AIでアプリを作るには、いったい何トークンかかる？

トークン課金に慣れていないと、この質問はほぼ答えられないように聞こえます。「アプリを作るのに何トークンかかるの？」——単一の数字など存在しません。トークンは機能でも、ファイルでも、一日分の仕事でもなく、はるかに小さくて奇妙な単位だからです。それが実際に何を測っているのかを理解すれば、従量課金のAIコーディングツールの料金はブラックボックスに見えなくなり、予測してコントロールできるものに感じられるようになります。

これはツールごとの価格比較ではありません——それについてはAIコーディングエージェントのトークンコスト比較を参照してください。この記事は単位そのものについてです。トークンが何か、なぜエージェンティックコーディングはちょっとしたチャットの回答よりはるかに多くトークンを消費するか、そして作っているものを変えずにトークンを少なく使うには何ができるか。

トークンの正体

トークンはざっくり言えばテキストのかけらです——時には単語全体、時には単語の一部、時には句読点や{や=>のようなコード構文。大雑把な目安として、一トークンは英語のテキストやコードで約4文字、平均して単語の3/4ほどに相当します。だから「hello world」は約3トークン、50行の関数ならコードの密度次第で300–500トークンほどです。

まず捨て去るべき大事なのは、トークンが行でもファイルでもステップでもないということです。簡潔な二行と、冗長で深くネストされた二行は、同じトークン数にはなりません。カウントされるのは文字数で、行数ではありません。だから、疎なスタイルで書かれた小さなモジュール全体よりも、ぎっしり詰まったひとつの設定ファイルのほうが読み込みコストが高くつくことがあるのです。

すべてのAIモデル——チャット質問に答えるのも、コーディングエージェントとして動くのも——はトークン単位の課金で、通常は生成するトークンと読み込むトークンで別料金（生成のほうが高い）です。そのトークン単価に、タスクが実際に使うトークン数を掛けるものが、請求額のすべてです。

なぜエージェンティックコーディングはチャットの回答よりトークンを燃やすのか

チャットボットに「Pythonで文字列を反転するには？」と聞くなら、やりとりは小さくて済みます。質問が入って、関数がひとつ出るだけ。合計数百トークンほどです。

コーディングエージェントに既存アプリのバグを直してもらうと、作業の形はまったく別物になります。安全に変更する前に、通常こうしなければなりません。

1. 関連ファイルを読む——現在のコード、命名規約、部品どうしのつながりを理解するために。ファイルが長ければこれだけで数千トークンに達することもあります。
2. 文脈に必要な関連ファイルを読む——共有型、設定ファイル、隣接するコンポーネントなど。一行も変更する前に、さらにトークンが増えます。
3. 編集を書き込む——トークン的に見れば通常は最小のステップで、特に編集が限定的で小さければなおさらです。
4. 編集後にファイルを読み直す——変更が正しく反映されたか確認するため、あるいはコマンドを実行して出力を読むために。

これが核心的な理由です。チャットボットが質問に答える場合と、エージェントが実際のコードベースを編集する場合では、根底にあるタスクの規模が似ていてもトークンのプロファイルはまったく異なるものになるのです。チャットボットは最初にファイルを開く必要がまったくありません。エージェントはほぼ必ず開きます——当てずっぽうではなく編集を正しく合わせるための代価が、コンテキストなのです。

トークンを燃える操作 vs. トークンを食わない操作

一トークン≈4文字の則を使った、ざっくりした感覚です。

トークンを燃える側：

• 大きなファイルを端から端まで読む（2,000行のファイルは、コンテキストに読み込むだけで15,000–25,000+トークンに達することも珍しくありません）
• 小さな変更の前にエージェントに「コードベース全体を見て」と頼む
• 以前のコンテキストを再利用せず、同じ大きなファイルを複数ターンにわたって読み直す
• 何を意味したいのかエージェントに広く探させてしまう曖昧な指示

トークンを食わない側：

• すでに直接示した関数への、限定的で短い編集
• すでに貼り付けた（またはすでにコンテキストにある）コードについて、焦点を絞った質問
• ファイル全体の書き直しではなく、小さな対象明確な差分
• 文脈を直接渡せたはずのことを探しに行かせない、十分に具体的な指示

どちらも「正しい」も「間違っている」もありません——大きなファイルを読むのは、安全な編集のために本当に必要なこともあります。大事なのは、これらの選択には実際に目に見えるコスト差があって、ある操作がどちら側にあるかを知っていれば、気づかないうちではなく意図的にトレードオフを選べるということです。

プロジェクトあたりのトークンを減らす実践的な方法

どれもコードの書き方を変える必要はありません。エージェントへの指示をより意識的にするだけです。

• 指示を具体的に。「checkout.tsのparseOrder()のnullチェックを直して」は、「checkoutが壊れてる」というよりはるかに少ないトークンで済みます——後者はエージェントが探し始める前に検索までやらされるからです。
• 大きなファイルの読み直しを繰り返さない。 同じファイルを数ターンにわたって練り直しているなら、毎回ファイル全体を読み直させる代わりに、関連部分だけを会話の中に置いておきましょう。
• 変更を限定する。「このモジュール全体を片付けよう」ではなく、一度につきひとつの関数かひとつのバグに絞る——小さく定義された編集は、読み取りと書き込みの両側でトークンを減らします。
• **検索させるのではなく、正しいファイルを直接示す。**ファイルと関数を名指しすれば、広い要求が引き起こす探索的な読み込みがスキップできます。
• 関連する小さな編集はひとつの焦点ある指示にまとめる——文脈を毎回ゼロから再構築する往復ターンを何度も重ねる代わりに。

これはお金を節約するために劣った指示を書けということではなく、まったく逆です。具体的で限定されたリクエストのほうが、初回の編集の質が高くなる。だからトークン効率の良い習慣と、品質の良い習慣は、通常おなじ習慣です。

なぜ従量課金ならこれがより重要になるのか

定額の月額サブスクでは、トークン使用量は見えません——その月に50,000トークンを燃やしても5 millionトークンを使っても、支払うのは$20です。meshcodeのような従量課金モデルでは、トークンひとつひとつに直接の目に見えるコストがあります。だから上の習慣はそのまま請求に反映されます。無駄な読み込みを減らし、リクエストをもっと緊密で具体的にすれば、同じアプリを出すために、より少なく払えるようになります。

meshcodeはMacとWindows向けのネイティブデスクトップAIコーディングエージェントで、ウィンドウごとにひとつのモデルに縛り付ける代わりに、複数のAIモデルを同時に動かせます。無料で始められ、そこからは従量課金——$1からのチャージ、サブスクなし、月額なし、シート課金なし。手数料の5% + $0.50はチャージ時にだけ取りられ、使用量自体は原価で課金されます。すでにClaude CodeやCodex CLIのキーをお持ちなら、meshcodeに持ち込んで、meshcodeの追加トークン料金なしで使えます（それらのプロバイダーが直接課金します）。英語・韓国語・日本語、中国語の簡体字・繁体字を含む9言語で提供されています。

トークンを理解してもアプリが無料で作れるわけではありませんが、請求が予測可能になります——予測可能だからこそ、次のリクエストがいくらかかるか気にすることなく作っていけるのです。

👉 meshcodeをダウンロード — Mac、Windows