メインコンテンツへスキップ
技術ブログへ戻る
AI開発

AI開発505セッションを測って分かった入力トークンの偏り

Claude Codeの507セッションを読み、505件の初回・応答別入力を計測しました。起動経路ごとの表と、期間・キャッシュ・重複・未計測の定義から、自社で次に調べる対象を決める方法を紹介します。

起動経路ごとに1回あたりの入力の厚みと件数が異なり、一部は未計測として残ることを表す概念図

AIを使う開発では、依頼の件数を数えても、モデルにどれだけの入力を読ませているかは分かりません。短い依頼でも大量の背景情報を伴うことがあり、長い会話では同じ情報を次の応答でも読み込みます。改善する場所を決めるには、実際の入力を運用の経路ごとに把握する必要がありました。

Netsujoでは、1台のMacに残るClaude Codeの記録を読み、505セッションを計測しました。デスクトップ経由の初回入力の中央値は98,092 token、SDK経由の管理実行では16,676 tokenでした。違いが見えたことで、次に調べる経路を絞れました。本稿では、その数値の定義と、同じ計測を自社で設計するための判断を説明します。

1. 何を数えるかを先に固定する

対象を選んだ期間は、2026年11月12日01:00から11月19日01:00までの日本時間です。UTCでは11月11日16:00から11月18日16:00に対応します。記録を読み取った507セッションのうち、入力を計測できたのが505セッション、未計測が2セッションでした。

この7日間は、対象セッションを最初の記録時刻で選ぶための期間です。各セッションは、読取時点で残っていた記録を集計しました。期間前から続いているセッションは含まず、個々の応答をこの7日間だけへ切り取った消費量でもありません。

集計単位は、主会話であるmain-chainのモデル応答です。ツールを使いながら続く応答も含めます。subagentの別記録は読み込んでいないため、ここに示す数値は、その端末で動いたすべてのエージェントの合計ではありません。

1応答の入力には、記録の input_tokens、cache_creation_input_tokens、cache_read_input_tokens を足しました。通常の入力、キャッシュ作成に使われた入力、キャッシュから読まれた入力を、いずれも同じ1 tokenとして扱います。同じ文章が次の応答でも読まれれば、その応答の入力として再び数えます。この定義で把握するのは、各応答が受け取った文脈の量です。

「初回入力」は、各セッションの最初に計測できた応答の入力です。常時読み込まれる指示や背景情報に加え、最初の依頼文も含みます。今回の測定だけから、指示ファイルだけの量を取り出すことはできません。

2. 起動経路ごとの初回入力を並べる

まず、会話が長くなる前の状態を調べるために、セッションごとに初回入力を取りました。経路は記録のentrypointで分類しています。以下の名称は、Netsujoの運用で記録された起動経路です。

表1:起動経路と最初の計測可能な応答の入力(単位:token)

2. 起動経路ごとの初回入力を並べる
起動経路(記録上の値)計測セッション未計測セッション初回入力 p50初回入力 p90
デスクトップ経由(claude-desktop)28098,092103,729
SDK経由の管理実行(sdk-cli)470116,67620,099
CLI経由(cli)7166,033—
合計5052——

出典:Netsujoの自社計測。名称は記録のentrypointで分類した自社運用上の経路です。初回入力には常時読込情報と最初の依頼文が含まれます。p50は中央値、p90は90パーセンタイルです。cliは計測数が10未満のためp90を示していません。

パーセンタイルにはnearest-rank法を使っています。値を小さい順に並べ、対象の割合に対応する順位を切り上げて選ぶ方法です。自社で再計測するときも、計算方法と、件数が少ない区分で表示を控える条件を揃えると比較しやすくなります。

この表から、初回入力の構成を詳しく確認する候補として、デスクトップ経由を選べます。ただし、経路によって依頼内容も異なります。背景情報が多かったのか、最初の依頼が大きかったのかは、追加の確認が必要です。SDKへ切り替えれば同じ仕事の入力がこの値になる、という比較実験はしていません。

次の調査では、同じ種類の仕事と同程度の依頼文を揃え、起動時に毎回入る情報を確認します。初回入力の大きさを、設定や文書を調べるための入口として使う考え方です。

3. 応答ごとの入力で、会話全体の重さを見る

初回だけでは、作業が続く間の入力を捉えられません。そこで、初回を含むすべての計測可能な応答について、平均と中央値を集計しました。

表2:計測応答ごとの入力(単位:token)

3. 応答ごとの入力で、会話全体の重さを見る
起動経路計測応答数応答ごとの入力・平均応答ごとの入力・中央値
claude-desktop14,659279,188234,384
sdk-cli11,31173,45261,156
cli2,929220,011189,861

出典:Netsujoの自社計測。応答数は人間の発言数ではなく、ツール利用のループを含むmain-chainの応答数です。平均は各応答を等しい重みで集計しています。セッション数が異なり、仕事内容・会話長・モデルを統制していません。キャッシュ済み入力とそれ以外を等しい1 tokenとして合算しているため、料金比較には使いません。

SDK経由は計測セッション数が最も多い一方、応答数はデスクトップ経由より少なく、応答あたりの入力も小さくなりました。セッション件数だけで利用の大きさを判断すると、この違いを見落とします。

表1はセッションを単位とし、表2は応答を単位としています。長いセッションには多くの応答が含まれるため、表2ではそのセッションの影響が大きくなります。両方を見ることで、「起動直後から入力が大きいのか」と「多くの応答で大きな入力を受け取っているのか」を別の問いとして扱えます。

ただし、表1と表2の中央値の差は、個々の会話で文脈が増えた量ではありません。会話中の増え方を確かめるには、セッション内で応答の順番を揃えた別の集計が必要です。

4. 74%を、調査の順番に使う

今回の集計では、計測対象となった全応答の入力トークン合計に占めるデスクトップ経由の割合は、丸めて74%でした。74%は入力トークンの比率であり、費用の比率ではありません。 キャッシュ済み入力も通常の入力も同じ重みで足しているためです。また、この比率から無駄の量や削減可能な割合も判断できません。

ここから決めたのは、詳しく調べる順番です。全経路を一度に変更する前に、今回の入力総量で大きな割合を占める経路を観察すれば、調査対象を絞れます。その入力が作業に必要だったかは、仕事内容と結果を合わせて評価します。

例えば、必要な仕様を読ませた結果として入力が多くなっている場合と、関係のない資料を毎回渡している場合では、取るべき対応が違います。今回の集計は両者を区別していません。区別するための対象を見つけた段階です。

費用を調べる場合は、各入力区分を分けたまま保持し、その実行に適用された料金や実際の請求情報と照合する必要があります。今回の等重みの集計を、そのまま金額の内訳へ変換しないことが計測設計の要点です。

5. 重複記録と未計測を、別々に扱う

応答が複数のログ行に現れる場合があるため、集計では応答の識別情報を使って重複を除外しました。除外した重複記録は35,146件です。これは同じ応答を二重に足さないための処理であり、不要なモデル実行を35,146回減らしたという意味ではありません。

同じ文章を別の応答で読み直した入力は、その都度数えています。「同じ応答の記録が重複したこと」と「別の応答で同じ文脈を再び受け取ったこと」は、計測上の扱いが異なります。

この読取りでは、不正な形式の記録1件と、不正なusage情報10件も集計から除外しました。セッション単位で計測できなかった2件は、使用量不明のまま残しています。0 tokenを割り当てると、観測できなかった実行を軽い実行として平均へ混ぜてしまうためです。

公開する集計表には会話本文を含めていません。自社で同じ計測を設計する際も、必要な集計と原文の保管を分けると、運用の傾向を共有するために出す情報を限定できます。記録の保存・閲覧権限は、その組織の既存ルールに従います。

6. 自社で計測するなら、二つの問いを分ける

最初に決めたいのは、知りたい対象です。「この期間に始まったセッションの特徴」と「この期間中に発生した使用量」では、対象の選び方が変わります。今回採ったのは前者です。後者を測るなら、各応答の発生時刻で対象を切り、期間前から続く会話も扱う必要があります。

そのうえで、初回に毎回入る情報と、長い会話で繰り返し読まれる情報を分けて調べます。初回の比較では仕事内容と依頼文を揃え、継続時の比較では会話長や応答の位置を揃えます。どちらも、入力の減少と同時に、必要な情報の欠落や作業結果の変化を確認する設計にします。

計測仕様には、次の項目を残すと再利用できます。

  1. 対象端末・runtime・起動経路と、含める会話の範囲。
  2. セッションを選ぶ時刻条件、読取り日時、対象記録のスナップショット。
  3. 入力に加えるusage区分、重複を除く単位、未計測の扱い。
  4. セッション単位と応答単位の指標、パーセンタイルの計算方法。
  5. 比較する仕事の条件と、入力以外に確認する成果。

進行中の記録は増えます。同じ7日間を指定して後日読み直しても、同じ数値になるとは限りません。再現したい集計では、期間指定に加えて読取り時点の記録を固定します。

今回得たのは、1台のMac・Claude Codeのmain-chainという範囲で、次の調査を決めるための基準です。最初に計測の分母と数え方を揃えることで、入力が多い理由を調べ、変更後に同じ条件で確かめる仕事へ進めます。

AI開発の運用で、入力計測から改善対象の選定までを整理したい方は、AI開発・運用の設計を相談するからご相談ください。支援範囲はAI実装支援にまとめています。