Claude Codeの料金体系を徹底解説:プラン、トークンコスト、コスト削減方法
.webp)
Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
Claude Codeの2つの請求モデル
金額を確認する前に、どのメーターが動いているかを理解する必要があります。Claude Codeの裏側ではAPIトークンの消費量に応じて課金されますが、実際の請求形態は開発者がどのようにサインインしているかによって異なります。
- サブスクリプションシート(Pro、Max、Team、Enterprise): 利用量はシートごとの使用枠から差し引かれ、5時間ごとのローリングウィンドウおよび週間ウィンドウでリセットされます。この枠はClaude chatやCoworkと共有されるため、チャットを頻繁に使った日は、コーディングで使える枠も減少します。
- 従量課金(Claude Consoleまたはクラウドプロバイダー): すべてのトークンが標準APIレートでワークスペースまたはクラウドアカウントに課金されます。上限を設定しない限り、使用量の制限や枠はありません。
チーム内で両方のモデルを混在させることも可能です。各開発者は、認証した方法に基づいて計量されます。以下のプラン表はサブスクリプション側の料金であり、その後のトークン料金表が実際に内部で発生するコストを示しています。
Claude Codeのプランと料金
- サブスクリプションの利用枠はClaude Code、Claude chat、Cowork全体で共有され、同じ5時間および週間のウィンドウが適用されます。
- 年払いを選択すると実質的な月額料金が下がります(Pro: $20 → $17、Team Standard: $25 → $20、Premium: $125 → $100)。
- Amazon Bedrock、Google Vertex、Microsoft Foundry上での利用の場合、Claude Codeはクラウドアカウントに対してトークン単位で課金され、支出管理はAnthropicではなく対象のクラウドコンソール側で行います。
各プランの背後にある利用制限(5時間ウィンドウ、週間上限、上限到達時の動作)の詳細については、Claude Codeの制限解説をご覧ください。
全プランの裏にあるトークン単価
どのプランを利用していても、根本的なコストは100万トークン(MTok)単位で計算され、使用するモデルによって大きく異なります。これは請求額に最も大きく影響する要因です。
- 即時性を求めない処理(バッチ処理)は、リアルタイム処理より50%安価です。
- キャッシュされた入力の読み取りは新規入力より約10倍安くなります。そのため、長いセッションを温めた状態で維持する方が、セッションを毎回新規開始するよりもメッセージあたりの単価が大幅に下がります。
- 米国限定インファレンスは標準料金の1.1倍、Opus 5.5のファストモードは2倍の乗数が適用され、組織全体では無視できない金額になります。
各タスクに適切なティアを選択すること自体がコスト決定における重要な要素です。トレードオフの詳細はOpus vs Sonnet vs Haiku:コスト対性能ルーティングガイドで解説しています。
開発者一人あたりの実際のコストは?
企業での導入実績に基づくと、アクティブ日あたりの開発者一人あたりの平均コストは約$13、月額では$150〜250程度となります。利用者の約90%は1日あたり$30未満に収まります。ただし、一部のヘビーユーザーによるロングテールが存在し、複数のリポジトリにまたがってOpusを一日中実行する開発者は、中央値の何倍ものコストを消費することがあります。
予想外の高額請求を引き起こす主な原因は2つの習慣にあります。1つはセッションをクリアせずに長く維持し続けること(メッセージごとに会話全体が再送信される)、もう1つはSonnetで十分な作業に対してOpusをデフォルトモデルのまま使い続けることです。どちらも改善可能であり、開発者ごとの支出を可視化できれば容易に特定できます。エージェントごとの詳細な内訳については、AIコーディングエージェントの開発者あたり実効コストを参照してください。
Claude Codeの支出を削減する方法
効果が高い順にまとめた削減アプローチは以下の通りです:
- タスクに応じたモデルの使い分け。 ほとんどのコーディング作業は、Opusの5分の1の出力コストで済むSonnetで十分対応可能です。Opusはアーキテクチャ設計や複雑なマルチステップ推論用に限定し、単純なサブエージェントのタスクはHaikuに任せましょう。
- プロンプトキャッシュの積極活用。 繰り返されるシステムプロンプトやファイルコンテキストは、キャッシュから読み取ることで約10分の1のコストになります。キャッシュの有効期限内(サブスクリプションでは1時間、APIでは5分間)にセッションを維持することで、同じコンテキストに対して重複支払いを防ぐことができます。キャッシュコストの計算詳細はこちら。
- 関連のないタスク間でのセッションクリア。 新しいセッションを開始することで、メッセージごとに不要なコンテキストを再送信して無駄な費用が発生するのを防ぎます。
- 緊急でない処理のバッチ化。 50%の割引が適用されるバッチ処理を活用し、エージェントチームの規模を最小限に抑えます(各チームメンバーが独自のコンテキストウィンドウを実行するため)。
- 開発者ごとの支出の可視化。 チーム全体の平均値で推測するのではなく、突出してコストを消費している要因を特定して対策を講じます。
実際の請求情報の表示場所
Claude Codeの料金管理で最も難しいのは単価表の理解ではなく、30人の開発者が使い始めた後に支出を視覚化し上限を設定することです。その管理場所はサインイン方法によって異なります。
サブスクリプションプランの管理機能は標準的です。Console、特にクラウドプロバイダー経由の場合、開発者ごとのアトリビューション(帰属確認)機能は標準で組み込まれていません。これこそがAI gatewayが解決する課題です。
TrueFoundry AI Gatewayによるコスト削減
Claude CodeをTrueFoundry AI Gateway経由でルーティングすることで、バックエンドのプランやプロバイダーを問わず、すべての補完リクエストを管理下に置くことができます。これにより、標準機能では提供されない4つのメリットを同時に享受できます:
- 開発者ごとのコスト帰属(アトリビューション): すべてのリクエストが個人に関連付けられるため、支出レポートやレート制限が意味を持つようになります。詳細はClaude Codeのコスト追跡で解説しています。
- モデルポリシーの適用: 開発者がアクセスできるモデルを制限し、Opusが誤ってデフォルトになるのを防ぎ、意図的な選択としてのみ使用させることができます。
- ツールの枠を超えた単一のコストビュー: Claude Code、Cursor、Codexの利用状況が1つのダッシュボードに統合されます。4つの請求書ではなく1つに集約。
- 支出制限とガバナンスの強制: 開発者個人の運用に依存せず、確実に制限を適用できます。詳細はAI gatewayによるClaude Codeガバナンスをご覧ください。
ルーティング先を検討中の方は、Claude Codeに最適なAI gateway比較で各オプションの比較をご確認ください。
具体的な計算例
30人のエンジニアがMax 20x(月額$200)を利用する場合、サブスクリプション費用は月額$6,000となります。コストは予測可能ですが、開発者ごとの可視性やモデル制御機能はありません。このチームをGateway配下のConsole課金に移行した場合、コストの構造が大きく変わります。Opusがデフォルト設定になっている3人の開発者がトークン消費の60%を占めていることが判明した場合、定常的なコード編集をSonnetにルーティングするモデルポリシーを設定することで、本当に必要なパワーユーザーにはOpusの利用を許可しつつ、月額コスト全体を削減できます。サブスクリプションでは隠れていたコストの偏りを、Gatewayによって表面化し最適化することが可能になります。
なお、Gatewayはモデルの選択、帰属確認、支出管理を行うものであり、Anthropicのトークン単価自体を変更するものではありません。支払いに見合う価値がある部分にのみコストが発生するように制御するツールです。
知っておくべき注意点
- サブスクリプション枠は共有されます。 Claude Code、Claude chat、Coworkは同じ5時間および週間のウィンドウを消費するため、チャットを多用するとコーディング側が制限される場合があります。
- キャッシュの有効期限はプランによって異なります。 サブスクリプションでは1時間ですが、APIやクラウドプロバイダーでは5分に短縮されます。そのため、従量課金モデルでは同じワークフローでもコンテキストの再取得費用が頻繁に発生します。
- /usage に表示される金額は見積もりです。 標準価格に基づいてローカルで計算されるため、組織が特別契約レートを適用している場合、管理者がレートの上書き設定を行わない限り、実際の請求額とは一致しません。
- クラウドプロバイダーでの利用はAnthropicのダッシュボードに反映されません。 Bedrock、Vertex、Foundry上でのユーザーごとのアトリビューションは、OpenTelemetryまたはLLM gatewayを導入することでしか取得できません。
- 長時間放置されたアイドルセッションもコストを消費します。 スケジュールされたタスクやバックグラウンドチェックインは、キーボードを入力していなくても、設定されたインターバルでコンテキスト全体を再送信します。
サブスクリプション vs 従量課金:どちらが安くなるか
これら2つの請求モデルには損益分岐点が存在し、それを把握しておくことで推測に頼る必要がなくなります。サブスクリプションシートは一定の利用枠に対する固定料金であり、従量課金は消費した分だけ支払う変動料金です。Maxシートの利用枠内に収まる開発者の場合、サブスクリプションの方が安く予測可能性も高くなります。ほとんど利用しない開発者の場合は、Proシートか軽度のAPI利用が適しています。問題となるのは両極端のケースです。Proを利用するヘビーユーザーは制限に達して時間を無駄にし、Max 20xを利用するライトユーザーはわずかな利用枠のために月額$200を支払うことになります。
チームでの判断基準:ほとんどの開発者が毎日安定して使用している場合は、中央値に合わせたシートを購入し、超過分を従量課金クレジットで対応します。利用頻度に波がある場合や特定の人に集中している場合は、全員をGateway配下のAPI従量課金に設定し、開発者ごとの支出制限を設けることで、利用停止ではなくコストの上限管理を行います。「安全のために」全員に最上位シートを購入することだけは避けてください。中央値に対して最大料金を支払うことになり、最も効率が下がります。
実際の請求額を押し上げる要因
トークンの消費量はセッションを通じて均等に発生するわけではありません。いくつかの典型的なパターンが支出の大半を占めており、それぞれに直接的な対策が存在します:
5つの要因のうち4つは、リクエスト回数ではなくコンテキストサイズに関連している点に注目してください。これはAIエージェントのコーディングコストにおいて最も直感に反する部分です。一日中開きっぱなしのセッションで投げる1行の質問は、コンテキスト全体を引きずるため、新しく開始したセッションで投げる集中的なタスクよりも高コストになる場合があります。キャッシュの温冷による違いについてはキャッシュの実際のコスト計算で、モデルルーティングについてはOpus vs Sonnet vs Haikuガイドで解説しています。
関連ドキュメント
- Claude Codeの制限解説 — 各プランの利用ウィンドウについて
- TrueFoundry AI GatewayによるClaude Codeのコスト追跡 — 開発者ごとのアトリビューション実践
- AIコーディングIDEのコスト管理の一元化 — Claude Code、Cursor、Codexにわたる単一コストビュー
- Opus vs Sonnet vs Haiku:コスト対性能ルーティングガイド — コスト削減の最大のアプローチ
- Claudeのプロンプトキャッシュ:実際のコスト計算 — キャッシュによる節約効果の検証
まとめ
Claude Codeの料金に関する解説の多くは、プラン一覧表の説明だけで終わっています。しかし、プランは全体の半分に過ぎません。実際の請求額を左右する残りの半分はその下にあります。各リクエストがどのモデルを使用しているか、どれだけのコンテキストを含んでいるか、キャッシュが有効か、そしてそれらを開発者ごとに把握できているかです。これらは料金ページに書かれている単価ではなく設定と運用の問題であり、それぞれがコストをコントロールするレバーとなります。
サブスクリプションはコストを予測可能にします。Gatewayはそれをコントロール可能にします。モデルポリシー、開発者ごとのアトリビューション、そしてチームが使用するあらゆるコーディングツールに適用できる支出制限。これこそが、Claude Codeの公表価格を知っていることと、実際の導入コストを把握できていることの違いです。
コーディングエージェントのコストとガバナンスを一元管理しましょう。
TrueFoundryを無料で試す
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.






















