
モデルは最強から選ばず、中位を既定にし、必要なときだけ上げる~モデルの使い分け・effort・キャッシュの仕組み~
最近、CyrilXBTさん(@cyrilXBT)の記事「How to sonnet 5.5 in 30 days (the exact roadmap)」を読みました。Anthropicの中位モデルClaude Sonnet 5.5を、30日かけて仕事の一部に組み込む計画です。
毎日の課題に入る前に「どのモデルを既定にするか」を決める節があるのが、面白い点です。
この記事では計画の手順は追わず、その土台にある費用の考え方を説明します。トークン、effort、プロンプトキャッシュという三つの部品が、1タスクの費用をどう動かすかを見ていきます。
【発端】 30日計画の土台は、既定モデルの決め方にある

原文は4週間の構成です。第1週は文脈ファイルと指示の書き方、第2週はClaude Codeでの開発、第3週はAPIとエージェント、第4週は一つ作って前後の数字を測ります。
ここで取り上げたいのは、日々の課題より前に置かれた運用ルールです。まずSonnetで始め、同じ作業で2回失敗したらOpusに上げる、というものです。
これは著者の経験則で、Anthropicが定めた基準ではありません。ただ、「常に最強を使う」のをやめて「既定と昇格条件を決める」という発想は、費用の仕組みを知ると筋が通って見えます。
【基礎】 費用は、単価に使った量とやり直しを掛けて決まる

ClaudeのようなAPIは、トークン(文字を細かく区切った処理の単位)の数で課金します。入力と出力で単価が別です。
Anthropicの公開価格(100万トークンあたり)は次のとおりです。公式発表
入力
Sonnet 5.5:$2
Opus 5.5:$4
出力
Sonnet 5.5:$10
Opus 5.5:$20
キャッシュ読み出し
Sonnet 5.5:$0.20
Opus 5.5:$0.20
単価が半分でも、それだけで安いとは言えません。1タスクの費用は、おおよそ「単価 × 使ったトークン × やり直しの回数」です。
これは分かりやすくするための私の整理です。
Sonnet 5.5の単価はSonnet 5と同じです。
それでもAnthropicは、テストでは1タスクあたり最大30%安いとしています。使うトークンが減るためです。公式発表
発表には導入先企業の数字も載っています。Balyasny Asset Managementは、1回答あたり約12.1万トークン(Sonnet 5は約49.7万)と報告しています。
Base44はアプリ構築が平均3.6回の反復で済み、Opus 5は7.7回でした。
【違い】 「最強を常用」から「既定と昇格条件」へ

つまり、モデル選びは性能の序列で決めるものではなく、仕事ごとに費用と品質を釣り合わせる設計に変わります。
最初に使うモデル
従来の運用:一番強いもの
既定+昇格の運用:Sonnet 5.5
切り替えの基準
従来の運用:気分や不安
既定+昇格の運用:失敗の回数など、事前に決めた条件
費用の見方
従来の運用:1トークンの単価
既定+昇格の運用:1タスクの総量(トークン×やり直し)
Opusの出番
従来の運用:全部
既定+昇格の運用:判断を積み重ねる複雑で開放的な仕事
最後の行は公式の位置づけに沿っています。Anthropicは、Sonnet 5.5を明確な範囲の日常作業(バグ修正、文書・スライド・表計算の作成)に強いモデルとしています。
Opus 5.5は、慎重な判断が要る複雑な仕事向けです。公式発表
【仕組み】 費用を変える点は三つある

その三つは、モデル、effort、キャッシュです。
モデルは上の表のとおりです。effortは、答える前にどれだけ深く考えるかを決める設定です。
低くすると速くなり、トークンも減ります。高くすると、より長く考え、確認も増えます。
既定値は場所で違います。Claude CodeとClaudeアプリはMedium、Claude Platform(API)はHighです。公式発表
アプリで答えが浅いと感じたら、まずeffortを疑うのは筋の通った順序です。
Anthropicのグラフでは、Sonnet 5.5はLowやMediumでも、いくつかの評価でSonnet 5の最高点を上回ります。そのときの1タスクの費用は約10分の1です。
難しい仕事に深く考えさせるより、軽い仕事の設定を下げるほうが役立つことがあります。
プロンプトキャッシュは、毎回同じ冒頭部分の処理を使い回す仕組みです。冒頭はtools、system、messagesの順に固定され、キャッシュを効かせたい境界にcache_controlを付けます。
既定の保持は5分で、使うたびに延長されます。Sonnet 5.5で保存できる最小の長さは512トークンです。Prompt cachingドキュメント
順序には注意があり、effortを変えると、messages側のキャッシュは無効になります。
先にeffortを決めてから、キャッシュ設計に入るほうが安全です。Prompt cachingドキュメント
【具体例】 同じ指示文を1,000回送ると、入力費は約10分の1

固定の指示文と例が1万トークン、毎回違う入力が末尾に付く処理を、1,000回回すとします。キャッシュ書き込みは基本入力の1.25倍(Sonnet 5.5は100万トークンあたり$2.50)、読み出しは0.1倍($0.20)です。
固定部分の入力費は、次のとおりです。以下は公開価格から私が計算した試算で、各呼び出しが前回から5分以内に続くと仮定しています。
キャッシュなし:1万トークン × 1,000回 = 1,000万トークン × $2 ÷ 100万 = 約$20
キャッシュあり:書き込み1回が$0.025、読み出し999回で約$2.00。合計は約$2.02
出力と、毎回変わる末尾の入力は別に掛かります。それでも、固定部分が長いほど差は開きます。
条件は三つです。固定部分を先頭に置くこと、1文字でも変わると効かないこと、変わる部分を境界の後ろに置くことです。
日付やタイムスタンプを先頭に入れると、毎回キャッシュが外れます。原文の「変わらない部分を上、変わる部分を下」は、この仕組みの実践版です。
また、キャッシュ読み出しの単価はSonnet 5.5もOpus 5.5も$0.20です。固定部分の読み出しだけなら、両者の差は縮みます。
差が残るのは、新しい入力と出力の部分です。
【関連概念】 安さを信じる前に、条件と承認を確かめる

ベンチマークの数字は、設定込みで読みます。原文はTerminal-BenchでSonnetがOpusを上回る点を強調しています。
公式の注記では、比較したOpus 5.5の値(66.4%)はXhigh設定です。
FrontierCodeでは、Sonnet 5.5はMax設定で46.2%、Xhigh設定で52.1%でした。Opus 5.5は54.4%で、差は設定で大きく変わります。
公式は、複雑で開放的な仕事ではOpus 5.5が明確に上と述べています。
数字はベンダー公表値です。自分の仕事での比較は、自分で測ります。
エージェントを作るなら、送信・削除・購入・公開の前に人の承認を挟みます。原文の第21日に当たる部分です。
AnthropicのBuilding Effective AI Agentsも、エージェントの計画を見える形にすることを勧めています。
Claude CodeのCLAUDE.mdは、短く保つほうが従われやすいとされています。公式の目安は1ファイル200行未満です。Claude Codeのメモリ
もう一つ、Sonnet 5で思考を切っていた設定は、Sonnet 5.5ではbetween_toolsに変わります。強制ツール選択はエラーになり、温度などの指定も既定値以外は400エラーです。モデル概要
古いコードをそのまま移すと、費用以前に動きません。
参考情報・参考書籍(PR)
本記事をより深く理解するために、概念マップスライドを作成しました。こちらをみることで理解の補助になるはずです。
『LLMのプロンプトエンジニアリング ―GitHub Copilotを生んだ開発者が教える生成AIアプリケーション開発』(John Berryman、Albert Ziegler):固定部分と変わる部分を分けて指示文を組み立てる考え方が、キャッシュを効かせる設計の土台になります。
『実践 AIエージェント開発 ―マルチエージェントシステムの設計と実装』(Michael Albada):ツール呼び出しや人の承認の挟み方など、エージェントを運用に乗せる設計の参考になります。
『実践 LLMアプリケーション開発 ―プロトタイプを脱却し、実用的な実装に迫るための包括的な手引き』(Suhas Pai):プロトタイプから実運用へ進める際のコストや品質の考え方を広げたい読者向けです。
関連記事
【まとめ】 一つの繰り返し作業で、前後の三つの数字を取る

この記事の内容は、私自身で検証したものではありません。公式資料から、小さく試せる形に整理しました。
毎週繰り返している作業を一つ選びます。
その指示文を「毎回同じ部分」と「毎回変わる部分」に分けます。
Sonnet 5.5で、effortを一段下げても品質が保てるか見ます。
前の所要時間、今の所要時間、実行費用の三つを書き留めます。
□ 固定部分が512トークンを超えているか
□ 変わる部分が、固定部分の後ろにあるか
□ 2回失敗したらOpusに上げる、という条件を先に決めたか
参考情報
関連記事
入力が重いAIエージェントの推論コストを分解する~DeepSeek-V4.1-Flash はどこを削ったか~
推論が安くなると、GPUクラウドの需要は減るのか~同じ仕事に要る計算量から読む~