Craft AI Modules利用時のAIトークン消費量の目安
このページの使い方
Craft AI ModulesのAPIを使うときの、AIトークン消費量の目安を記載したものです。
正確な見積もりには、ご自身のプロンプト・会話例・データ量で数十〜数百件ほど試行し、実測した入出力トークン数の平均を取る必要があります。 本ページは、設計段階で概算の消費量を把握するために、代表的なシナリオごとに目安を示しています。
掲載している数値はすべて参考値であり、実際の消費量を保証するものではありません。
Craft RAGと組み合わせたパターン（FAQボットなど）の消費量の目安については、Craft RAG利用時のAIトークン消費量の目安をご確認ください。
前提
AIトークンレートと課金の考え方
このページで参照するAIトークンレートや課金の考え方は、すべて Craft AI Modules の AIトークンとコスト に基づきます。
シナリオ別の見積もり例
Craft AI Modulesを使う代表的な4つのシナリオを紹介します。
| シナリオ | 想定ユースケース | 使う機能（API） |
|---|---|---|
| A. 1回完結の生成タスク | レビュー要約・分類など、1回のやり取りで完結する処理 | コンテンツ生成（gcpGeminiGenerateContent） |
| B. 対話エージェント | 購入後アンケート（満足度・配送・商品など複数項目、RAGなし） | コンテンツ生成（gcpGeminiGenerateContent） |
| C. コンテンツの Rerank | 閲覧中の記事に合わせた並べ替え | Rerank（gcpRerank） |
| D. テキストのベクトル化 | 商品説明・FAQのEmbedding | Embedding（gcpEmbeddingsText） |
以下、各シナリオの想定・平均トークン数・AIトークン消費の目安を掲載しています。 ご自身のユースケースに近いシナリオを参考に、想定する利用量からトークンの消費量を算出してください。
コンテンツ生成（シナリオA・B）
LLMのトークンの種類
シナリオA・Bのコンテンツ生成では、消費されるトークンを次の2つの要素に分けて掲載しています。
| 種類 | 何を数えるか |
|---|---|
| 入力トークン | LLMに送ったテキスト全体（システムプロンプト・会話履歴を含む） |
| 出力トークン | 回答（表示される文）と推論（内部処理。画面には出ない）の合計 |
推論トークンは、モデルやプロンプトによって消費量が大きく変わり、事前に正確な見積もりはできません。 本ページのシナリオ表では、複数回実行した結果の平均値を参考として掲載しています。
入出力トークン数はAPIレスポンスの usageMetadata から確認できます（フィールドの詳細は Craft AI Modules を利用する のレスポンス例を参照）。
Geminiモデル例
コスト比較のため、料金レートの異なる3つのモデル例を使っています。 実際のモデルごとのレートはCraft AI Modules の AIトークンとコストをご確認ください。
| モデル例 | 入力のレート | 出力のレート | 種類 |
|---|---|---|---|
| モデル① | 2.5 | 15 | 低コストモデル（Flash Lite 相当） |
| モデル② | 15 | 90 | 標準モデル（Flash 相当） |
| モデル③ | 20 | 120 | 高品質モデル（Pro 相当） |
シナリオA・Bで使う入力・出力トークン数は同じで、モデルが違うとAIトークンへの換算結果だけが変わります。
AIトークンの計算式
AIトークン — 上記のトークン数にモデルレートを掛けて換算した、Craft AI Modulesにおけるコスト計算の共通の基準単位です。
各シナリオの表は、次の計算式で換算しています。
入力側の AIトークン = 入力トークン数 × 入力のレート出力側の AIトークン = （回答トークン数 + 推論トークン数）× 出力のレート
AIトークン = 入力側の AIトークン + 出力側の AIトークン
月間の AIトークン = 1単位あたりの AIトークン × 月間の件数シナリオA. 1回完結の生成タスク（お客様のレビュー要約）
お客様のレビューをLLMに渡し、要約と評価（ポジティブ/ネガティブ）を生成する例です。1件につきAPIを1回呼び出す、最もシンプルなパターンです。
本シナリオの条件
- 計上単位: 要約と評価1件（1回のAPI呼び出し）
- トークン数は、次のシステムプロンプトと入力・応答例を使った検証の実測平均です
システムプロンプト
あなたはEC事業者向けのカスタマーサポート補助AIです。以下のユーザーレビューについて、次の2つを日本語で出力してください。1. 要約: 100文字以内2. 評価: ポジティブ/ネガティブ のいずれか入力・応答の例
入力トークンは、上記のシステムプロンプトとレビュー本文を合わせた量です。括弧内は文字数です。
| 回 | レビュー本文 | LLMの応答 |
|---|---|---|
| 1 | 先週このヘッドホンを購入しました。到着時から左側のイヤーカップに小さな傷があり、届いた直後にがっかりしました。装着してみると側圧が強く、30分ほどで耳が痛くなります。Bluetoothの接続も安定せず、隣の部屋に移動しただけで頻繁に切れます。音質はそれなりですが、この価格帯で期待していた品質ではありませんでした。返品を検討しています。（168文字） | 1. 要約: 届いた製品に傷があり、側圧が強いため耳が痛くなります。Bluetooth接続も不安定で、音質も価格に見合わず期待外れだったため、現在返品を検討しています。 2. 評価: ネガティブ（97文字） |
1回あたりのトークン数の目安
1回あたりのトークン数（目安）
| 入力トークン | 出力トークン |
|---|---|
| 約150 | 回答: 約60 推論: 約330 |
AIトークン消費の目安（Geminiモデル例のレートで換算）
| モデル例 | 入力のAIトークン | 出力のAIトークン | 合計のAIトークン |
|---|---|---|---|
| モデル① | 150 × 2.5 = 375 | (60 + 330) × 15 = 5,850 | 約6,000 |
| モデル② | 150 × 15 = 2,250 | (60 + 330) × 90 = 35,100 | 約3.7万 |
| モデル③ | 150 × 20 = 3,000 | (60 + 330) × 120 = 46,800 | 約5万 |
シナリオB. 対話エージェント（購入後アンケートチャット）
購入直後の満足度や体験を聞く 購入後アンケートチャット の例です。
本シナリオの条件
- 計上単位: 1会話（5回のやりとり）
- RAGは未使用
- 会話履歴を毎回LLMに渡す（やりとりが増えるほど入力トークンが増える）
- システムプロンプトで1回答250文字以内を指定
- トークン数は、次のシステムプロンプトと5回分のやりとりを行った検証の実測平均
システムプロンプト
あなたはオンラインショップの購入後アンケート担当AIです。会話はあなたから開始してください。最初の発話では、購入のお礼、アンケートへのご協力のお願い、満足度（1〜5）の質問までを述べてください。その後は次の順で進めてください。1. 配送についての感想を聞く2. 商品の品質についての感想を聞く3. お礼を述べて会話を締める丁寧な日本語で回答してください。前の回答に短く共感してから次の質問へ進みます。1回答は250文字以内で簡潔に答えてください。会話例
応答は先頭のみ掲載しています。括弧内は応答全体の文字数の目安です。
| 回 | お客様の入力 | チャットの応答 |
|---|---|---|
| 1 | - | このたびはご購入ありがとうございます。よろしければアンケートにご協力ください。まず、全体の満足度を1〜5で教えてください…（以下省略、約170文字） |
| 2 | 4です | ありがとうございます。続いて、配送についていかがでしたか？お届けのスピードや梱包など、感じたことを教えてください…（以下省略、約130文字） |
| 3 | 思ったより早く届いてよかったです | 嬉しいお言葉です。次に、商品の品質やイメージとの一致についてはいかがでしたか？…（以下省略、約120文字） |
| 4 | 写真どおりで満足しています | 承知しました。貴重なご意見をありがとうございました。いただいた内容は今後のサービス改善に活用します…（以下省略、約160文字） |
| 5 | こちらこそありがとうございます | こちらこそ、温かいお言葉をありがとうございます。アンケートへのご協力、重ねてお礼申し上げます。またのご購入を心よりお待ちしております…（以下省略、約145文字） |
1会話あたりのトークン数の目安
LLMを1回呼び出すと、システムプロンプトとそれまでの会話履歴が入力に含まれます。そのため、同じ会話の中でも後のやりとりほど入力トークンが大きくなります。下表は、会話1回あたりの目安と、1会話の合計です。
| 回 | 入力トークン | 出力トークン |
|---|---|---|
| 1 | 約150 | 回答: 約70 推論: 約250 |
| 2 | 約220 | 回答: 約60 推論: 約150 |
| 3 | 約290 | 回答: 約70 推論: 約150 |
| 4 | 約370 | 回答: 約90 推論: 約300 |
| 5 | 約460 | 回答: 約65 推論: 約240 |
| 1会話の合計 | 約1,500 | 回答: 約360 推論: 約1,100 |
AIトークン消費の目安（Geminiモデル例のレートで換算）
| モデル例 | 入力のAIトークン | 出力のAIトークン | 合計のAIトークン |
|---|---|---|---|
| モデル① | 1,500 × 2.5 = 3,750 | (360 + 1,100) × 15 = 21,900 | 約2.6万 |
| モデル② | 1,500 × 15 = 22,500 | (360 + 1,100) × 90 = 131,400 | 約15万 |
| モデル③ | 1,500 × 20 = 30,000 | (360 + 1,100) × 120 = 175,200 | 約21万 |
Rerank（シナリオC）
Rerankの課金の考え方
RerankのAIトークンは、コンテンツ生成とは別に、1回のAPI呼び出しごとに計上されます。並べ替える候補の件数に応じて、1回あたりの消費量が決まります。
換算レート
シナリオCでは、1クエリあたり1万AIトークンのレートを例として使っています。 100件以内の並び替えは1クエリとして換算され、101件以上は100件ごとに1クエリ加算されます。 実際のレートはCraft AI Modules の AIトークンとコスト — Rerankをご確認ください。
AIトークンの計算式
各シナリオの表は、次の計算式でAIトークンに換算しています。
1回の並べ替えのクエリ数 = ⌈ 並べ替える件数 ÷ 100 ⌉（小数点以下切り上げ）1回の並べ替えの AIトークン = クエリ数 × 上記のレート
月間の AIトークン = 1回の並べ替えの AIトークン × 月間の並べ替え回数シナリオC. コンテンツの Rerank（閲覧中の記事に合わせた並べ替え）
取得したコンテンツ一覧を、ユーザーの関心（クエリ）に合わせてCraft AI ModulesのRerankで並べ替える例です。コンテンツ生成は使わないので、Rerankだけのトークン使用量を掲載しています。
本シナリオの条件
- 計上単位: 並べ替え1回あたり（1回のAPI呼び出しあたり）
- 並べ替え1回あたり10件の想定
AIトークン消費の目安（上記のレートで換算）
| 想定 | 合計のAIトークン |
|---|---|
| 10件を並べ替える場合 | [10 ÷ 100 （切り上げ）] × 1万 = 1万 |
Embedding（シナリオD）
Embeddingの課金の考え方
Embeddingで計上されるAIトークンは、ベクトル化したテキストの入力トークン数から計算します。生成されたベクトルに対する課金はありません。
換算レート
シナリオDでは、1,000入力トークンあたり1.5 AIトークンのレートを例として使っています。 実際のレートはCraft AI Modules の AIトークンとコスト — Embeddingモデルをご確認ください。
AIトークンの計算式
各シナリオの表は、次の計算式でAIトークンに換算しています。
AIトークン = 入力トークン数 ÷ 1,000 × 上記のレート
月間の AIトークン = 月間の入力トークン数の合計 ÷ 1,000 × 上記のレートシナリオD. テキストのベクトル化（商品説明・FAQのEmbedding）
FAQや商品説明などをベクトル化する例です。
本シナリオの条件
- 計上単位: ベクトル化した入力トークン数
- 合計約10万文字分のテキスト（約5万入力トークン）を投入する想定
AIトークン消費の目安（上記のレートで換算）
| 想定 | 合計のAIトークン |
|---|---|
| 約10万文字（約5万入力トークン） | 5万 ÷ 1,000 × 1.5 = 約75 |
実際の入力トークン数は、文章の内容やモデルによって前後し、AIトークンも変わります。