Claude Opus 4.7の新トークナイザーでプロンプト料金は上がる？

なぜ同じ文章なのにトークン数が変わるのか

トークン数は、文字数や単語数と同じではありません。OpenAIのtiktokenガイドは、対象のencodingを使って文字列が何トークンになるかを数える方法を示しています。Geminiのドキュメントでも、Gemini APIへのinputとoutputは、テキストや画像を含めてtokenizeされると説明されています。

そのため、文字数やざっくりした換算率だけで費用を見積もると、精度は限られます。実務上見るべきなのは、対象モデルが実際に返すtoken countです。Claude Opus 4.7とClaude Opus 4.6でcount_tokensの結果が変わるという説明は、トークナイザー変更だけで同じ内容のカウントが変わり得ることを示しています。

「最大35%増」をどう読むべきか

コストはどう見積もるか

input tokensだけを単純化して見るなら、考え方は次の通りです。

ただし、これは入力部分だけの見積もりです。実際の請求には、output tokens、cache writes、cache hits、その他の料金項目が関わる場合があります。Anthropicのpricingはこれらの項目を分けており、OpenAIとGeminiにもそれぞれ公式pricingがあります。

モデル移行前にやるべき5つの確認

1. user messageだけでなく、実際のpayload全体を使う

本番環境でモデルに送っている内容は、user messageだけとは限りません。system指示、長いcontext、ファイル、画像などが含まれる場合があります。Geminiのドキュメントはinputとoutputがtokenizeされると説明しており、OpenAIのtoken counting guideもテキストと画像を含むinput token countingを示しています。

2. 対象モデルの公式token counterを使う

OpenAIにはresponses.input_tokens.countのドキュメントとtiktokenのガイドがあり、Geminiにはcount_tokensのドキュメントがあります。AnthropicもOpus 4.7の説明で/v1/messages/count_tokensに触れ、Opus 4.7ではOpus 4.6と異なるトークン数が返るとしています。

3. 内容タイプごとにサンプルを取る

短いテストプロンプトを1本だけ測っても、全体の影響は見えません。AnthropicはOpus 4.7のトークン増加幅が内容によって変わると説明しています。高トラフィック、長文context、高コスト、頻出パターンのpayloadを分けて比較するのが現実的です。

4. token deltaを公式pricingに当てはめる

まず新旧モデルのinput token countを比較し、その差分を対象モデルの公式pricingで入力コストに換算します。そのうえで、outputやcacheなどの項目を総コストモデルに戻します。Anthropic、OpenAI、Geminiはいずれも公式pricingを公開しています。

5. 必要ならプロンプトやcache戦略を見直す

差分が小さければ、予算や監視の更新だけで足りるかもしれません。一方、高トラフィックのpayloadで明確に高くなるなら、プロンプトの圧縮、contextの短縮、cache戦略の見直し、1リクエストあたりコストの再計算を検討する価値があります。大切なのは「35%」という見出しだけで判断せず、公式counterと公式pricingで影響を数値化することです。

まとめ

新しいトークナイザーは、同じプロンプトのトークン数を増やす可能性があります。Claude Opus 4.7については、Anthropicがテキスト処理時に従来モデルの約1x〜1.35x、最大約35%多いトークンを使う可能性があると説明しています。ただし、その増加幅は内容によって変わります。

本当に確認すべきなのは、見出しの「35%」ではありません。自社・自分の実際のpayloadでinput tokensがどれだけ増えるのか、outputの挙動は変わるのか、cache関連の料金項目がどう効くのか、そして対象ベンダーのpricingがどう適用されるのかです。

移行前に公式token counterで測り、公式pricingに当てはめる。これが、プロンプトが実際に高くなるかを判断するための最も堅実な方法です。