先に要点
AIツールって気づくとすぐ重くなる セッションが長くなると賢くなるどころか雑になる トークンを食いすぎている気がする と感じる人は多いと思います。
実際、AIツールは長く使うほど便利になる場面もありますが、何でも同じ会話に積むと、精度もコストも悪くなりやすいです。
この記事では、2026年4月19日時点で、OpenAIのトークン解説、AnthropicのClaude Codeコスト管理ドキュメント、CursorのPricing / Rules公式情報を確認しながら、AIツールのセッションやトークンを節約する方法を実務目線で整理します。
AIが言う前提情報全体から先に整理したい場合は、AIのコンテキストとは？プロンプト・会話履歴・RAGとの違いを整理 も先に読むとつながりやすいです。
まず、セッション節約とトークン節約は少し違う
同じように見えて、実は少し意味が違います。
| 観点 | 何を減らしたいか | 主に困ること |
|---|---|---|
| セッション節約 | 長すぎる会話履歴、古い前提、不要な分岐 | AIが昔の話に引っ張られる、判断がぶれる |
| トークン節約 | 入力量、出力量、履歴、添付資料、ツール出力 | API料金が増える、上限に近づく、応答が重くなる |
トークンは、AIが文章やコードを処理するときの単位です。
OpenAIのヘルプでも、入力トークン、出力トークン、キャッシュ済みトークン、推論系のトークンが区別されると説明されています。
一方で、ユーザーが目にする問題は 料金 だけではありません。
会話が長くなりすぎると、古い指示や関係ないログが残り、AIの判断が鈍ることがあります。
つまり、節約は 安くする だけでなく、余計な前提を捨てて精度を戻す ためにも大事です。
一番効く節約術1：タスクごとに会話を分ける
これがたぶん一番効きます。
悪い例は、同じ会話で次を全部続けることです。
- Laravelのエラー調査
- メール文面の下書き
- 画像生成の相談
- 翻訳
- まったく別案件の仕様相談
こうすると、AIは前の会話を前提として抱え続けやすくなります。結果として、今回の依頼と関係ない文脈まで残り、答えがぶれます。
実務では、次のように分けるとかなり安定します。
Claude Codeの公式ドキュメントでも、無関係な作業へ切り替えるときは /clear を使って新しく始めることが勧められています。
同じ作業を続けるなら /compact、別作業へ移るなら /clear と考えると分かりやすいです。
一番効く節約術2：長文を丸ごと貼らず、必要箇所だけ抜く
AIに長い仕様書、巨大ログ、メールスレッド全体、コードベースの断片を丸ごと渡すと、すぐ重くなります。
しかも、重くなるだけでなく、重要な条件が埋もれやすいです。
OpenAIのトークン解説でも、上限に近づいたら 短くする 分割する 事前に要約する といった方法が案内されています。
これは実務でもかなりそのまま使えます。
たとえば、次のように変えるだけで差が出ます。
個人的には、最初に「何を削るか」を考える方が、「どううまく聞くか」より効くことが多いです。
一番効く節約術3：出力を短く制約する
入力だけでなく、出力もトークンを使います。
詳しく説明して 考えられることを全部出して を毎回やると、回答が長くなり、次の会話でもその長文を抱えやすくなります。
なので、まずはこういう指定が効きます。
量を絞る
先に結論だけ3点 / 200字以内
形を決める
表で比較 / 箇条書きだけ
範囲を絞る
差分だけ / 次のアクションだけ
特にAIコーディングでは、長い説明文より 原因候補3つ / 変更予定ファイル / 実行予定コマンド のような形の方が、読みやすくて安いです。
一番効く節約術4：毎回書く長い前提は常設ルールに逃がす
毎回同じ長文プロンプトを書くと、そのたびにトークンを使います。
しかもコピペ運用だと、古い指示が残りやすいです。
そのため、繰り返し使う前提は、ツール側の常設ルールへ寄せる方が楽です。
Cursorの公式Rulesドキュメントでも、Rulesは persistent context として使われ、毎回のチャットで同じ前提を再利用する考え方が示されています。
Cursorも 500 lines以下 分割する 具体的に書く を勧めています。
つまり、節約の観点でも次が大事です。
長さ
ルールを短く保つ。1ファイルに全部詰め込まない
適用範囲
いま使わないルールを常時適用しない
分け方
プロジェクト共通ルールと作業別ルールを分ける
一番効く節約術5：重いモデルやMax系は難所だけに使う
賢いモデルなら失敗が減るから、結局安い ことはあります。
でも、毎回それが正しいわけではありません。
実務では、次の分け方がかなり現実的です。
AnthropicのClaude Codeコスト管理ページでも、たいていのコーディング作業には Sonnet を使い、Opus は複雑な判断だけに寄せることが勧められています。
Cursorでも、Normal mode はモデルごとの固定リクエストで扱いやすく、Max Mode はトークンベースで重くなりやすいと案内されています。
つまり、常にMax 常に最上位モデル は、分かりやすいけれど雑です。本当に難しいところだけ重くする方が、結果的に安くなりやすいです。
一番効く節約術6：大きな仕事は1回で終わらせず、段階に分ける
1回の依頼で全部やらせようとすると、入力も出力も長くなります。
たとえば悪い例はこうです。
この30ページの仕様書を読んで、競合比較して、実装方針を決めて、見積りを出して、懸念点も洗い出して
これを分けるだけでかなり違います。
大きな仕事を段階に分ける
- 1まず要点だけ整理
最初は要点の整理だけを頼む。
- 2次に論点を3つに絞る
整理した要点から論点を絞る。
- 3その後に設計案
絞った論点をもとに設計案を出す。
- 4最後に見積りとリスク
設計案が固まってから見積りとリスクを出す。
こうすると、毎回必要な材料だけを持ち込めます。
AIの精度も上がりやすく、会話履歴の肥大化も抑えやすいです。
ツール別に見ると、どこを触ると効くか
会話を分ける。添付資料は必要な章だけ抜く
/clear・/compact・/cost・/context
Rules と課金モード（Normal mode / Max Mode）
ChatGPT
ChatGPT では、まず 会話を分ける のが基本です。
雑談、壁打ち、翻訳、仕様相談を1本にまとめない方が安定します。
また、添付資料を増やしすぎると、整理しきれないまま会話が長くなることがあります。
必要な章だけ抜く、先に自分で論点を箇条書きにする、という前処理が効きます。
Claude Code
Claude Code では、次の3つが特に効きます。
/clearで別タスクへ切る/compactで同じ作業を圧縮して続ける/costや/contextで膨らみ方を見る
公式ドキュメントでも、古い文脈は毎回のメッセージで無駄になると説明されています。
このあたりの実務コマンドは、Claude Codeで覚えておきたいコマンドと翻訳ワークフロー｜/compact・/clear・多言語化のコツ でも詳しく整理しています。
Cursor
Cursor では、Rules と課金モードの理解が大事です。
Normal mode は固定リクエスト寄りですが、Max Mode はトークンベースなので、巨大コンテキストや長い出力で急に重くなりやすいです。
さらに、Rulesを何でも常時適用すると、毎回の前提が重くなります。共通ルールは短く、必要なものだけ自動適用、重いルールは手動適用寄りにした方が扱いやすいです。
よくある失敗
失敗 1
同じ会話を捨てられない
過去の流れが残っている安心感はありますが、関係ない履歴まで持ち込みやすいです。
失敗 2
生ログ、生コード、全文資料を全部入れる
「多い方が伝わるはず」と思って逆にノイズを増やす典型です。
失敗 3
出力を長くさせすぎる
説明好きなAIほど、毎回長文を書かせると次の会話も重くなります。
失敗 4
常設ルールを育てず、毎回コピペする
トークンも無駄ですし、古い文言の温床にもなります。
失敗 5
失敗した方針を抱えたまま再試行する
同じ会話で何度も外すと、前の誤解を引きずることがあります。そういうときは、短い要点だけ残して切り直した方が早いです。
迷ったときの実務チェックリスト
AIトークン節約のよくある質問
Q. トークンとは何ですか？
A. AI が文章を処理する最小単位です。日本語1文字 = 1〜3トークン、英語1単語 = 約1.3トークンが目安です。API 料金はトークン数で計算されるため、節約は直接コストに影響します。
Q. 1トークンあたりの料金はいくらですか？
A. モデルによります。2026年10月23日時点の入力単価で見ると、Claude Haiku 5.5 や GPT-6 Luna は $0.10/1Mトークン、Claude Fable 5.1 や GPT-6 Astra は $10/1Mトークンと100倍の差があります(出力単価はそれぞれ5倍前後)。軽い作業は安いモデル の使い分けが重要です。
Q. システムプロンプトを短くするコツは？
A. ルールを箇条書きに、優先度の高いものを先頭、不要な敬語を削除、コードルールは別ファイル参照、です。必要十分 を守ると、毎回の通信が軽くなります。
Q. 長い会話で履歴が膨らむと料金が上がりますか？
A. 上がります。Claude や ChatGPT は会話全体をコンテキストに含めるため、ターン数に応じて入力トークンが累積します。定期的に新しい会話を始める だけで大幅節約できます。
Q. プロンプトキャッシュ(Cached Input)はどう活用しますか？
A. Anthropic、OpenAI のキャッシュ機能を使うと、繰り返し送る大きなコンテキスト(システムプロンプト、ドキュメント)が90%引きになります。5分以内に再送する 構成が前提です。
Q. 出力長を制限する効果は？
A. 大きいです。同じ問いでも 100文字以内で と 詳しく で料金が10倍違うことがあります。箇条書きで5項目 のような明確な制約を入れます。
Q. RAG とコンテキストはどう使い分けますか？
A. データ量が多い、内容が頻繁に変わる、ユーザーごとに異なるデータが必要な場合は RAG、固定の小さな文書セットでよいなら直接コンテキストへ、で住み分けます。RAG の方がコスト効率が圧倒的に高いです。
まとめ
AIツールのセッションやトークンを節約するコツは、裏技というより整理です。
無関係な会話を切る、長文を削る、出力を短くする、常設ルールへ寄せる。まずはここが効きます。
特に、長い会話のまま粘る 何でも丸ごと渡す 毎回最大モデルを使う の3つは、精度もコストも崩しやすいです。
節約はケチることではなく、必要な材料だけでAIを働かせる設計だと考えると、かなり運用しやすくなります。
参考リンク
- OpenAI Help Center: What are tokens and how to count them?
- OpenAI API Pricing: Pricing
- Claude Code Docs: Manage costs effectively
- Cursor Docs: Pricing
- Cursor Docs: Rules