Claude Code のセッション費用を下げる公式ガイドが公開、Qwen3.8-27B と Gemini 3.7 Flash が登場 ほか6件

今日の3行

• Anthropic が Claude Code のセッション費用を下げる公式ガイドを公開しました。デコードはインプットの約5倍、キャッシュ読みは0.1倍、キャッシュ書き込みは最大2倍という実数値が揃い、/effort と MAX_THINKING_TOKENS=0 による思考量の制御がコスト判断の主軸になります。
• Alibaba が Qwen3.8-27B を発表しました。オープンウェイトモデルは料金と制御の自由度で差がつく選択肢であり、27B 規模の新モデルが出るたびに技術選定の検討が更新されます。
• Gemini 3.7 Flash がリリースされました。Latent Space の分析では、3.5/3.6 Flash が Claude 4.8+ や GPT 5.5+ に後れていた分、Google DeepMind が最前線に復帰したと評されています。

深掘り: Claude Code のセッション費用を下げる公式ガイド、デコード5倍・キャッシュ読み0.1倍の課金構造とキャッシュを壊さない運用

要点 Anthropic が Claude Code のセッション費用を下げる公式ガイドを公開しました。リクエストは GPU 上で2つのフェーズに分かれ、prefill では入力トークン（システムプロンプト、CLAUDE.md、メッセージ、その後に追加されたファイルの内容やコマンドの出力）を読み込み、decode では出力トークン（思考、ツール呼び出し、表示されるテキスト）を1トークンずつ生成します。200トークンの応答はモデルを200回連続実行するのと同じで、decode は1トークンあたり GPU を長時間占有するため、出力はインプットの約5倍に価格設定されています。

出力トークンの多くは思考トークンで、1ターンあたりの思考量は effort レベルで制御されます。/effort で選んだレベルはモデルと同様、次セッションのデフォルトとして記憶されます。雑務と分かっているセッションでは MAX_THINKING_TOKENS=0 claude で思考をオフにでき（Fable 5 では無効）、これは /effort low の一段下に当たります。

プロンプトキャッシュは、リクエストの先頭が直前に見たリクエストと完全に同じトークンで始まる場合、共有部分の状態をサーバーが保持し、後ろの新しい部分だけを prefill する仕組みです。キャッシュ読みはインプットの0.1倍、キャッシュ書き込みは最大2倍で、書き込みはトークンごとに1回、0.1倍の読みは以降の毎ターンに発生します。Claude Code は毎リクエストでキャッシュを自動管理しており、有効化の設定は不要ですが、壊し方次第でコストが跳ね上がります。ガイドの「fix the failing test in utils.test.ts」の例では、1つの小さな修正に5回のリクエストが必要で、毎回会話全体を送信します。典型的なターンは数万トークンの入力に対し数百トークンの出力という非対称な構成ですが、そのターンで新しく増えた部分だけがフル価格で prefill され、履歴は0.1倍のキャッシュ読みで済みます。この構造はサブスクリプションでも同じで、直接の価格は見えませんが、同じリクエストが利用限度を消費します。

セッションのコストモデルは「コンテキストに入るトークン数」「それが何ターン残るか」「同時に走っているコンテキストがいくつか」の3つで決まります。コンテキストに入ったものはセッションが続く限り毎ターン再送信されるため、曖昧な指示は読み込みを増やし、不要になった結果まで残り続けます。

なぜ重要か デコードはインプットの約5倍、キャッシュ読みは0.1倍、キャッシュ書き込みは最大2倍という実数値が揃ったことで、セッションのどの操作がコストを押し上げるかを事前に見積もれるようになります。特に、/model と /effort はキャッシュキーに含まれるため、会話の途中で切り替えるとキャッシュが破壊されて会話全体をフル価格で再 prefill し、/compact は会話全体を書き換えるため常にコストがかかります。逆に、キャッシュが生きているうちの /compact は安く、/rewind はほぼ無料です。個人開発者がエージェントの費用を予算化する際、「キャッシュを壊す操作」のコストを理解しているかどうかで月額が大きく変わります。

仕組み 課金構造は3層で理解できます。1層目はフェーズの価格差です。prefill は入力を読み込むフェーズ、decode は出力を1トークンずつ生成するフェーズで、200トークンの応答は200回の連続実行です。1トークンあたり GPU を占有する時間が長い decode が約5倍の価格になり、出力の大部分を占める思考トークンの量は effort レベルが制御します。

2層目はプロンプトキャッシュです。リクエスト先頭が直前に見たものと完全一致すると、サーバーは共有部分の状態を保持し、新しい部分だけを prefill します。キャッシュ読みは0.1倍、書き込みは最大2倍ですが、書き込みは1回で、0.1倍の読みが毎ターン続くため、長いセッションほど書き込みの元が取れます。キャッシュはリクエストの先頭から一致する必要があり、送信順序はツール定義→システムプロンプト→会話（CLAUDE.md はその先頭）で固定です。末尾へのツール結果の追記はキャッシュを保ちますが、先頭に近い部分を変える操作はすべて破壊します。/model はモデルごとにキャッシュが分かれ、plan mode の出入りでモデルが切り替わる opusplan も含めて、次のターンで会話全体を再 prefill します。/effort と Fast mode もキーに含まれ、切り替えは再 prefill を招くため、Fast mode は開始時に有効化するのが安く、解除はキャッシュ的に無料です。/compact は会話を短いものに置き換えるため一致しなくなり、古い会話がキャッシュに残っている間は要約の書き出しが安く済みます。キャッシュは毎ターンで時計がリセットされますが、サブスクでは1時間、APIキーでは5分で期限切れになり（ENABLE_PROMPT_CACHING_1H=1 で1時間に延長）、古いセッションの再開はキャッシュが消えているため、会話全体の再 prefill になります。

ガイドの例で実際のリクエストの流れを追うと、1つ目のリクエストはシステムプロンプト（ツール定義込み）と CLAUDE.md とメッセージを送り、全部が prefill されてキャッシュに書き込まれます。モデルはテストを見ていないため Read で utils.test.ts を読み、その結果が追記されて2つ目のリクエストになり、ここではリクエスト1の全体が0.1倍でキャッシュ読みされ、Read とファイルの部分だけがフル価格で prefill されます。テスト対象ファイルの Read、Edit、npm test と同様の流れが続き、最後に短いサマリーの出力でツール呼び出しがないため6つ目のリクエストは発生しません。1つの小さな修正に5リクエスト、というのが実態です。

3層目はセッションが送るトークン量です。コンテキストに入ったものは毎ターン再送信され、キャッシュで安くはなりますが無料ではなく、毎ターンのコンテキスト領域も消費します。読み込み量は指示の具体度で変わり、「tests are failing」と曖昧に伝えると grep と複数ファイルの読み込みが走って結果が残り続けますが、「Fix the failing test in utils.test.ts」と指定すれば Read 1回で済みます。

導入するなら

• セッション開始時に /model と /effort を一度実行して現在の設定を確認し、意図的に選びます。どちらも前回の選択を記憶するため、放置すると無自覚な設定で課金が続きます。
• 雑務セッションでは MAX_THINKING_TOKENS=0 claude で思考をオフにします（Fable 5 を除く）。/effort low より一段安い構成です。
• モデル・effort・Fast mode の切り替えはセッション開始直後か /clear 直後が安く、長い会話の途中が高いと割り切ります。Fast mode は開始時に有効化します。
• 不要なターンが続いたら /compact ではなく /rewind を使います。rewind は末尾のターンだけを切り捨て、それ以前のキャッシュは無料で再利用されます。compact は会話全体を書き換えるため常にコストがかかります。
• 長期の中断が予定される前は、キャッシュが生きているうちに /compact を実行します。古い会話がキャッシュにある間は要約の書き出しが安く、期限切れ後よりもずっと安いです。
• /context で入力前のコンテキストを確認し、CLAUDE.md は具体的な指示に絞って、ワークフローは使用時だけ読み込まれる skills に移します。不要な MCP サーバーは /mcp でオフにします。
• 指示はファイル名まで具体的に書き、探索コストを下げます。読み込まれたファイルとコマンド出力はセッションが続く限り毎ターン再送信されるため、曖昧な指示ほど後半の毎ターン課金を増やします。

原典 Maximizing the value of your Claude Code sessions

2. Alibaba が Qwen3.8-27B を発表、オープンウェイトモデルの最前線に

要点 Alibaba が Qwen3.8-27B を発表しました。オープンウェイトモデルの最前線に立つリリースです。

なぜ重要か オープンウェイトモデルは料金と制御の自由度で差がつく選択肢です。27B 規模の新モデルが出るたびに技術選定の検討が更新されるため、モデル選定の最新状況の確認が必要になります。

原典 Qwen3.8-27B

3. Gemini 3.7 Flash がリリース、Latent Space は GDM の最前線復帰を分析

要点 Google が Gemini 3.7 Flash をリリースしました。Latent Space の分析によれば、Google DeepMind が最前線に復帰したとされています。

なぜ重要か Google のモデル更新は API 料金と性能の競争を動かします。3.5/3.6 Flash が Claude 4.8+ / GPT 5.5+ に後れていた分、最新状況のキャッチアップが必須です。

原典 [AINews] Gemini 3.7 Flash brings GDM back to the forefront

4. DeepSeek Harness の2段階プリセット（最小アライメント→フルツール）が GitHub で急上昇

要点 DeepSeek Harness の2段階プリセットが GitHub で急上昇しています。最小アライメントのブートストラップから始めて、後からフルツールに移行する構成で、具体的には Minimal-aligned bootstrap とフル Standard tools を組み合わせた Two-phase のプリセットです。

なぜ重要か DeepSeek ベースのセットアップ手法が Project2 で 98/99 を記録しました。コストを抑えた自作エージェント構成に今日から試せます。

原典 xiaobright/dsh-anchored-standard

5. Garry Tan が Fable 5 前後の Claude Code 体験を報告、「Take all recommendations」で満足できると

要点 Garry Tan が Fable 5 前後の Claude Code 体験を報告しています。GStack を使う上で多くの one-way-door な質問に対して、Claude Code で「Take all recommendations」と言うだけで満足できる結果が返ってくるようになったとのことです。

なぜ重要か GStack 運用者の実感はエージェントへの委譲度合いを決める目安になります。one-way-door な判断も丸投げできる時代に入りつつあります。

原典 @garrytan

6. Google が準同型暗号コンパイラ HEIR を公開、暗号化したまま推論するプライベート AI が実用段階へ

要点 Google が準同型暗号コンパイラ HEIR を公開しました。HEIR は Private Computing Toolkit に追加されたオープンソースのコンパイラで、暗号学的に安全なプライベート AI 推論を実現します。準同型暗号は暗号化されたデータのまま計算を実行できるため、サーバーは暗号文を処理して暗号化された結果を返すだけで、基盤となる情報を一切公開しません。例えばクラウドサービスはユーザーの特徴量を見ずにコンテンツ推薦を提供できます。準同型暗号には無視できないコストオーバーヘッドがありますが、そのコストは急速に低下しています。HEIR は非専門家でも本番アプリケーションに暗号化推論を組み込めるワンクリックソリューションを目指しており、2023年の意向発表以降、準同型暗号向けハードウェアアクセラレータを開発する Belfort、Niobium、Cornami、Optalysys と提携しています。また、これまでに HEIR に基づく査読付き論文は4本あり、深層学習推薦モデル、クレジットカード不正検知、Kitsune によるネットワークトラフィック異常検知、ホットワード検出の4つのプライベート推論アプリケーションを公開しています。

なぜ重要か ヘルスケア・金融など規制領域でプライバシー AI が動き始めます。自前サービスのデータ設計の未来を考える材料になります。

原典 Google is making private AI practical with homomorphic encryption

7. Claude Code v2.1.233、GitLab MR 対応・Bash ツールのメモリ制限・WebFetch キャッシュ TTL を追加

要点 Claude Code v2.1.233 がリリースされました。--worktree フラグと claude agents ビューに GitLab のマージリクエスト URL 対応が追加され、MR は !N の形式で表示されます。Anthropic アップストリームには、サインイン中のユーザーの ID をヘッダーとして送信するオプトインの forward_user_identity apps ゲートウェイ設定が追加され、ゲートウェイの背後にあるプロキシがユーザーごとに支出を帰属できます。Linux では Bash ツールコマンド向けにオプトインのメモリ cgroup サポート（CLAUDE_CODE_TOOL_MEMORY_LIMIT）が追加され、暴走したビルドがセッションを止めることができなくなります。また、CLAUDE_CODE_WEBFETCH_CACHE_TTL_MS 環境変数で WebFetch セッション URL キャッシュの TTL を設定できます。

なぜ重要か 暴走したビルドがセッションを止めないメモリ制限やキャッシュ TTL 設定は、当日の設定変更で効く実用機能です。

原典 v2.1.233

8. 「巨大な PR を送らないでほしい」── AI エージェントが量産する 1,000〜3,000 行の PR への苦言

要点 AI エージェントが「イシュー全体を一発で片付けた」結果として、1,000行・2,000行・3,000行規模の PR のレビューに疲れたという苦言が投稿されました。小さい PR が求められるのは書く側の都合ではなく、常にレビュアーのためであり、小さな PR の目的は小さくて完全な成果物を作ることではなく、小さくて消化しやすく、レビュー可能で理解しやすい作業単位にすることだと主張しています。コードの完全理解にかかる時間は行数に対して指数関数的に増える、とデータなしの推測で述べています。また、変数名が is_logged_in である理由に5行のコメントを付けるような過剰なコメントは不要で、変数名を適切に付ければ9割は理解できるとし、命名が悪いならコメントではなく命名を改善すべきだとしています。AI でレビューしようという主張には、AI が作ったコードを AI が再読解するのはトークンの無駄であり、そもそも人間のレビューに出す必要性を問い直すべきだと反論しています。React 登場時により大きな PR を受け入れなかったように、書くのが速く読みやすいからといって大きな PR を許すべきではない、というのが締めの論点です。最後に、レビュアーが途中でギブアップして承認することを狙った巨大 PR なのか、と皮肉を添えています。

なぜ重要か コードレビューが今のボトルネックです。エージェントに小さい変更単位を出させる運用が結果を変えます。

原典 Stop sending me huge PRs; a rant

9. Elon Musk、2029 年ごろ AI 拡張は電力と許認可の問題で軌道コンピューティングだけになると発言

要点 Elon Musk が、2029 年ごろには AI の拡張手段が軌道コンピューティングだけになると発言しています。陸上では電力の利用可能性と許認可の問題があるためです。

なぜ重要か 陸上の電力・許認可が AI 拡張の制約になるという見通しは、クラウド料金やインフラ戦略の長期判断に関わります。

原典 @elonmusk