AIのトークンとは｜文字数換算・料金への影響・節約7つのコツ【2026年8月】

結論：AIのトークンとは、ChatGPTやClaude、GeminiなどのAIが文章を処理する際に区切る「言葉の最小単位」のことです。日本語は英語よりトークン消費が多く、1万トークンはおおむね日本語6,000〜10,000文字前後に相当します（英語なら1トークン≒4文字が目安）。AIの利用料金は基本的に「1Mトークンあたり◯円」という単位で決まるため、トークンの仕組みを理解しておくと、料金の見積もりも、コスト削減の打ち手も立てやすくなります。

この記事の要点：

• トークンは単語そのものではなく、AIの辞書（トークナイザー）が決める部分文字列の単位。日本語は1文字が複数トークンに分かれやすい
• 目安として、日本語1万文字を処理すると1万〜1.6万トークン前後を消費する（内容や句読点の量で変動）
• プロンプトキャッシュ・バッチ処理・モデルの使い分けを組み合わせると、法人利用のトークンコストは大きく圧縮できる

対象読者：ChatGPT・Claude・GeminiのAPI利用料金やプラン選定を検討している経営者・情報システム担当者・生成AI導入の推進担当者

読了後にできること：自社のプロンプトが何トークンになるかを無料ツールで確認し、料金請求書の数字を「文字数」で理解できるようになります

「先月のAI利用料、なんでこんなに増えてるんだろう…？」

研修先の情報システム担当の方から、こういう相談をよく受けます。ChatGPTやClaudeのAPIを業務に組み込み始めた企業の多くが、最初にぶつかる壁が「トークン」という単位です。文字数でも単語数でもない、聞き慣れない基準で課金されるため、請求書を見ても「結局いくらかかるのか」がピンと来ないという声を何度も聞いてきました。

実は、トークンの仕組みを理解していないまま業務に組み込むと、想定より請求額が跳ね上がったり、逆に「節約できるはずの部分」を見逃したりします。特に日本語は英語よりトークンを多く消費する言語のため、海外の記事や公式ドキュメントの料金試算をそのまま日本語業務に当てはめると、実際のコストとズレが生じやすいのです。

この記事では、AIにおける「トークン」の定義から、日本語の文字数との換算目安、料金にどう影響するのか、そして企業がすぐに実践できるトークン節約の具体策までを、コピペで使えるプロンプト例つきでまとめました。まずは自社のプロンプトが何トークンになるのか、実際に数えながら読み進めてみてください。トークン単価の話は、AI導入全体のコスト設計の一部でもあります。全社的な導入プロセスはAI導入戦略ガイドで体系的にまとめています。

2026年8月時点のスナップショット

先に現状を整理しておきます。2026年8月現在、主要な生成AIサービスの料金は、いずれも「入力トークン数」と「出力トークン数」を分けて、1Mトークン（100万トークン）あたりの単価で計算する方式が標準です。日本語のトークン消費が英語より多いという傾向は変わっておらず、これは各社のトークナイザー（トークンに分割する仕組み）が英語のサブワード分割を土台に設計されているためです。

もう一つ押さえておきたいのが、モデルが新しくなるとトークナイザー自体が変わることがある点です。Anthropicの公式ドキュメント（2026年8月時点）によれば、Claude Opus 4.7以降で採用された新しいトークナイザーは、同じ文章でも旧世代のモデルより約30%多いトークン数になると明記されています。つまり「前のモデルで計算したトークン数」を新モデルにそのまま流用すると、コスト試算がズレる可能性があるということです。モデルを切り替える際は、必ずそのモデル用のトークンカウントで数え直すのが安全です。

トークンとは何か？AIが言葉を数える最小単位

トークンとは、AIが文章を処理するときに使う「区切りの単位」です。人間にとっての「単語」や「文字」とは少しズレていて、AI側の辞書（トークナイザー）が「これはひとまとまりの部品として扱う」と決めた文字列がトークンになります。

英語の場合、比較的シンプルな単語（”the” “is” “cat” など）は1単語=1トークンに近い形で扱われることが多く、目安として英語では1トークン≒4文字、75語がおよそ100トークンといわれます（OpenAIの公式ヘルプセンターが示している目安です）。一方、長い単語や専門用語は複数トークンに分割されます。

日本語はここが少し複雑です。ひらがな・カタカナ・漢字はUTF-8で複数バイトのデータになるうえ、英語ベースで学習されたトークナイザーは日本語の文字の切れ目を単語単位できれいに区切れないため、1文字が1トークンで済まず、2〜3トークンに分かれることが珍しくありません。研修中に「なぜ同じ内容の指示文でも、日本語で書くと英語より高くつくんですか」と質問されることがよくあるのですが、答えはこの「トークナイザーの設計が英語中心」という一点に尽きます。

日本語は何文字で1トークン？換算の目安

正確なトークン数は使うモデルとトークナイザーによって変わるため「絶対にこの数字」という換算式はありません。ただし、実務で使える目安としては次のように考えるとイメージしやすくなります。

感覚をつかむには、実際に自分の使っている文章を数えてみるのが一番早い方法です。Uravationでは無料のトークン計算ツールを公開しており、日本語のプロンプトや資料を貼り付けるだけで、主要モデルごとのトークン数をその場で確認できます。「この見積書メール、何トークンになるんだろう」と気になったら、まず試してみてください。

業務別に見る、トークン消費のリアルな目安

先ほどの換算目安（日本語1万文字＝約1万〜1.6万トークン）を、実際に企業でよく扱う文書に当てはめると、次のようなイメージになります。あくまで目安ですが、稟議や予算の話をするときの「感覚合わせ」に役立ててください。

研修先でよく驚かれるのが「議事録1本の要約だけでも1万トークン近くになる」という感覚です。1件あたりは小さく見えても、これを1日に何十件と回す業務フローでは、月間のトークン消費が想像以上に積み上がります。だからこそ、後述の「要点メモに圧縮してから渡す」「モデルを使い分ける」といった工夫が効いてくるわけです。

なぜトークン数が「料金」に直結するのか

ChatGPT・Claude・GeminiのAPI料金は、いずれも「入力トークン数 × 単価」＋「出力トークン数 × 単価」で計算されます。単価は「1Mトークンあたり◯ドル／◯円」という形で公開されており、出力トークンの単価は入力より高く設定されているのが一般的です。つまり、AIに長い前提条件を読み込ませたり、長い回答を生成させたりするほど、コストが積み上がっていく構造になっています。

顧問先の会社で実際にあった話ですが、社内マニュアルをまるごとプロンプトに貼り付けて「この中から該当する手順を教えて」という使い方をしていた部署がありました。マニュアル自体は数万文字あり、毎回それを読み込ませていたため、質問1件あたりのトークン消費が想定の何倍にも膨らんでいたのです。ChatGPT Plus・Claude Proのような月額制プランは追加課金こそ発生しませんが、メッセージ数の上限に早く到達してしまう形で「制限」という別のコストを払うことになります。プランごとの料金体系はChatGPTの料金プラン比較とClaude料金プラン比較で詳しく整理しているので、あわせて確認してみてください。

もう一つ実務で効いてくるのが「出力トークンは入力トークンより単価が高い」という点です。長い回答を生成させるほどコストは跳ね上がるため、「要約して」「箇条書きで」「300字以内で」のように出力の長さを指定するだけでも、体感できるレベルでコストが変わります。また、AIが一度に読み込める上限（コンテキストウィンドウ）もトークン単位で決まっており、100万トークン対応をうたうモデルが増えていますが、上限いっぱいまで詰め込むほど処理速度が落ち、料金も上がる点は変わりません。

Claude・ChatGPT・Geminiでトークンの数え方は違う

ここで注意したいのが「同じ文章でもAIによってトークン数が変わる」という点です。各社が独自のトークナイザーを採用しているため、まったく同じ日本語のプロンプトでも、Claudeで数えた場合とChatGPTで数えた場合ではトークン数が一致しません。

• ChatGPT（OpenAI）：独自のトークナイザー「tiktoken」を採用。公式サイトの「OpenAI Tokenizer」ページでテキストを貼り付けると、リアルタイムでトークン数を確認できます
• Claude（Anthropic）：Messages APIのcount_tokensエンドポイントで事前にトークン数を確認可能。このエンドポイント自体は無料で利用でき、料金には影響しません。前述の通り、Opus 4.7以降のモデルは旧世代より約30%多いトークン数になる新しいトークナイザーを採用しています
• Gemini（Google）：Vertex AI／Gemini APIのコンソール上でトークン数の確認機能が提供されています

研修でよく出る質問が「じゃあどのAIが一番トークン効率がいいんですか」というものですが、正直にお伝えすると、モデルのバージョンアップのたびに変わるため「今この瞬間の勝ち負け」を追いかけるより、自社が実際に使うプロンプトを都度計測する方が実務的です。長文コンテキストの扱い方についてはClaude Codeの100万トークン活用ガイドも参考になります。

法人利用で使える、トークンを節約する7つのコツ

ここからは、企業がAI利用コストを抑えるために実際に使える打ち手を、コピペ可能なプロンプト例つきで紹介します。

コツ1：出力形式を先に指定して、無駄な言い換えを防ぐ

AIは指示があいまいだと、前置きや言い換えを含めた長い回答を返しがちです。出力形式を先に固定すると、出力トークンを大きく削減できます。

以下の内容を、箇条書き3点・各30字以内で要約してください。
前置きの挨拶や「以下の通りです」といった導入文は不要です。
不足している情報があれば、最初に質問してから作業を開始してください。

【内容】
{ここに要約したい文章を貼り付け}

コツ2：参照資料は「要約してから渡す」

先ほどの顧問先の例のように、マニュアルや議事録を毎回まるごと貼り付けるのは、入力トークンを最も浪費するパターンです。頻繁に参照する資料は、あらかじめ要点を1,000字程度に圧縮したメモを作っておき、そのメモだけを渡す運用に変えるだけで、入力トークンは大幅に減ります。

次の資料を、今後AIへの質問時に添付する用の「要点メモ」として
1,000字以内にまとめてください。
・手順や数値、固有名詞は省略せず残す
・背景説明や前置きは削る
・箇条書き中心で構成する

【資料】
{ここに元資料を貼り付け}

コツ3：作業の難易度でモデルを使い分ける

すべての作業を最上位モデルで処理する必要はありません。文章の分類や定型的な仕分けのような軽い作業は、より高速・安価なモデル（Haiku系・mini系など）に任せ、複雑な分析や重要な意思決定にだけ上位モデルを使う、という役割分担が有効です。研修先でも「全部同じモデルで回していた」というケースは多く、作業の難易度でモデルを分けるだけでコストが下がったという声をよく聞きます。

コツ4：プロンプトキャッシュを活用する

同じ前提条件（システムプロンプトや長い参考資料など）を繰り返し使う業務では、プロンプトキャッシュが効果的です。Anthropic公式ドキュメント（2026年8月時点）によれば、キャッシュから読み込んだ入力トークンは、通常の入力トークン単価の0.1倍、つまり約90%安いコストで処理されます。同じマニュアルやFAQを土台に何度も質問するような使い方であれば、キャッシュ機能が使えるかをまず確認してみてください。

コツ5：即時応答が不要な処理はバッチ処理に回す

大量のデータを一括処理するようなタスク（アンケートの分類、大量の問い合わせの一次仕分けなど）で、その場での回答を必要としない場合は、バッチAPIの利用を検討してください。OpenAI公式ドキュメントによれば、バッチAPIは通常の同期APIと比べて50%のコスト削減が可能で、24時間以内（多くの場合はそれより早く）に処理が完了します。リアルタイム性を求めない業務ではまとまったコスト削減につながります。

コツ6：会話を長引かせすぎない

1つの会話（セッション）を長く続けるほど、AIは過去のやり取り全体を毎回読み込むため、入力トークンがどんどん膨らんでいきます。話題が変わったタイミングで新しい会話を始める、あるいは要点を整理してから新しいセッションに引き継ぐ、という運用ルールを決めておくと消費を抑えられます。

ここまでの会話の結論と、次のステップに必要な情報だけを
箇条書きで300字以内にまとめてください。
これを新しい会話の冒頭に貼り付けて続きを進めます。

コツ7：日本語プロンプトの冗長な言い回しを削る

日本語は丁寧な言い回しや前置き（「お忙しいところ恐縮ですが」等）が多くなりがちですが、AIへの指示文にそうした冗長表現は不要です。指示は簡潔な体言止め・箇条書き中心にするだけで、同じ意図を保ったままトークン数を削減できます。

次の指示文を、意味を変えずに最も簡潔な箇条書きに書き直してください。
敬語や前置きの挨拶文はすべて削除してください。

【指示文】
{ここに元のプロンプトを貼り付け}

画像や添付ファイルもトークンを消費する

見落とされがちですが、画像や音声、PDFなどをAIに読み込ませる場合も、内部的にはトークンに変換されて課金対象になります。例えば高解像度の画像をそのままアップロードすると、テキストに換算して数百〜数千トークン分になることもあります。スクリーンショットを大量に貼り付けて分析させるような使い方をしている場合は、必要な部分だけをトリミングしてから渡す、あるいは先にテキストで要点を書き出してから補足として画像を添付する、といった工夫でトークン消費を抑えられます。

この画像から読み取れる数値・日付・固有名詞だけを
箇条書きでテキスト化してください。
画像の説明や感想は不要です。判読できない箇所は「不明」と明記してください。

【要注意】トークンにまつわるよくある勘違い

勘違い1：トークン数は文字数と同じだと思っている

❌　「1,000文字の指示文だから1,000トークンだろう」と思い込む
⭕　日本語は1文字が複数トークンになることが多いため、実際は1,500〜2,000トークン程度になることも珍しくない

なぜ重要か：文字数ベースで予算やコンテキスト上限を見積もると、想定より早く上限に達してしまいます。必ずトークンベースで見積もりましょう。

勘違い2：無料プランならトークンを気にしなくていい

❌　ChatGPT PlusやClaude Proの月額プランだから、いくら使っても定額だと思っている
⭕　月額プランにも一定時間内のメッセージ数・トークン量の上限があり、長いプロンプトを多用すると上限に早く到達する

なぜ重要か：研修先でも「急に使えなくなった」という相談の多くが、この上限到達によるものでした。プランごとの制限はChatGPTの料金プラン比較で確認できます。

勘違い3：モデルが変わってもトークン数は同じだと思っている

❌　旧モデルで測ったトークン数を、新モデルの料金試算にそのまま使う
⭕　トークナイザーが変わると同じ文章でもトークン数が変わる（Claude Opus 4.7以降は旧世代比で約30%増という公式説明もある）ため、モデルを切り替えたら数え直す

なぜ重要か：見積もりが古いトークナイザー基準のままだと、実際の請求額とズレて予算オーバーの原因になります。

勘違い4：「暗号資産のトークン」と混同する

❌　検索や社内共有で「トークン」とだけ書くと、ブロックチェーン・暗号資産のトークンや、認証用のセキュリティトークンと混同されることがある
⭕　社内文書やスライドでは「AIトークン（生成AIの課金単位）」のように文脈を明記する

なぜ重要か：情シス部門への説明や稟議書で誤解が生まれると、承認プロセスが余計に長引きます。

自分のプロンプトのトークン数を確認する方法

実際にどれくらいのトークンを消費しているかは、次の方法で確認できます。

• 公式ツールで確認：OpenAIは「OpenAI Tokenizer」という公式ページを、AnthropicはAPI経由のcount_tokensエンドポイント（無料）を提供しています。開発者向けですが、正確な数値を知りたい場合はこちらが一次情報です
• 日本語で手早く確認したい場合：Uravationの無料トークン計算ツールなら、貼り付けるだけで日本語プロンプトのトークン数を確認できます。見積書メール、社内マニュアルの一部、AIへの指示文など、実際に使っている文章で試してみると、感覚がつかみやすくなります

よくある質問

Q. AIの1トークンはどれくらいの大きさですか？

A. 英語では1トークン≒4文字（約0.75語）が目安です。日本語は1文字が複数トークンに分かれることが多く、英語と同じ「1トークン=4文字」という換算はそのまま使えません。日本語の場合は「1万文字でおよそ1万〜1.6万トークン」を目安にしてください。

Q. AIの100万トークンはどれくらいの分量ですか？

A. 日本語だとおおむね60万〜100万文字前後、原稿用紙（400字詰め）で1,500〜2,500枚相当のボリュームです。近年は「100万トークンのコンテキスト窓」を搭載するモデルも増えており、長編の社内文書や複数のマニュアルをまとめて読み込ませることが技術的には可能になっています。

Q. ChatGPTのトークンとは何ですか？

A. OpenAIのモデルが独自のトークナイザー「tiktoken」で文章を分割した単位です。入力（プロンプト）と出力（回答）それぞれのトークン数に応じて、API利用料金が計算されます。無料版・Plus版のようなチャット画面での利用では、直接の追加課金ではなく「メッセージ数の上限」という形で影響します。

Q. AI用語のトークンとは、単語と同じ意味ですか？

A. 厳密には違います。トークンは「AIの辞書（トークナイザー）が決めた部分文字列」であり、1単語がそのまま1トークンになることもあれば、1単語が複数トークンに分割されることもあります。日本語の場合は単語の区切りとトークンの区切りが一致しないことが多く、「単語数=トークン数」と考えると誤差が出ます。

Q. 画像を読み込ませた場合もトークンとして課金されますか？

A. はい。画像・音声・PDFなどのファイルも、AI内部ではテキストと同様にトークンへ変換されてから処理されるため、入力トークンとして課金対象になります。解像度やファイルサイズによって消費量が変わるため、大量の画像を扱う業務では想定より早くコストが積み上がることがあります。

まとめ：今日から始める3つのアクション

1. 今日やること：自社でよく使うプロンプトや資料を無料のトークン計算ツールに貼り付けて、実際のトークン数を確認する
2. 今週中：社内マニュアルなど繰り返し参照する資料を「要点メモ」に圧縮し、毎回まるごと貼り付ける運用をやめる
3. 今月中：作業の難易度に応じたモデルの使い分けルールと、バッチ処理・プロンプトキャッシュを使える業務がないかを洗い出す

次回予告：次の記事では、法人でのAI導入時に発生しがちな「コンテキスト管理の失敗パターン」をテーマに、長文業務での実践的な運用ルールをお届けします。

参考・出典

• トークンとは何か、数え方 | OpenAI Help Center — OpenAI（参照日: 2026-08-19）
• Token counting | Claude Docs — Anthropic（参照日: 2026-08-19）
• OpenAI Tokenizer（公式トークン計算ツール） — OpenAI（参照日: 2026-08-19）
• Prompt caching | Claude Docs — Anthropic（参照日: 2026-08-19）
• Batch API guide — OpenAI（参照日: 2026-08-19）

著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。