Claude API 料金ガイド 2026 — 全モデルのコスト・Batch API・Prompt Caching まで実装解説

Claude API の料金体系を正しく理解する

Claude API を使った開発を始めるとき、最初に気になるのが「いくらかかるのか」という点でしょう。Anthropic の Claude API はトークン単位の従量課金制を採用しており、使った分だけ支払うシンプルな仕組みです。

ただし、モデルの選択肢が複数あり、さらに Batch API や Prompt Caching といったコスト削減手段も用意されているため、全体像を把握しておくことが大切です。ここでは2026年3月時点の最新料金を整理し、実際の開発シナリオに基づいた費用試算と最適化テクニックをお伝えします。

現行モデルの料金一覧（2026年3月時点）

Claude API で利用可能な主要モデルの料金は以下の通りです。すべて**100万トークンあたりの価格（USD）**で表記しています。

Claude Opus 4.6（最高性能モデル）

入力: $5 / 100万トークン
出力: $25 / 100万トークン
コンテキストウィンドウ: 最大100万トークン
用途: 高度な推論、複雑なコード生成、研究分析

Claude Sonnet 4.6（バランス型モデル）

入力: $3 / 100万トークン
出力: $15 / 100万トークン
コンテキストウィンドウ: 最大100万トークン
用途: 日常的なコーディング、文章作成、データ分析

Claude Haiku 4.5（高速・低コストモデル）

入力: $1 / 100万トークン
出力: $5 / 100万トークン
コンテキストウィンドウ: 最大200Kトークン
用途: チャットボット、分類タスク、軽量な処理

ポイントは、Opus 4.6 と Sonnet 4.6 は前世代（Opus 4.1 の入力 $15 / 出力 $75）と比べて約67%のコスト削減を実現していることです。性能が上がりつつ価格が下がるという、開発者にとって嬉しいトレンドが続いています。

トークンとは何か — 料金計算の基本

API 料金を正しく見積もるには、「トークン」の概念を理解しておく必要があります。

トークンとは、テキストを処理する際の最小単位です。英語の場合、1トークンは約4文字（または約0.75ワード）に相当します。日本語は1文字あたり1〜3トークン程度を消費するため、同じ内容でも英語より多くのトークンが必要になります。

# Anthropic Python SDK でトークン数を事前に確認する例
import anthropic
 
client = anthropic.Anthropic()
 
# メッセージを送信し、使用トークン数を確認
response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Pythonでフィボナッチ数列を実装してください"}
    ]
)
 
# 使用トークン数の確認
print(f"入力トークン: {response.usage.input_tokens}")
print(f"出力トークン: {response.usage.output_tokens}")
 
# 期待する出力例:
# 入力トークン: 28
# 出力トークン: 312

この例で Sonnet 4.6 を使った場合のコストを計算すると、入力 28 トークン × ($3 / 1,000,000) + 出力 312 トークン × ($15 / 1,000,000) = 約 $0.005（約0.75円）となります。1回のリクエストあたりのコストは非常に小さいことが分かります。

利用シナリオ別のコスト試算

実際の開発でどのくらいのコストがかかるか、代表的なシナリオで試算してみましょう。

シナリオ1: チャットボット（月間10,000リクエスト）

Haiku 4.5 を使い、1リクエストあたり入力500トークン・出力300トークンと仮定すると、月間コストは入力 $5 + 出力 $15 = **約 $20（約3,000円）**です。小規模なカスタマーサポートボットであれば、十分に現実的なコストです。

シナリオ2: コードレビューエージェント（月間1,000回実行）

Sonnet 4.6 を使い、1回あたり入力3,000トークン・出力1,500トークンと仮定すると、月間コストは入力 $9 + 出力 $22.50 = **約 $31.50（約4,700円）**です。

シナリオ3: 大規模ドキュメント分析（月間100回実行）

Opus 4.6 を使い、1回あたり入力50,000トークン・出力5,000トークンと仮定すると、月間コストは入力 $25 + 出力 $12.50 = **約 $37.50（約5,600円）**です。

Batch API で最大50%コスト削減

リアルタイムの応答が不要なタスクには、Batch API が強力なコスト削減手段になります。通常の API 料金から50%オフで利用でき、結果は24時間以内に返却されます。

import anthropic
 
client = anthropic.Anthropic()
 
# Batch API でリクエストを一括送信
batch = client.batches.create(
    requests=[
        {
            "custom_id": "review-001",
            "params": {
                "model": "claude-sonnet-4-6",
                "max_tokens": 1024,
                "messages": [
                    {"role": "user", "content": "このコードをレビューしてください: def add(a, b): return a + b"}
                ]
            }
        },
        {
            "custom_id": "review-002",
            "params": {
                "model": "claude-sonnet-4-6",
                "max_tokens": 1024,
                "messages": [
                    {"role": "user", "content": "このSQLクエリを最適化してください: SELECT * FROM users WHERE age > 20"}
                ]
            }
        }
    ]
)
 
# バッチの状態を確認
print(f"Batch ID: {batch.id}")
print(f"Status: {batch.processing_status}")
# 期待する出力例:
# Batch ID: batch_abc123
# Status: in_progress

Batch API が特に効果的なユースケースは、大量のコンテンツ翻訳や分類、定期的なレポート生成、データセットの一括分析などです。

Prompt Caching で最大90%の入力コスト削減

同じシステムプロンプトや共通のコンテキストを繰り返し送信するケースでは、Prompt Caching が劇的な効果を発揮します。キャッシュされた入力トークンは**通常料金の10%**で処理されます。

import anthropic
 
client = anthropic.Anthropic()
 
# 長いシステムプロンプトをキャッシュ対象にする
response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    system=[
        {
            "type": "text",
            "text": "あなたは経験豊富なシニアエンジニアです。コードレビューを行い、改善点を具体的に提案してください。以下のコーディング規約に従ってレビューしてください... (長い規約テキスト)",
            "cache_control": {"type": "ephemeral"}
        }
    ],
    messages=[
        {"role": "user", "content": "この関数をレビューしてください: ..."}
    ]
)
 
# キャッシュの効果を確認
print(f"入力トークン: {response.usage.input_tokens}")
print(f"キャッシュ作成: {response.usage.cache_creation_input_tokens}")
print(f"キャッシュ読取: {response.usage.cache_read_input_tokens}")
# 期待する出力例（2回目以降）:
# 入力トークン: 45
# キャッシュ作成: 0
# キャッシュ読取: 2048

Prompt Caching と Batch API は併用可能です。両方を組み合わせると、理論上は最大95%のコスト削減が実現できます。

モデル選択の判断基準

3つのモデルからどれを選ぶべきかは、タスクの要件とコストのバランスで決まります。

Haiku 4.5 を選ぶべきケース: レスポンス速度が最優先のリアルタイムアプリケーション、テキスト分類や感情分析などの比較的単純なタスク、大量のリクエストを低コストで処理したい場合。

Sonnet 4.6 を選ぶべきケース: コーディング支援やコンテンツ生成など、品質と速度のバランスが重要なタスク。多くの開発者にとって最もコストパフォーマンスに優れた選択肢です。

Opus 4.6 を選ぶべきケース: 複雑な推論や多段階の分析が必要なタスク、最高品質の出力が求められるケース、100万トークンの長大なコンテキストをフルに活用する場合。

実務的なアドバイスとして、まず Sonnet 4.6 で試し、品質が不足する場合のみ Opus 4.6 に切り替えるというアプローチが最もコスト効率が良いです。

より実践的なコスト最適化の手法については、Claude API コスト最適化プロダクションガイドで Batch API・Prompt Caching・Adaptive Thinking を組み合わせた詳細な実装パターンを解説しています。

全体を振り返って

Claude API の料金体系は、モデル選択・Batch API・Prompt Caching の3つの軸で最適化できます。2026年現在、Sonnet 4.6 は入力 $3 / 出力 $15 という価格帯で、多くの開発プロジェクトにおいて最適なスタートポイントです。

まずは少量のリクエストで Sonnet 4.6 を試し、タスクの要件に応じてモデルを使い分けていくのが、コストを抑えながら高品質な AI アプリケーションを構築する最善のアプローチです。