リサーチ
AI支出ガバナンスを構築するエンジニアリングおよび財務チーム向けのノート。
ここから始める
LLM費用が初めての方向けの分かりやすい解説。
すべてのリサーチ
- 30分でLLM支出を監査する方法
- A quarter of AI spend is slipping to 2027 (EN)
- Agent spend attribution (EN)
- Agent spend guardrails (EN)
- Agent Spend Guardrails: Runtime Controls That Work (EN)
- Agent TCO: The 70% of Cost That Isn't Tokens (EN)
- AI Coding Economics 2026: GLM vs DeepSeek vs Claude (EN)
- AI Cost Allocation: Tags, Cost Centers and Chargebacks (EN)
- AI Cost Optimization Checklist for 2026 (EN)
- AI Cost Optimization: Routing, Caching, Batching (EN)
- AI Cost Optimization: Six Levers That Actually Work (EN)
- AI cost recovery playbook: stop the bleeding (EN)
- AI FinOps: GenAI支出の運用モデル
- AI observability: cost, traffic, and quality · FinOps LLM (EN)
- AI 出力への来歴の付与
- AI 電子透かしが壊れる仕組み
- AI 電子透かしのコンプライアンス費用
- AI 電子透かしの仕組み
- AIコーディングプラン比較
- AIコード生成を最も安く実行する方法（2026年）
- AIプロバイダーの価格表をそのまま比較できない理由
- AI中心の製品で初めて行う月次締め
- AI支出の差分を量・料金・構成・効率に分解する
- AI機能の粗利率は、出荷前に測る
- AI費用異常検知
- Anthropic cost attribution (EN)
- API 請求書の外にある AI 支出を見つける
- Azure OpenAI vs Direct OpenAI Cost (EN)
- Background agents change the FinOps clock (EN)
- Batch APIs as a FinOps lever (EN)
- Chargeback vs Showback: Picking the Right FinOps Model (EN)
- Chargeback when your provider won't bill per team (EN)
- Claude Fable 5.1 のコストモデル
- Claude Max 20x vs Alibaba Token Pro Cost Audit (EN)
- Claude Sonnet 5 値上げ撤回：$2/$10 が恒久価格に
- Cloud Infrastructure Cost Audit: Alibaba vs Claude Max (EN)
- Cost per request as a product KPI (EN)
- Cursor vs Copilot vs Claude Code Cost (EN)
- DeepSeek Harness：「すべてがプラグイン」が実際にもたらすもの
- DeepSeek Harnessで支出ガードレールをどこに置くか
- DeepSeek Harnessドキュメントに学ぶ七つの防御パターン
- DeepSeek Harnessとは？導入と仕組みの完全ガイド
- DeepSeek Harnessのゴール、ゴールラウンド、ラルフループ
- DeepSeek Harnessのサブエージェント：コストを掛け算する委譲
- DeepSeek Harnessのツールスコープ、制限、シャドーイング
- DeepSeek Harnessの導入：プロファイルと初回実行
- Eval cost allocation: who pays for LLM evals (EN)
- FOCUS 1.5 adds AI token tracking (EN)
- Gartner's 2026 AI spending forecast (EN)
- GenAI cost management: controls and analytics (2026) (EN)
- GPT-5 Pricing and Budget Impact: A 2026 Planning Guide (EN)
- GPT-5 vs GPT-4o Cost Comparison: When to Upgrade (EN)
- GPT-5.6 料金ティアガイド：Luna、Terra、Sol
- GPT-5はいくらかかる？完全な2026年価格ガイド
- Hidden LLM Costs Beyond Per-Token Pricing (EN)
- How do LLM providers charge? Tokens, tiers, caching (EN)
- How to budget for AI spend: a starter framework (EN)
- How to cap inference costs and prevent runaway spending (EN)
- Input, output, cache, reasoning: what tokens cost (EN)
- Invoice reconciliation for AI spend (EN)
- IT Chargeback and Showback Explained (EN)
- IT Chargeback and Showback for AI: A Practical Guide (EN)
- IT Showback: A Practical Guide for Technology Teams (EN)
- JSON モードとスキーマのトークンコスト
- LLM API価格トラッカー
- LLM Budget Governance: Alerts and Guardrails (EN)
- LLM Cost Benchmarks by Industry (EN)
- LLM cost dashboard: what to put on it (EN)
- LLM Cost Management: A Practical Framework (EN)
- LLM Cost Monitoring in Production: A Field Guide (EN)
- LLM cost monitoring: what to track and how to control it (EN)
- LLM Cost Per User Benchmarks (EN)
- LLM Cost Tracking: Tools, Tags and Telemetry (EN)
- LLM Cost Visibility: Dashboards and Metrics That Matter (EN)
- LLM FinOps standards (EN)
- LLM Provider Arbitrage: Price and Quality Parity (EN)
- LLM Purchasing Guide for Platform Teams (EN)
- LLM Token Tracking by Input, Output and Cache (EN)
- LLM Usage Metering: How to Bill Internal AI Spend (EN)
- LLM 支出の為替エクスポージャー
- LLM・生成AI向けFinOps：実践フレームワーク
- LLMコストトレンド 2025–2026
- LLMコスト計算機 - 月間AI支出を見積もり
- LLMチャージバックとショーバック
- LLMプロバイダー切り替えの本当のコスト
- LLM評価パイプラインにコスト制御を組み込む
- LLM費用配分
- Long context vs RAG: where the cost breakeven actually is (EN)
- MCPサーバーのコストインパクト
- Model deprecation migration: budgeting for forced moves (EN)
- Model price cuts and the routing budget (EN)
- Model Routing: Cheaper Models, Same Output Quality (EN)
- Multi-provider, multi-team LLM FinOps (EN)
- Multimodal cost allocation (EN)
- On-prem and self-hosted LLM FinOps (EN)
- OpenAIファインチューニング終了の経済学
- OpenAI費用配分
- OpenTelemetry GenAI conventions for cost attribution (EN)
- Ox Alpha は GLM-5.3 だった
- Prompt cache attribution (EN)
- Prompt caching explained (EN)
- Prompt Caching ROI: Calculating Real Savings (EN)
- RAG cost optimization (EN)
- Reasoning token attribution and chargeback (EN)
- SaaSのAIクレジット：自社が制御できない単位を計測する
- Semantic cache economics (EN)
- Showback vs Chargeback: Which Model Fits Your Team? (EN)
- State of FinOps 2026: 98% now manage AI spend (EN)
- Streaming responses and abandoned generations (EN)
- The Token Count Is Lying: Claude Max vs Qwen Audit (EN)
- The True Cost of Coding Agents: Beyond the API Bill (EN)
- Token budget implementation (EN)
- Web search is becoming an agent cost center (EN)
- What is AI value management? (EN)
- What is LLM cost attribution? A plain-English explainer (EN)
- What is LLM FinOps? A plain-English definition (EN)
- What is the Tokenomics Foundation? (EN)
- When AI observability creates a second LLM bill (EN)
- Why agentic AI blows the budget (EN)
- Why does my LLM bill spike? The most common causes (EN)
- Why Showback Comes Before Chargeback in FinOps (EN)
- エージェント经济学：コーディングエージェントは実際にいくらかかるのか？
- オープンウェイトモデルの価格計算
- オープンソース vs. クローズド：LLMコスト比較
- ガードレールとモデレーションの費用
- キャッシュ戦略の比較
- コスト記録としてのDeepSeek Harnessセッションログ
- コミット割引と予約容量
- コンテキストウィンドウへの二重支払い
- サーバー側ツールは別の請求書
- ステルスモデルの手口
- トークン予算実装ガイド
- トークン価格は下がったのに、LLMの請求額が増えた理由
- プロンプトの書き方が請求書に出る仕組み
- リージョン料金とデータ所在地の割増
- リアルタイム音声 API のユニットエコノミクス
- リクエスト単価より成功タスク単価を測る
- レート制限、429、ティア引き上げ
- 品質低下を隠さずにAIのROIを証明する方法
- 埋め込みとベクトルストアの継続コスト
- 推論コストを静かに増やすリトライループ
- 推論モデルコストガイド
- 本番LLMコスト急増のためのランブック
- 本番外の LLM 支出
- 画像・動画生成の承認済みアセット単価
- 自律エージェントに必要な3つの予算
- 適応的思考とコスト予測
- 顧客獲得コストとしての無料枠
自分のLLM支出に適用したいですか？FinOps LLMはAI費用の無料監査を実施し、節約場所を示します。無料監査を予約 →