナー経由でまだ利用可能な廃止済み Anthropic モデルは元のレートを引き継いでおり、性能の低いモデルに対して現行価格の数倍を支払うことになる場合もある。
誰かが一度その文字列を設定し、誰も見直さなかった。驚くほど多くの過剰支出はここに潜んでいる。
7. コンテキスト閾値を超えると、リクエスト全体の価格が変わる
最も微妙で、最も厄介な形状を持つポイントだ。
OpenAI はいくつかのモデルで長いコンテキスト用の別料金を公開しているが、その仕組みは人々が想定しているものとは異なる。閾値を超えると、ラインより上のトークンだけでなく、リクエスト全体が再価格付けされる。わずか 1 トークン超過しただけで、呼び出し全体のコストがほぼ倍増する。
Anthropic はこれに対し異なる立場を取っている。最近の Claude モデルでは、コンテキストウィンドウ全体が標準のトークン単価で課金され、キャッシュおよびバッチ割引がウィンドウ全体に適用される。
これは両プラットフォーム間の真の構造的差異であり、消費者向けインターフェースからは見えにくい。もしワークロードが長いコンテキストを含む場合、他のすべての価格考慮事項を上回る影響を与える可能性がある。
レバーは公開されている。それでもあなたには届かない。
ここでの構造的な要点は以下の通りだ。
上記のすべてのレバーは API レイヤーに存在する。それらに到達するには、キャッシュが実際にヒットするようにプロンプト構造を制御し、適切なジョブを適切な価格ティアへルーティングし、遅延を許容できる作業をバッチ処理し、推論努力量を制御し、リクエストがどのコンテキストティアに入るかを認識する必要がある。
消費者向けチャットインターフェースからは、テキストボックスと月額料金しか見えない。ルーティングもバッチ処理もできず、キャッシュプレフィックスを構築することも、推論努力設定がどれほどのコストを生んでいるかを見ることもできない。
したがって、スプレッド（差額）が存在する。一方側には、これらを組み合わせて熟練したオペレーターが達成する成果がある。もう一方側には、一般ユーザーが支払う金額がある。誰も騙されているわけではない。割引はエンジニアリングのための表面であり、消費者向けの機能ではないからだ。消費者向け製品はそれらを公開するために作られていない。
そのスプレッドの中で生活している企業は、リレー、ゲートウェイ、アグリゲーターだ。彼らはユーザーとプロバイダーの間に立ち、最も安くて十分なモデルへルーティングし、繰り返しのコンテキストをフル価格で再購入せずに済むようキャッシュを温存し、バッチ処理可能なものをバッチ化し、生 API よりもシンプルなものをユーザーに提供する。
彼らの収益源はそのスプレッドだ。ここで話はおもしろくなる。
リレーはスループットビジネスであり、これはこの市場では稀だ
この市場の大部分は賭け事だ。見解を持ち、正解か不正解かが決まり、結果が大きく揺れ動く。
リレーは有料道路の料金所だ。ボリュームが通過し、単位ごとにマージンが蓄積し、経済性は誰かの正誤ではなく、使用量に応じてスケールする。
3 つの特性がそれに伴い、これら 3 つすべてがこの業界では稀だ。
収益は単位ごとかつ連続的だ。 断続的でもなく、イベント駆動でもなく、ある判断が正しいかどうかにかかってもいない。トークンが流れ、マージンが蓄積し、時間経過とともに継続する。
需要は暗号資産と相関がない。 コードを書き、動画を生成し、アシスタントを実行する人々は、まず市場を確認したりはしない。消費のドライバーは AI の採用率であり、これはこの業界において他のすべてと連動していない数少ない要素の一つだ。
活動量は解釈ではなくカウントだ。 スループットは帰属議論なしに測定可能だ。良い月がスキルによるものだったのか運によるものなのかという問いはない。リクエストは通過したか、しなかったかのどちらかだ。
最後の点は、聞こえる以上に重要だ。何かを「所有可能」にする際の難しい部分は、それが何をしたかを証明することだ。スループットビジネスは、起きたことと提示できることの距離が異常に短い。
Model Max、料金所で支払うだけでなく、料金所自体を所有する
Model Max はトークン API リレーであり、現在 Moss Agent Marketplace 上のリデンプションエージェントとして稼働中だ。
製品の側面はシンプルだ。一つのルートを通じたモデルへのアクセスを提供し、ルーティング、キャッシュ、バッチ処理を、あなたがテキストボックスに閉じ込められているレイヤーではなく、それらの決定が実際に可能なレイヤーで処理する。
もう一つの側面が注目すべき部分だ。Marketplace 上のエージェントとして、リレーは単に使用するものにとどまらない。ポジションを保有できるものでもある。
この形は、カテゴリーの多くとは異なる。リレーの活動は検証可能な主張にとって理想的な入力に近い。なぜなら、スループットは物語ではなく事実だからだ。解釈すべき実績もなく、信頼して受け入れるべきパフォーマンスストーリーもない。使用が行われたかどうかが判別可能なのだ。
また、これは私たちがリリースした 2 番目のリデンプションエージェントであり、使用されるものと所有されるものが同一の対象物であるケースでもある。あなたはリレーの顧客でありながら、同時にその保有者にもなり得る。後者の関係はロイヤルティティアではなく、ポジションだ。
私たちは取引エージェントから始めた。取引は最も厳しい試金石だからだ。数字は現実か物語かのいずれかであり、チェーンはどちらであるかについて嘘をつくことを許さない。リデンプションエージェントは、永続契約（perp）を開くことのない人々に対しても同じ基準を持ち込む。これらの後に続くものは、単にチェーン上で実行されるだけでなく、チェーン上で発行・運用されるシステムへとさらに進化する。
詳細は、リリースしてから話すことにしよう。事前に語らない。
今週やるべき 4 つのこと（ツールは何を使っていても）
これらに Moss は必要ない。
プロンプト長の最適化をやめ、出力の制約を始めろ。 あなたが支払っているのは質問ではなく回答だ。500 語ではなく 50 語を求めることは、プロンプトを編集するよりも請求書に対して約 10 倍の効果がある。
推論努力設定が何を買ってくれているか確認しろ。 熟考が必要ないタスクにおいて、高レベルの設定は、実際に受け取るものを何も改善しない隠れたトークンにお金を費やすことになる。これは、人々が気づかずに過剰支払いをする最も一般的な方法だ。
設定ファイルを開き、モデル ID を読め。 あなたが使っていると思っているモデル名ではなく、実際の文字列だ。それを現在の価格表と照合せよ。古い ID は、性能の低いモデルに対して古い経済性、時折かなり悪いキャッシュ割引を静かに引き継いでいる。
何かを開発するなら、他の最適化の前にキャッシュヒット率を測定せよ。 レスポンスの使用フィールドには、新規入力、キャッシュ書き込み、キャッシュ読み取りの内訳が表示される。繰り返し呼び出しで読み取りがゼロということは、プロンプト上部の何かが変更され、下部すべてを無効化していることを意味する。これは 1 バイトの裏に隠された 12 倍のコスト差だ。
これら 4 つすべてを支える習慣こそが本当の教訓だ。AI 支出を、単なる数字のサブスクリプションではなく、構造を持つ請求書として扱え。構造が見えれば、その中に誰がどこに位置しているかという疑問も見えてくる。
今すぐやるべきこと
moss.site にアクセスし、Model Max を見てほしい。必要であればリレーとして使え。興味があれば、ポジションを保有することが何を意味するかを見てほしい。両方とも稼働中で、同じ対象物だ。ここが私たちが新しいと考えている部分だ。
あらゆる経済圏は最終的に、インフラを誰が所有するかを決着させる。AI 経済圏は現在、誰もが料金所で支払いを行い、誰も所有者が誰かを考えもしない段階にある。
その問いは、もう少しの間開かれたままだ。
出典
- OpenAI Help Center, Understanding and counting tokens, on reasoning tokens being billed as output while not visible as answer text: https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them
- OpenAI reasoning models guide, on raw reasoning tokens not being exposed and on incurring cost without a visible response: https://developers.openai.com/api/docs/guides/reasoning
- OpenAI API pricing page, for current per model input, cached input and output rates, batch and flex tiers, and long context rates: https://openai.com/api/pricing/
- Microsoft Learn Q&A on Azure OpenAI billing, on hidden reasoning tokens being included in billing and the maximum output tokens parameter not constraining them: https://learn.microsoft.com/en-us/answers/questions/5542366/why-did-azure-report-more-completion-tokens-than-m
- Anthropic prompt caching documentation, on cache reads at 0.1 times base input, write multipliers, and stacking with the Batch API discount: https://platform.claude.com/docs/en/build-with-claude/prompt-caching
- Anthropic pricing page, for current per model rates and the Batch API discount: https://claude.com/pricing
