リサーチ
AI支出のガバナンスを改善するエンジニアリング・財務チーム向けの実践的なノートです。コストの可視化、最適化、モデルの費用構造、エージェント運用を取り上げます。
まずは基礎から
LLMコストの仕組みと意思決定をわかりやすく解説します。
すべての記事を見る
- 2026年10月のコーディング向け Claude Max vs ChatGPT Pro：自社ログから両方の価格を算出
- 2026年9月のAIモデルトレンド
- 30分でLLM支出を監査する方法
- A practical AI agent workflow: architecture, budgets and logging EN
- 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エージェントでJevを使う方法
- AIエージェント侵入とFinOps対策
- AIオブザーバビリティと第2のLLM請求書
- 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による脆弱性発見に備え、対応予算を確保する
- 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利用クレジットとAPI課金：追加購入の選び方と管理
- 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研究コストをプロジェクトと成果別に配賦する方法
- 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対直接OpenAI費用比較：PTU予約と損益分岐点
- Batch APIs as a FinOps lever EN
- Chargeback vs Showback: IT Cost Allocation Guide EN
- Chargeback when your provider won't bill per team EN
- ChatGPT Pro $100 は Codex で Plus の 5 倍を謳うが、実測は 2.6 倍
- ChatGPT Pro $100でCodexの週次ウィンドウを12日間に8回獲得しました: リセットログ
- ChatGPT Pro Max 月額$500プランの経済性
- ChatGPT ProにはCodexがどれだけ含まれる？週次上限をドルで換算
- ChatGPT versions explained: models, plans and API costs EN
- Claude Codeのトークン使用量を確認して削減する方法
- Claude Fable 5.1 vs Opus 5.5：Claude Codeのログから見た実際の価格倍率
- Claude Fable 5.1 のコストモデル
- Claude Haiku 5.5と100kトークンの価格しきい値
- Claude Max 20x vs 5x:$200の価値はあるか?実際の週間上限を実測
- Claude Max 20xは20倍ではない。60日分のログをCodexと照合した
- Claude Max 5x 2つ（$200）vs Max 20x 1つ（$200）：ドルあたりでどちらの利用量が多いか？
- Claude Max対Alibaba Token Pro：Agentic Codingの真の費用
- Claude Opus 5.5 コストモデル
- Claude ProとMaxで使えるトークンはいくつ？実際に数えました
- Claude Sonnet 5 値上げ撤回：$2/$10 が恒久価格に
- Claude Sonnet 5.5：コストを意識したモデルルーティングガイド
- Claude Sonnet 5.5の料金：変わる点、変わらない点
- Cloud Infrastructure Cost Audit: Alibaba vs Claude Max EN
- Codexのリセットで12日間の$100プランが$1,211分の利用に変わった
- Codexの入力トークンの98%はキャッシュ済み。キャッシュがなければ請求額は12倍に
- Codex利用上限のリセット:仕組み、バンク済みリセット、日付つき履歴
- 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：AIトークン追跡とPrice Sheet標準化の全貌
- Gartner's 2026 AI spending forecast EN
- Gemini API Key: Setup, First Request, Billing, and Cost Controls EN
- GenAI cost management: controls and analytics (2026) EN
- GLM-5.3 Pricing: An Operating Budget for API and Coding Plans EN
- Google CloudのAI支出上限：FinOpsガイド
- Googleの2026年10月15日のAI検索変更：リンクとトラフィックの証拠
- Google流入が一晩で急減？更新を疑う前に行う5つの確認
- 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
- GPT-6 Astraのコストモデル
- GPT-6 Lunaのコストモデル
- GPT-6 SolのCodex自動コンパクト:ソースコード上の既定値と、引き上げた場合のコスト
- GPT-6 Solのコストモデル
- GPT-6 Solの長文脈ベンチマーク:実際に測定された内容と、GPT-5.6 Solの数値の見分け方
- GPT-6.1 Sol と Opus 5.5 の不満点をファクトチェック
- GPT-6の料金:Astra、Sol、Luna
- 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 for AI: A Practical Guide EN
- Jevがエージェント開発者に支持される理由
- Jevが実際に役立つ6つのユースケース
- 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
- LLMjackingがクラウド請求の不正利用に変わるとき
- LLMコストトレンド 2025–2026
- LLMコスト最適化の順序
- 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
- Minimax M3.1 Flash 無料プレビューの経済性
- Model deprecation migration: budgeting for forced moves EN
- Model Routing: Cheaper Models, Same Output Quality EN
- Multi-provider, multi-team LLM FinOps EN
- Multimodal cost allocation EN
- Next-Concept Modeling（NCM）：階層的並列生成が出力トークンの5倍プレミアムを破壊する理由
- NVIDIA Open Agent Safety Platform：FinOpsへの影響
- On-prem and self-hosted LLM FinOps EN
- OpenAI APIの利用ティアを解説:Build、Launch、Growと支出上限
- OpenAI Decisions APIのコストモデル:入力のみの課金と高速な型付き出力
- OpenAI O / AON 常時稼働エージェントのコストモデル
- OpenAI Ultrafast APIの料金と速度
- OpenAI、ChatGPT Pro $200を半減：10月30日以降にCodexが持つ価値
- OpenAIエージェント掲示板のコストモデル
- OpenAIの数学成果公開とAI研究コスト
- OpenAIファインチューニング終了の経済学
- OpenAI請求の裏にあるキャッシュミスを見つける
- OpenAI費用配分
- OpenTelemetry GenAI conventions for cost attribution EN
- Opus 5.5 fast modeの経済性
- Opus 5.5のエフォートレベルが真の価格を決める
- Opus 5.5の長時間エージェントのコスト分析
- Ox Alpha は GLM-5.3 だった
- PHP緊急パッチ：適用費用と停止コストの比較
- Prompt cache attribution EN
- Prompt caching explained EN
- Prompt Caching ROI: Calculating Real Savings EN
- PTU対従量課金：AzureとBedrock予約キャパシティの損益分岐点
- RAG cost optimization EN
- Real-SWEの解決済みissueあたりコスト
- 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
- State of FinOps 2026: 98% now manage AI spend EN
- System One ModelsとJevによるコスト最適化
- 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検索はエージェントの新たなコストセンター
- 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
- Why agentic AI blows the budget EN
- Why does my LLM bill spike? The most common causes EN
- エージェントのワークフローでJevが担う役割
- エージェントの完全負担コストを算出するワークシート
- 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？
- エージェント運用におけるMCPツール定義のトークンコスト最適化
- 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
- この記事を読む前にCodexの保存リセットを使わない：グローバルリセットの計算
- 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
- サイレントなモデル格下げとコストモデル
- ステルスモデルの手口
- ストリーミング応答と放棄された生成コスト
- 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
- バックグラウンドエージェントとFinOpsの時間軸
- フロンティアモデルのタスク単価の実測
- プロンプトの書き方が請求書に出る仕組み
- モデル値下げとルーティングバジェット
- 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
- 企業のAI調達とコミット型支出
- 最新AIモデルとAnthropicのIPO計画
- 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
- 独立したJevテストがコストについて示すこと
- 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
- 自律型マルチエージェントの拡散と再帰的委譲に伴うトークン急増の抑止
- 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
LLM支出に活用しませんか？FinOps LLMがAIコストを確認し、実行可能な節約策を見つけます。 無料監査を予約 →