この記事の目次
Claude Codeの「トークン」とは何か？
トークンとは、AIがテキストを処理するときに扱う最小の分割単位のことだ。文字数そのものではなく、意味のまとまりや頻出パターンで区切られた断片を指す。
Claude Codeを含む大規模言語モデルは、文章をそのまま読んでいるわけではない。入力された文字列を、あらかじめ学習した規則に沿って細かい単位に分割し、それぞれに番号を振ってから処理する。この分割単位がトークンだ。単語1つが1トークンになることもあれば、1つの単語が複数のトークンに分かれることもあるし、逆に短い単語や記号がまとめて1トークンになることもある。
そのため「1文字=1トークン」でも「1単語=1トークン」でもない。実際の分割結果や換算の目安値は言語やモデルによって変わるため、正確な数値を知りたい場合はAnthropicが公開している公式ドキュメントの用語集を確認するのが確実だ。本記事では断定的な数値ではなく、仕組みと考え方の理解に重点を置く。
個人開発者から企業の開発チームまで、Claude Codeを日常的に使うようになると、この「トークン」という単位が料金・制限・応答の質のすべてに関わってくることに気づくはずだ。まずは似た用語との違いを整理しておこう。
トークン・コンテキストウィンドウ・入力/出力トークン・思考トークンは何が違うのか？
この4つの用語は、それぞれ「何を数えているか」が異なるだけで、対立する概念ではない。トークンという共通の単位を、場面ごとに呼び分けているにすぎない。
| 用語 | 何を数える単位か | どこで消費されるか | 読者が意識すべき場面 |
|---|---|---|---|
| トークン | テキストを分割した最小単位 | 入力・出力のすべての処理 | 他の用語の土台となる基礎単位 |
| コンテキストウィンドウ | 一度の会話でモデルが同時に参照できるトークンの上限 | 会話履歴・ツールの実行結果・添付ファイルなど | 長い会話や大きなコードベースを扱うとき |
| 入力トークン | ユーザーが送った内容とそれまでの会話履歴 | プロンプトを送信するたび | 単価やコンテキストの消費量に直結 |
| 出力トークン | モデルが生成した応答本文 | 応答を生成するたび | 応答が長くなるほど増える |
| 思考トークン | 応答を組み立てる前にモデルが行う推論過程（拡張思考を使う場合） | 応答生成の前段階 | 複雑なタスクほど増える傾向がある |
表からわかるとおり、コンテキストウィンドウは「上限の器」であり、入力トークンと出力トークンはその器の中身を埋めていく要素だ。思考トークンは応答本文とは別に生成される推論過程で、モデルやタスクの複雑さによって発生量が変わる。定義の違いはここまでで整理できたので、次の見出しでは料金や制限への影響を見ていく。
なぜトークンの違いを理解すると料金や制限の見通しが立つのか？
入力トークンと出力トークンは単価が異なり、コンテキストウィンドウの消費量が利用可能な範囲や応答速度に影響するため、この2つを分けて考えられると使用感の見通しが立てやすくなる。
多くのAIサービスと同じく、Claude Codeも入力トークンと出力トークンを別々に計算する料金体系を採用している。一般に、モデルが読み込む入力よりも、モデルが生成する出力のほうが処理コストが高くなりやすい。長い応答を何度も求めると、短い質問を繰り返すよりもトークンの消費が早く進む理由はここにある。
また、コンテキストウィンドウが上限に近づくと、会話を続けるためにそれまでの履歴を要約したり、古いやり取りを手放したりする必要が出てくる。制限にかかるタイミングが「思ったより早い」と感じる場合、実は入力側だけでなく、ツールの実行結果や読み込んだファイルの内容もコンテキストウィンドウを消費していることが多い。
プランごとの料金体系や制限の詳しい比較は、本記事の範囲を超えるためClaude Codeの料金体系を解説した記事に譲る。ここで押さえておきたいのは「入力と出力は別計算」「コンテキストウィンドウは会話全体で共有される器」という2点だ。
自分の今のトークン使用状況はどこで確認できるのか？
Claude Codeのターミナル内では /cost コマンドでセッションごとのコストを、/context コマンドでコンテキストウィンドウの内訳を確認できる。全体的な利用状況はWeb上のダッシュボードで確認する方法もある。
/cost は、今のセッションでどれだけのトークンが消費され、それがどの程度のコストに相当するかを表示するコマンドだ。一方の /context は、コンテキストウィンドウの中身が何によって占められているか、つまり会話履歴・システムプロンプト・ツール定義などの内訳を確認できる。日々の作業の中で「そろそろ会話をまとめたほうがよさそうか」を判断する材料になる。
これらはCLI上でセッション単位の状況を見る手段であり、契約プラン全体の利用量や請求サイクル全体の集計を見たい場合は、Anthropicが提供するWeb上の使用状況ページを確認するほうが向いている。スラッシュコマンドの名称や挙動はバージョンによって変わることがあるため、手元の環境で /help を実行し最新の一覧を確認しておこう。
なぜ日本語入力は英語よりトークンを多く消費するのか？
日本語は、ひらがな・カタカナ・漢字が混在し、英語のようにスペースで単語が区切られていないため、同じ内容を伝えるのに英語より多くのトークンを必要とする傾向がある。多くのトークナイザー(テキストをトークンに分割する処理)は英語圏の文章を中心に学習された頻出パターンをもとに分割規則を作っており、単語の区切りが明確な英語は効率よくまとめやすい一方、文字の種類が多く境界も文脈依存な日本語は細かく砕かれやすい。
これはプログラミングコードにも言えることで、コードは同じキーワードや記号が繰り返し登場するため、自然言語よりもトークンとして効率よくまとまりやすい傾向がある。逆に言えば、Claude Codeへの指示や説明文を日本語の自然文で長く書くほど、同じ内容を英語や短いコードコメントで書く場合よりトークンを使いやすい。分割規則やモデルによって差はあるため、ここでは傾向として押さえておく。
Claude Code起動時に、すでに消費されているトークンは何か？
Claude Codeは、ユーザーが何も入力していない起動直後の時点で、すでにシステムプロンプトやツール定義などの固定情報を読み込んでおり、それらもコンテキストウィンドウの一部を占めている。
これは仕組み上避けられないもので、モデルが「自分は何ができるツールで、どんな制約のもとで動いているか」を把握するために必要な情報だ。加えて、CLAUDE.md に書かれたプロジェクト固有の指示や、接続しているMCP(Model Context Protocol、外部ツールやデータソースをモデルに接続する仕組み)のスキーマ情報も、会話を始める前から読み込まれる。
つまり、CLAUDE.md の記述が長くなるほど、あるいは接続しているMCPの数が増えるほど、起点となる消費量は増えていく。環境ごとに数値は変わるが、「会話を始める前からすでにいくらか消費されている」という前提を持っておくと、コンテキストウィンドウの残量を見誤りにくくなる。CLAUDE.md の書き方はCLAUDE.mdの書き方を整理した記事、MCPの仕組みについてはMCPの仕組みを解説した記事で詳しく扱っている。
トークンの知識は、日々の使い方にどう活かせるのか？
トークンとコンテキストウィンドウの関係を理解しておくと、会話の要約や整理といった操作が「なぜ効くのか」を自分の言葉で説明できるようになり、場当たり的な操作から抜け出せる。
たとえば会話を要約してコンテキストを圧縮する操作は、コンテキストウィンドウという器の中身を減らす行為だと理解できれば、いつ実行すべきかの判断がしやすくなる。具体的な圧縮の手順や自動・手動の使い分けはコンテキストウィンドウの圧縮の仕組みを解説した記事にまとめてあるので、そちらを参照してほしい。
また、コンテキストウィンドウが埋まってくると、モデルが参照できる情報が相対的に薄まり、応答の精度が落ちて見えることがある。これは単なるコスト管理の問題ではなく、応答の質そのものに関わる話でもある。用途に応じてモデルを使い分けることでコストと品質のバランスを取る方法もあり、詳細はモデルごとのコストと品質の違いを整理した記事で扱っている。
まとめ
トークンはAIがテキストを処理する最小単位であり、コンテキストウィンドウはその器、入力・出力トークンと思考トークンはそれぞれ異なる場面で消費される要素だと整理できる。この違いを理解しておくと、料金や制限にかかるタイミング、応答の質が落ちて感じる場面の背景を、自分の言葉で説明できるようになる。
ここまでの内容で「トークンとは何か」「なぜ料金や制限に効くのか」「どこで確認できるのか」は押さえられたはずだ。ただ、実際の開発や法人での運用の中でトークンを意識しながらClaude Codeを使いこなす感覚は、定義を読むだけではなかなか身につきにくい。手を動かしながら試行錯誤する時間が必要になる場面も多い。
そうした実践の場として、月額1,980円から参加できる学習コミュニティ「AI駆動ラボ」(lab.no-wave.jp)がある。生成AI(生成aiとも表記される)やClaude Codeを実際の作業に組み込みながら、自分の手で使いこなせるようになるための場として運営されており、自分で試しながら学んでいくことを前提にした設計になっている。トークンの仕組みを理解したうえで次の一歩を踏み出したい人は、AI駆動ラボを覗いてみてほしい。