3行でいうと

  • トークンは、AIが文章を切り分けて数える単位です。1文字でも、1単語でも、単語の一部でもありえます。
  • 開発者向けのAPIの料金は、トークンの数で決まります。AIに送る分（入力）と、書く分（出力）で単価が違います。
  • 英語では1トークンは約4文字が目安です。日本語の数字は、読んだ公式ページでは確かめられませんでした。
  • 画像や音声もトークンで数えます。AIが答える前の「思考」の分も、出力として請求されることがあります。

この記事は公式・一次資料を読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。

先に結論

たとえ話：荷物を「箱」に詰めて、箱の数で運賃が決まる

宅配便を思い浮かべてください。荷物は、中身が何であれ、ふつうは大きさや重さで運賃が決まります。AIの場合、文章を「箱」に詰め直して、箱の数で料金と上限が決まる、と考えるとイメージしやすいです。

この箱がトークンです。箱の大きさは、一定ではありません。よく出てくる言葉は大きな1箱にまとまり、珍しい言葉は小さな箱に分かれます。だから、文字数を数えても、箱の数は正確には分かりません。

何を「1トークン」と数えるのか

各社の公式説明は、次のとおりです。

どう切るかは、モデルごとに決まった方式（トークナイザー）で行われます。OpenAIは、切り方を見られるWeb上の道具「Tokenizer」を用意しています。

目安の数字：英語では「1トークンは約4文字」

会社 目安（英語の文章） 確認元
OpenAI 1トークンは約4文字、約0.75単語。100トークンで約75単語 OpenAIヘルプ「What are tokens and how to count them」
Google（Gemini） 1トークンは約4文字。100トークンで英語の60〜80単語 Gemini API「Understand and count tokens」
Anthropic（Claude） 1トークンは約4文字、約0.75単語（料金ページ）。用語集では「約3.5文字」 料金ページ、用語集

同じ会社の中でも、ページによって数字が違っています（Anthropicの料金ページは4文字、用語集は3.5文字）。どちらも「目安」であり、料金ページは「言語や内容で変わる」と書いています。

日本語はどうなるか

OpenAIのヘルプは、他の言語では文字、単語、トークンの関係が異なりうると書いています。英語の目安をそのまま当てはめてはいけない、という意味です。ただし、日本語が何文字で1トークンになるのか、という数字は、僕らが読んだ公式ページには見つかりませんでした。

見立てです。日本語の文章は、英語と同じ感覚では見積もれない、と考えて、実際に数えたほうがよさそうです。

数えるにはどうするか
  • Anthropic：トークン数を数えるAPIがあります。送る予定の内容を渡すと、入力のトークン数が返ってきます。使うのは無料です。ただし、数字は見積もりで、実際の使用量と少しずれることがあります。
  • OpenAI：上のTokenizerのほか、プログラムから数えるtiktokenという道具が紹介されています。
  • Google：送る前に入力を数える機能（count_tokens）があります。返事には、入力、出力、思考、キャッシュ、道具の使用に分けたトークン数も付きます。

Anthropicの文書には、数えた実例が載っています。

内容 入力トークン数
システムの指示文＋「Hello, Claude」 14
天気を調べる道具の定義が1つ付いた場合 403
画像1枚＋文章 1,028
PDF1つ＋「この文書を要約して」 2,188

短い挨拶でも、道具の説明や画像が付くと、トークンは一気に増えます。

また、Anthropicの料金ページとトークン数のページは、Claude 4.7以降のモデルは新しいトークナイザーを使っていて、同じ文章でもトークンが約30%増える、と書いています。増え方は内容によります。モデルを替えたら、数え直してください。

画像や音声も数える

Googleの文書によると、Geminiでは、384ピクセル以下の画像は258トークン、それより大きい画像は768×768の区画ごとに258トークンです。音声は1秒32トークン、動画は標準の処理で1秒263トークンです。

料金とのつながり

Anthropicの料金ページ（2026年10月8日確認）は、料金を「MTokあたり」と書いています。MTokは、100万トークンのことです。単位はドルです。

  • 入力：AIに送るもの（質問、指示文、資料、道具の説明など）
  • 出力：AIが書くもの

出力は、入力より高く設定されています。同じ料金ページでは、一覧にある現行のモデルは、どれも出力が入力の5倍です。

例として、同じ料金ページの表から書き出します。

モデル 入力（100万トークンあたり） 出力（100万トークンあたり）
Claude Haiku 5.5（入力10万トークン以下のとき） $0.10 $0.50
Claude Sonnet 5.5 $2 $10
Claude Opus 5.5 $4 $20
Claude Fable 5.1 $10 $50

Googleの料金ページには、Gemini 3.5 Flash（標準）の有料枠で、入力が100万トークンあたり$1.50、出力（思考のトークンを含む）が$9.00という行があります。会社をまたいだ高い安いの比較は、この記事ではしません。モデルの性能も、機能も、違うからです。

計算してみる

Claude Sonnet 5.5で、入力1万トークン、出力1,000トークンだったとします。これは僕らの計算例で、公式の例ではありません。

  • 入力：10,000 ÷ 1,000,000 × $2 = $0.02
  • 出力：1,000 ÷ 1,000,000 × $10 = $0.01
  • 合計：$0.03

1回の質問はとても安く見えます。ただし、会話が続くと、毎回の入力に、それまでの会話も含まれます（次の記事で説明します）。

見えないトークンにも注意

AnthropicとGoogleは、AIが答える前に考えるための「思考」のトークンを、出力として請求すると書いています。画面に見える文章より、請求されるトークンが多いことがあります。

また、同じ前置きを何度も送るときの割引（プロンプトキャッシュ）があります。Anthropicの文書によると、キャッシュを読み出す分は、多くのモデルで基本の入力価格の0.1倍です。一部のモデルは別の倍率になっています。

:::

ChatGPTやClaudeの月額プランではどうなるか

月額プランの画面では、ふつうトークンの数を意識しません。Anthropicのヘルプによると、利用の上限は、会話の長さや複雑さ、使う機能、モデルなどで決まります。利用上限についてのヘルプ記事（Usage limit best practices）には、トークンという言葉は出てきませんでした。内部でどう数えているかは、確認できていません。

気をつけること

  • 数字は2026年10月8日に確認した時点のものです。料金とモデル名は変わります。
  • 「1トークンは約4文字」は、英語の目安です。日本語の公式の数字は確かめられませんでした。
  • 会社やモデルによって、トークナイザーが違います。同じ文章でも、数は同じではありません。
  • 料金は、ドルでの表記です。税や為替は含めていません。
  • Anthropicのキャッシュ料金の説明に、ページ内で食い違う記述（Claude Sonnet 5.5の読み出し倍率）がありました。ここでは細かい数字を書いていません。
  • 計算例は僕らの計算で、実際の請求とは違う場合があります。

出典

更新履歴

  • 2026年10月25日 書き方を直しました。
    • 前：運営者が使っていないと読める書き方 → いま：「この記事は、実際に使って確かめた記録ではありません」。公式の資料を読んでまとめた記事で、使い心地は書いていない、という意味に直した