【実測】Claude Codeの使用量159億トークンを全部数えた｜上限を溶かす犯人は「会話の長さ」だった

Claude Codeの使用量が上限に当たる原因を、自分のログ745セッション分を全部数えて調べました。39日で159億トークン、API従量課金に換算すると約315万円。そのうち93%は「前の会話を読み直したぶん」でした。上限を溶かしているのは作業の量ではなく、会話をどこまで引っ張ったかです。数え方のスクリプトも記事の最後に置いたので、自分の数字もその場で出せます。

「今週はもう上限」と表示されて、リセットまで待たされた経験はないでしょうか。私は8月に何度かありました。そのたびに「使いすぎたかな」と思って作業量を減らそうとしたのですが、翌週も同じところで止まります。減らす場所が違っていたのだと、ログを数えてやっと分かりました。

上限に当たる人と当たらない人の差は、作業量ではなかった

先に結論を書きます。私のログを全部数えて出てきた答えは、こうでした。

上限を溶かしているのは「何回使ったか」ではなく「1つの会話をどこまで続けたか」です。

745セッションを会話の長さで分けて、1ターンあたりの平均トークンを計算すると、301ターン以上まで続いた会話は、10ターンで終わった会話の12.8倍を1ターンごとに使っていました。同じ作業をしていても、会話を切らずに続けているだけで減りが速くなるということです。

さらに、745セッションのうち上位10件、つまり全体の1.3%が、総使用量の43%を占めていました。毎日のこまごました作業ではなく、数本の長い会話が原因だったわけです。

なぜそうなるのか。何を根拠にそう言えるのか。順番に数字を出していきます。

使用量はローカルに全部残っている

まず数え方からです。Claude Codeは、自分のパソコンに会話ログを全部保存しています。場所はここです。

~/.claude/projects/

この下にプロジェクトごとのフォルダがあり、その中にセッション1本につき1つの.jsonlファイルが入っています。私の環境では749ファイル、合計1.5GBありました。

中身は1行1レコードのJSONです。Claudeからの応答にあたる行には、必ずusageという項目がついていて、そこにトークン数が丸ごと記録されています。

{"type":"assistant","message":{"model":"claude-opus-5","usage":{
  "input_tokens":2,
  "output_tokens":972,
  "cache_creation_input_tokens":56942,
  "cache_read_input_tokens":0,
  "cache_creation":{"ephemeral_1h_input_tokens":56942,"ephemeral_5m_input_tokens":0}
}}}

4つの数字が並んでいます。この4つの意味を先に押さえておくと、あとの話が全部つながります。

• input_tokens：自分がタイプした指示のうち、キャッシュに乗っていない新しい部分

• output_tokens：Claudeが書いて返してきた文字

• cache_creation_input_tokens：会話の内容をキャッシュに書き込んだぶん

• cache_read_input_tokens：キャッシュから読み込んだぶん。前の会話を思い出すために毎回発生する

このファイルを全部読んで合計すれば、自分が実際に何をどれだけ使ったかが1トークン単位で分かります。推測ではなく実データです。

ちなみにログが残っていたのは2026年7月2日から8月24日までの39日分でした。それ以前のものは自動で消えているようです。つまりこの記事の数字は「4か月ぶん」ではなく「直近39日ぶん」です。

39日で159億トークン、API換算で約315万円だった

集計結果です。

39日、745セッションの合計は15,944,958,358トークン。159億です。桁を間違えていないか3回確認しましたが、間違いではありませんでした。

これをAPIの従量課金に換算します。2026年8月24日時点の単価は、Opus 5が100万トークンあたり入力5ドル・出力25ドル、Sonnet 5が3ドル・15ドル、Fable 5が10ドル・50ドルです。キャッシュ書き込みは入力単価の1.25倍から2倍、キャッシュ読み込みは0.1倍で計算します。

モデル別に計算した結果がこうなりました。

• Opus 5：9,354ドル

• Fable 5：8,209ドル

• Sonnet 5：3,300ドル

• Opus 4.8：151ドル

• Haiku 4.5：2ドル

• 合計：21,016ドル（1ドル150円で約315万円）

39日で315万円です。月額のサブスクリプションを払っている人がこの金額を請求されることはありません。あくまで「同じ量をAPIで買ったらいくらか」という換算値です。ただ、この換算をやってみて初めて、自分が何をどれだけ動かしているのかの実感が湧きました。

なお、モデルごとの料金差についてはClaude Fable 5とOpus 5に同じ指示を40回出した実測でも扱っています。最上位モデルは単価が2倍なので、常用すると換算額はこのように跳ね上がります。実際、私のFable 5は使った期間が短いのに8,209ドルとOpus 5に迫っています。

内訳を見たら、93%が「読み直し」だった

ここからが本題です。159億トークンの内訳を4種類に分けると、こうなりました。

• キャッシュ読み込み：14,807,332,457（92.9%）

• キャッシュ書き込み：1,081,962,552（6.8%）

• 出力：53,680,138（0.34%）

• 新規入力：1,983,211（0.012%）

自分がキーボードで打った指示は、全体の0.012%しかありません。Claudeが書いて返してきた文章を足しても0.35%です。残りの99.6%は、会話を覚えたり思い出したりする動作で消えています。

キャッシュ読み込みが何なのか、もう少し噛み砕きます。

AIとの会話は、実は毎回リセットされています。Claudeは前回の内容を覚えているわけではなく、毎ターン、それまでの会話を全部もう一度読み直しています。10往復した会話の11ターン目には、1ターン目から10ターン目までの全部を読み込んだうえで返事を書いているということです。

この「読み直し」を安くする仕組みがキャッシュです。同じ内容を2回目以降に読むときは通常の10分の1の単価になります。だから安く済んでいるのですが、それでも量が量です。総使用量の93%を占めているのは、読み直しがそれだけ大量に発生しているからです。

キャッシュの仕組み自体についてはClaude Codeのキャッシュとは？サブスク1時間・API5分の差で詳しく書いています。サブスクとAPIでキャッシュの保持時間が違う話もそちらです。

キャッシュがなければ1,334万円だった

もし、このキャッシュの仕組みがなかったらどうなるか。読み直しのぶんも全部、通常の入力単価で計算し直してみました。

88,922ドル、約1,334万円です。

実際の換算額は21,020ドルでしたから、キャッシュが76.4%を削っていることになります。差額は67,902ドル、約1,018万円です。

月額のサブスクリプションが成り立っているのは、この仕組みがあるからだというのがよく分かりました。裏を返すと、キャッシュが効かない使い方をすると一気に重くなります。具体的には、会話の途中で設定を変えたりモデルを切り替えたりすると、それまでのキャッシュが無効になって全部読み直しになります。

私のログでは、キャッシュ書き込みのうち960,009,494トークンが1時間保持タイプ、121,655,146トークンが5分保持タイプでした。9割が1時間タイプです。この1時間タイプは書き込み時の単価が入力の2倍かかります。1.25倍で計算すると実態より2割ほど安く見積もってしまうので、換算するときは注意が必要です。

745セッションのうち、上位10件が43%を食っていた

次に、どのセッションが使っているのかを見ます。

• 上位1セッション：全体の9.8%

• 上位5セッション：全体の29.4%

• 上位10セッション：全体の43.0%

• 上位50セッション：全体の77.7%

たった10本の会話が、39日分の使用量の43%を占めていました。745本のうちの10本ですから、割合にすると1.3%です。

セッションあたりの数字を見ると、この偏りがもっとはっきりします。

• 中央値：0.44M（44万トークン）

• 平均：21.4M

• 最大：1,565M（15億6,500万トークン）

中央値と最大で3,500倍の差があります。平均が中央値の48倍になっているのも、少数の巨大セッションが全体を引っ張っているからです。

一番大きかったセッションを見に行くと、2,823ターン、ツール呼び出し1,813回の会話でした。あるアプリの開発を、1本の会話でずっと続けたときのものです。これ1本で全体の9.8%を使っていました。

つまり「毎日ちょこちょこ使っているから上限に当たる」のではなく、「たまにやる長い作業が持っていっている」というのが実態でした。

決定打：会話が長いほど、1ターンの単価が上がる

なぜ長い会話がこれほど重くなるのか。745セッションを会話の長さで5つに分け、1ターンあたりの平均トークンを計算しました。

• 1〜10ターン：28.1k（314セッション）

• 11〜50ターン：77.5k（193セッション）

• 51〜100ターン：83.4k（83セッション）

• 101〜300ターン：135.8k（97セッション）

• 301ターン以上：359.6k（58セッション）

きれいに右肩上がりです。301ターン以上の会話は、10ターンで終わる会話の12.8倍を1ターンごとに使っています。

理由は前の章に書いた通りです。毎ターン、それまでの会話を全部読み直すからです。会話が長くなるほど読み直す量が増え、1ターンあたりの単価が上がっていきます。100ターン目より300ターン目のほうが高く、300ターン目より1,000ターン目のほうが高い。同じ「1回の指示」でも、どこで出したかで値段が違うということです。

ここで大事なのは、作業内容が同じでも起きるという点です。10ターンで終わる会話を5本やるのと、50ターン続く会話を1本やるのとでは、やっている仕事が同じでも使用量が変わります。

私が「作業量を減らそう」として失敗していたのは、ここを見ていなかったからでした。減らすべきは作業ではなく、1本の会話の長さだったわけです。

時間帯で見ると、午前中に集中していた

ついでに時間帯も出しました。日本時間で集計しています。

• 10時台：24.2億トークン

• 11時台：24.5億トークン

• 9時台：14.9億トークン

• 12時台：13.4億トークン

• 16時台：13.2億トークン

午前9時から12時までの3時間だけで、39日分の総使用量の39%を使っていました。深夜2時から6時はほぼゼロです。

上限が週単位で管理されている以上、午前中に集中して重い作業をやると、その週の後半に足りなくなります。重い作業を分散させるという発想は、この表を見て初めて持ちました。

今日からできる3つの運用ルール

数えた結果から、私が実際に変えたことを3つ書きます。

1つ目：作業の区切りで会話を切る

一番効くのがこれです。会話が長くなるほど1ターンの単価が上がるので、区切りのいいところで新しい会話を始めます。

Claude Codeなら/clearで会話をリセットできます。感覚としては、1つの機能を作り終えたら切る、記事を1本書き終えたら切る、くらいの頻度です。

ただし切ると前の文脈は消えるので、続きをやるなら要点をメモに残してから切る必要があります。私はプロジェクトの決まりごとをCLAUDE.mdに書いておき、会話を切っても迷子にならないようにしています。

2つ目：重い作業を1本の会話に集めない

上位10セッションを見返すと、どれも「1本の会話で最後までやろうとした」ものでした。調査も設計も実装も修正も全部同じ会話で続けると、後半のターンが極端に高くつきます。

調査は調査で1本、実装は実装で1本と分けるだけで、後半のターン単価が下がります。

3つ目：モデルを作業に合わせる

私の換算額は、Opus 5が9,354ドル、Fable 5が8,209ドルでした。この2つで全体の84%です。

軽い作業までずっと最上位モデルで走らせる必要はありません。出力スタイルを5つ40回試した実測では、出力スタイルをConciseにするだけで料金換算が4割減り、それでも答えは全部合っていました。モデルと出力スタイルの2つを作業に合わせるだけで、使用量はかなり変わります。

自分のログを数えるスクリプト

同じ集計を自分の環境でやるためのスクリプトを置いておきます。標準ライブラリだけで動くので、追加インストールは不要です。適当な名前で保存して実行してください。

import collections, glob, json, os

PRICE = {  # $/1Mトークン（2026-08-24時点）
    "claude-opus-5": (5, 25), "claude-opus-4-8": (5, 25),
    "claude-sonnet-5": (3, 15), "claude-fable-5": (10, 50),
    "claude-haiku-4-5-20251001": (1, 5),
}
per_model = collections.defaultdict(collections.Counter)
sessions = {}

for path in glob.glob(os.path.expanduser("~/.claude/projects/**/*.jsonl"), recursive=True):
    total, turns = 0, 0
    for line in open(path, errors="ignore"):
        if '"usage"' not in line:
            continue
        try:
            rec = json.loads(line)
        except ValueError:
            continue
        if rec.get("type") != "assistant":
            continue
        u = (rec.get("message") or {}).get("usage")
        if not u:
            continue
        acc = per_model[rec["message"].get("model", "unknown")]
        acc["in"] += u.get("input_tokens", 0) or 0
        acc["out"] += u.get("output_tokens", 0) or 0
        acc["cw"] += u.get("cache_creation_input_tokens", 0) or 0
        acc["cr"] += u.get("cache_read_input_tokens", 0) or 0
        created = u.get("cache_creation") or {}
        acc["cw1h"] += created.get("ephemeral_1h_input_tokens", 0) or 0
        acc["cw5m"] += created.get("ephemeral_5m_input_tokens", 0) or 0
        total += sum(u.get(k, 0) or 0 for k in (
            "input_tokens", "output_tokens",
            "cache_creation_input_tokens", "cache_read_input_tokens"))
        turns += 1
    if turns:
        sessions[path] = (total, turns)

grand = collections.Counter()
for acc in per_model.values():
    grand.update(acc)
tot = grand["in"] + grand["out"] + grand["cw"] + grand["cr"]
print(f"{len(sessions)}セッション / 総トークン {tot:,}")
print(f"  読み直し {grand['cr']/tot*100:.1f}% / 書き込み {grand['cw']/tot*100:.1f}%"
      f" / 出力 {grand['out']/tot*100:.2f}% / 新規入力 {grand['in']/tot*100:.3f}%")

charged = 0
for model, acc in per_model.items():
    if model not in PRICE:
        continue
    p_in, p_out = PRICE[model]
    charged += (acc["in"] / 1e6 * p_in + acc["out"] / 1e6 * p_out
                + acc["cw1h"] / 1e6 * p_in * 2 + acc["cw5m"] / 1e6 * p_in * 1.25
                + acc["cr"] / 1e6 * p_in * 0.1)
print(f"API換算 ${charged:,.0f}（サブスクなら請求されない換算値）")

buckets = collections.defaultdict(lambda: [0, 0])
for total, turns in sessions.values():
    key = ("1-10" if turns <= 10 else "11-50" if turns <= 50
           else "51-100" if turns <= 100 else "101-300" if turns <= 300 else "301+")
    buckets[key][0] += total
    buckets[key][1] += turns
print("会話の長さ別 1ターンあたり:")
for key in ("1-10", "11-50", "51-100", "101-300", "301+"):
    if key in buckets:
        tok, turns = buckets[key]
        print(f"  {key:>8}ターン: {tok/turns/1000:8.1f}k")

自分の数字を見ると、どこで消えているかが一目で分かります。私の場合は「301ターン以上」のところで手が止まりました。

数えるときに気をつけた3つのこと

数字を扱ううえで、誤解を生まないように気をつけた点を書いておきます。

1つ目、サブスク利用者はこの金額を払っていません。315万円というのは「同じ量をAPI従量課金で買ったら」の換算値です。実際の請求は月額プランの金額です。

2つ目、1時間キャッシュの単価は2倍です。キャッシュ書き込みを一律1.25倍で計算している記事を見かけますが、私のログでは9割が1時間タイプでした。1.25倍で計算すると2割ほど安く出ます。

3つ目、ログは39日分しか残っていません。それ以前は自動で消えています。「4か月使った合計」ではないので、期間を明記しました。

単価は2026年8月24日時点のものです。Sonnet 5は8月31日まで導入価格が適用されますが、この記事では通常価格で計算しています。

まとめ

39日分・745セッション・159億トークンを全部数えて分かったことは、3つです。

• 使用量の92.9%は「前の会話を読み直したぶん」だった。自分がタイプした指示は0.012%しかない

• 上位10セッション（全体の1.3%）が、総使用量の43%を占めていた

• 会話が長くなるほど1ターンの単価が上がり、301ターン以上では12.8倍になっていた

上限に当たる原因は、作業の量ではなく会話の長さでした。だから対策は「使うのを我慢する」ではなく「区切りで会話を切る」です。

自分の数字は上のスクリプトで出せます。心当たりのある人ほど、一度数えてみる価値があると思います。

Claude Codeの限界そのものについてはClaude Codeにできないこと10選に、設定まわりの実測は許可設定923件を全部数えた記事にまとめています。

あわせて読みたい関連記事：

Claude Codeの実測記事を毎日書いています。今回のような「自分のログを全部数える」系の検証は、Xの@ai_hack_dxで先に速報を流すことが多いです。よかったらフォローしてください。