Luna 1000 req 節約？

**$0.33/月**（input のみ）。Sol なら $1.65。

圧縮後テキスト？

"社内ナレジアシスタント。引用 [id] のみ根拠。不明は不明と答える。日本語、400字以内。"（35 tok）。

system prompt のトークン削減｜RAG コスト【2026】

結論

365→35 tok（-330）。Luna 1000 req $0.33/月 節約。トークンカウンター system 欄で A/B。

systemPromptCompression in src/data/token-counter-article-data.json（npm run gen:token-article-data）。

E-E-A-T：一次情報の参照先

本記事の数値表は src/data/token-counter-article-data.json（generatedAt: 2026-07-19、npm run gen:token-article-data で再生成可）の o200k exact 実測です。文体別ベンチマークは src/data/token-counter-ja-benchmark.json（npm run gen:ja-benchmark）を併用。

systemPromptCompression 実測

variant	tok
Before (verbose)	365
After (compressed)	35
saved	330

Luna 1000 req: $0.33 / Sol: $1.65

🔢 この場でトークンを計算する

ブラウザ内で完結 — テキストは送信しません概算料金 2026年7月版

文字

単語

行

日本語 / 英数

0 / 0

バイト

トークン (OpenAI / o200k)

コスト試算

出力トークン倍率

リクエスト数 / 月

1回あたり

入力

出力

合計

月額は GPT-5.6 Luna（$1/$6 per 1M）で試算。

ChatGPT Web 上限との比較

API とは別。Plus 通常チャットは約 32K が目安。

Web 上限に対する使用率 0%

システムプロンプト（任意）

API では system + user の合計が入力トークンになります。

モデル	トークン	上限	使用率	入力	出力

OpenAI 系は tiktoken（o200k_base）で API と同一カウント。Claude / Gemini / DeepSeek は script-weighted approx（公開実測 tok/char ベース、±8%目安）。料金は各社公式ページ準拠（確認日: 2026-07-19）。共有リンクは URL hash のみ。

RAG との役割分担

固定→system（35 tok）。可変→user（セクション 970 tok × top-k）。

まとめ

365→35 tok 実測。RAG はチャンク記事。

実測 Before → After（365 → 35 tok）

削減 330 tok/req。Luna 1000 req/月で $0.33、Sol なら $1.65 の input 節約。削減後テキスト（35 tok）:「社内ナレジアシスタント。引用 [id] のみ根拠。不明は不明と答える。日本語、400字以内。」— 引用 [id]・不明は不明・日本語400字以内の3制約に圧縮。品質はゴールデンセット 20 問で検証必須。

RAG 連結後の ctx（system 35 + セクション 970×5）

合計 4885 tok — 1M ctx の 0.47%。32K Web では 15.3%。top-k マトリクスの k=5/chunk=1000 行（5880 tok）より軽い構成例です。

wiki 級を system に入れない理由

wiki 42779 tok を system 固定にすると Luna 1000 req/月で input $42.78 だけ system — 検索精度も劣化。RAG チャンクで user 側 retrieval に移す。

データ駆動ケーススタディ 1：ひらがな中心（説明文）

文体ベンチマーク（token-counter-ja-benchmark.json）

ひらがな中心（説明文） — 58字 → o200k 38 tok（tok/字 0.6552、chars/token 1.53）。カタカナ・漢字が少ない平易文。プレビュー:「お客様のご注文は確認メール送信後、通常二営業日以内に倉庫から発送いたします。配送状況はマイページからご確認ください。…」。Claude approx 50 tok、Gemini approx 33 tok。32K 0.12% / 1M 0.004%。

ragCorpusSamples + chunkSweep

短い FAQ 1件（日本語）: 133字 = 68 tok（1M 0.01% / 32K 0.21%）。chunkSize 500 → wiki 42779 tok を 102 分割（avg 419.4 tok、overlap 80）。

topKMatrix 行

k=3 × chunk 800: system 800 + query 80 + RAG 2400 = 3280 tok（1M 0.31% / 32K 10.25%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Sol 1000in/500out $0.02（standard tier）。alias 警告: 1000 in / 500 out — Sol $0.02 vs Luna $0.004（80% 節約）。

webVsApi + ctxUsageMatrix

短い FAQ 1件（日本語） 68 tok — API 1M 0.006% / Plus 32K 0.21%。GPT-5.6 Sol ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

ひらがな中心（説明文）: GPT 38 vs Gemini 33（-13.2%）。ひらがな中心（説明文）: Claude 50（Δ 31.6%）。月1000 req「軽量 Q&A」800/400 → Luna $3.2 / Sonnet intro $5.6。

実務チェック

トークンカウンターで 38 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 2：漢字・熟語中心（ビジネス）

文体ベンチマーク（token-counter-ja-benchmark.json）

漢字・熟語中心（ビジネス） — 65字 → o200k 48 tok（tok/字 0.7385、chars/token 1.35）。IR・プレスリリース調。プレビュー:「株式会社〇〇は、2026年度第1四半期の決算説明会において、売上高前年比12.3%増、営業利益率8.7%を達成したと発表しました。…」。Claude approx 48 tok、Gemini approx 32 tok。32K 0.15% / 1M 0.005%。

ragCorpusSamples + chunkSweep

技術記事 1 セクション: 1763字 = 970 tok（1M 0.1% / 32K 3.03%）。chunkSize 800 → wiki 42779 tok を 60 分割（avg 713 tok、overlap 80）。

topKMatrix 行

k=3 × chunk 1000: system 800 + query 80 + RAG 3000 = 3880 tok（1M 0.37% / 32K 12.13%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Sol 5000in/500out $0.04（standard tier）。alias 警告: 3000 in / 600 out — Sol $0.033 vs Luna $0.0066（80% 節約）。

webVsApi + ctxUsageMatrix

技術記事 1 セクション 970 tok — API 1M 0.093% / Plus 32K 3.03%。GPT-5.6 Terra ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

漢字・熟語中心（ビジネス）: GPT 48 vs Gemini 32（-33.3%）。漢字・熟語中心（ビジネス）: Claude 48（Δ 0%）。月1000 req「RAG 標準」3000/600 → Luna $6.6 / Sonnet intro $12。

実務チェック

トークンカウンターで 48 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 3：カタカナ・英語混在（技術）

文体ベンチマーク（token-counter-ja-benchmark.json）

カタカナ・英語混在（技術） — 85字 → o200k 41 tok（tok/字 0.4824、chars/token 2.07）。SaaS・エンジニア向け。プレビュー:「GPT-5.6 Luna API の max_tokens と temperature を調整し、RAG パイプラインのレイテンシを p95 200ms 以下に…」。Claude approx 40 tok、Gemini approx 27 tok。32K 0.13% / 1M 0.004%。

ragCorpusSamples + chunkSweep

PDF 10 ページ相当: 7542字 = 3972 tok（1M 0.4% / 32K 12.41%）。chunkSize 1000 → wiki 42779 tok を 47 分割（avg 910.2 tok、overlap 80）。

topKMatrix 行

k=3 × chunk 1500: system 800 + query 80 + RAG 4500 = 5380 tok（1M 0.51% / 32K 16.81%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Sol 50000in/500out $0.265（standard tier）。alias 警告: 300K in / 500 out (long tier) — Sol $3.0225 vs Luna $0.6045（80% 節約）。

webVsApi + ctxUsageMatrix

PDF 10 ページ相当 3972 tok — API 1M 0.379% / Plus 32K 12.41%。GPT-5.6 Luna ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

カタカナ・英語混在（技術）: GPT 41 vs Gemini 27（-34.1%）。カタカナ・英語混在（技術）: Claude 40（Δ -2.4%）。月1000 req「RAG 重め」6000/800 → Luna $10.8 / Sonnet intro $20。

実務チェック

トークンカウンターで 41 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 4：Markdown 見出し＋箇条書き

文体ベンチマーク（token-counter-ja-benchmark.json）

Markdown 見出し＋箇条書き — 68字 → o200k 41 tok（tok/字 0.6029、chars/token 1.66）。Notion/Confluence コピー想定。プレビュー:「## 返品について - 14日以内 - 未開封のみ全額返金 - 送料は条件により異なります詳細はサポートまでお問い合わせください。…」。Claude approx 49 tok、Gemini approx 32 tok。32K 0.13% / 1M 0.004%。

ragCorpusSamples + chunkSweep

社内 wiki 丸ごと（危険域）: 80000字 = 42779 tok（1M 4.28% / 32K 133.68%）。chunkSize 1500 → wiki 42779 tok を 31 分割（avg 1380 tok、overlap 80）。

topKMatrix 行

k=5 × chunk 800: system 800 + query 80 + RAG 4000 = 4880 tok（1M 0.47% / 32K 15.25%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Sol 200000in/500out $1.015（standard tier）。alias 警告: 1000 in / 500 out — Sol $0.02 vs Luna $0.004（80% 節約）。

webVsApi + ctxUsageMatrix

社内 wiki 丸ごと（危険域） 42779 tok — API 1M 4.08% / Plus 32K 133.68%。Claude Sonnet 5 ctx 1,000,000 で wiki 使用率 4.28%。

geminiVsGpt + claudeApprox + monthlyCost

Markdown 見出し＋箇条書き: GPT 41 vs Gemini 32（-22%）。Markdown 見出し＋箇条書き: Claude 49（Δ 19.5%）。月1000 req「PDF 10p 相当 + system」4472/800 → Luna $9.272 / Sonnet intro $16.944。

実務チェック

データ駆動ケーススタディ 5：JSON schema 断片

文体ベンチマーク（token-counter-ja-benchmark.json）

JSON schema 断片 — 164字 → o200k 42 tok（tok/字 0.2561、chars/token 3.9）。Structured Outputs 固定費。プレビュー:「{“type”:“object”,“properties”:{“answer”:{“type”:“string”,“description”:“ユーザーの質問へ…」。Claude approx 52 tok、Gemini approx 37 tok。32K 0.13% / 1M 0.004%。

ragCorpusSamples + chunkSweep

短い FAQ 1件（日本語）: 133字 = 68 tok（1M 0.01% / 32K 0.21%）。chunkSize 500 → wiki 42779 tok を 102 分割（avg 419.4 tok、overlap 80）。

topKMatrix 行

k=5 × chunk 1000: system 800 + query 80 + RAG 5000 = 5880 tok（1M 0.56% / 32K 18.38%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Sol 300000in/500out $3.0225（long tier）。alias 警告: 3000 in / 600 out — Sol $0.033 vs Luna $0.0066（80% 節約）。

webVsApi + ctxUsageMatrix

FAQ Q&A 1件 64 tok — API 1M 0.006% / Plus 32K 0.2%。Claude Haiku 4.5 ctx 200,000 で wiki 使用率 21.39%。

geminiVsGpt + claudeApprox + monthlyCost

JSON schema 断片: GPT 42 vs Gemini 37（-11.9%）。JSON schema 断片: Claude 52（Δ 23.8%）。月1000 req「長 output」800/2000 → Luna $12.8 / Sonnet intro $21.6。

実務チェック

トークンカウンターで 42 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 6：FAQ Q&A 1件

文体ベンチマーク（token-counter-ja-benchmark.json）

FAQ Q&A 1件 — 127字 → o200k 64 tok（tok/字 0.5039、chars/token 1.98）。RAG 最小チャンク。プレビュー:「Q: ChatGPT APIのトークン数はどう数えますか？ A: OpenAIはtiktoken（o200k_base）で正確にカウントできます。Claudeや…」。Claude approx 70 tok、Gemini approx 47 tok。32K 0.2% / 1M 0.006%。

ragCorpusSamples + chunkSweep

技術記事 1 セクション: 1763字 = 970 tok（1M 0.1% / 32K 3.03%）。chunkSize 800 → wiki 42779 tok を 60 分割（avg 713 tok、overlap 80）。

topKMatrix 行

k=5 × chunk 1500: system 800 + query 80 + RAG 7500 = 8380 tok（1M 0.8% / 32K 26.19%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Terra 1000in/500out $0.01（standard tier）。alias 警告: 300K in / 500 out (long tier) — Sol $3.0225 vs Luna $0.6045（80% 節約）。

webVsApi + ctxUsageMatrix

system prompt 典型 53 tok — API 1M 0.005% / Plus 32K 0.17%。Claude Opus 4.8 ctx 1,000,000 で wiki 使用率 4.28%。

geminiVsGpt + claudeApprox + monthlyCost

FAQ Q&A 1件: GPT 64 vs Gemini 47（-26.6%）。FAQ Q&A 1件: Claude 70（Δ 9.4%）。月1000 req「軽量 Q&A」800/400 → Luna $3.2 / Sonnet intro $5.6。

実務チェック

トークンカウンターで 64 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 7：チャット user 1発

文体ベンチマーク（token-counter-ja-benchmark.json）

チャット user 1発 — 48字 → o200k 38 tok（tok/字 0.7917、chars/token 1.26）。Slack/Teams からのコピー。プレビュー:「先ほどの議事録を要約して、決定事項だけ3行の箇条書きにしてください。期限と担当者名は必ず含めて。…」。Claude approx 41 tok、Gemini approx 27 tok。32K 0.12% / 1M 0.004%。

ragCorpusSamples + chunkSweep

PDF 10 ページ相当: 7542字 = 3972 tok（1M 0.4% / 32K 12.41%）。chunkSize 1000 → wiki 42779 tok を 47 分割（avg 910.2 tok、overlap 80）。

topKMatrix 行

k=8 × chunk 800: system 800 + query 80 + RAG 6400 = 7280 tok（1M 0.69% / 32K 22.75%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Terra 5000in/500out $0.02（standard tier）。alias 警告: 1000 in / 500 out — Sol $0.02 vs Luna $0.004（80% 節約）。

webVsApi + ctxUsageMatrix

契約条項 1段落 63 tok — API 1M 0.006% / Plus 32K 0.2%。Gemini 3.5 Flash ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

チャット user 1発: GPT 38 vs Gemini 27（-28.9%）。チャット user 1発: Claude 41（Δ 7.9%）。月1000 req「RAG 標準」3000/600 → Luna $6.6 / Sonnet intro $12。

実務チェック

データ駆動ケーススタディ 8：system prompt 典型

文体ベンチマーク（token-counter-ja-benchmark.json）

system prompt 典型 — 76字 → o200k 53 tok（tok/字 0.6974、chars/token 1.43）。毎リクエスト固定 input。プレビュー:「あなたは社内ナレッジに答えるアシスタントです。提供された引用のみを根拠に回答し、不明な点は「わかりません」と述べてください。回答は日本語、300字以内。…」。Claude approx 64 tok、Gemini approx 42 tok。32K 0.17% / 1M 0.005%。

ragCorpusSamples + chunkSweep

社内 wiki 丸ごと（危険域）: 80000字 = 42779 tok（1M 4.28% / 32K 133.68%）。chunkSize 1500 → wiki 42779 tok を 31 分割（avg 1380 tok、overlap 80）。

topKMatrix 行

k=8 × chunk 1000: system 800 + query 80 + RAG 8000 = 8880 tok（1M 0.85% / 32K 27.75%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Terra 50000in/500out $0.1325（standard tier）。alias 警告: 3000 in / 600 out — Sol $0.033 vs Luna $0.0066（80% 節約）。

webVsApi + ctxUsageMatrix

短い FAQ 1件（日本語） 68 tok — API 1M 0.006% / Plus 32K 0.21%。Gemini 3.1 Flash-Lite ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

system prompt 典型: GPT 53 vs Gemini 42（-20.8%）。system prompt 典型: Claude 64（Δ 20.8%）。月1000 req「RAG 重め」6000/800 → Luna $10.8 / Sonnet intro $20。

実務チェック

トークンカウンターで 53 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 9：契約条項 1段落

文体ベンチマーク（token-counter-ja-benchmark.json）

契約条項 1段落 — 74字 → o200k 63 tok（tok/字 0.8514、chars/token 1.17）。法務 RAG。プレビュー:「第5条（秘密保持）両当事者は、本契約に関連して知り得た相手方の技術上及び営業上の情報を、相手方の事前の書面による承諾なく第三者に開示してはならない。…」。Claude approx 64 tok、Gemini approx 42 tok。32K 0.2% / 1M 0.006%。

ragCorpusSamples + chunkSweep

短い FAQ 1件（日本語）: 133字 = 68 tok（1M 0.01% / 32K 0.21%）。chunkSize 500 → wiki 42779 tok を 102 分割（avg 419.4 tok、overlap 80）。

topKMatrix 行

k=8 × chunk 1500: system 800 + query 80 + RAG 12000 = 12880 tok（1M 1.23% / 32K 40.25%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Terra 200000in/500out $0.5075（standard tier）。alias 警告: 300K in / 500 out (long tier) — Sol $3.0225 vs Luna $0.6045（80% 節約）。

webVsApi + ctxUsageMatrix

技術記事 1 セクション 970 tok — API 1M 0.093% / Plus 32K 3.03%。Gemini 3.1 Pro ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

契約条項 1段落: GPT 63 vs Gemini 42（-33.3%）。契約条項 1段落: Claude 64（Δ 1.6%）。月1000 req「PDF 10p 相当 + system」4472/800 → Luna $9.272 / Sonnet intro $16.944。

実務チェック

トークンカウンターで 63 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 10：URL・パス多め

文体ベンチマーク（token-counter-ja-benchmark.json）

URL・パス多め — 147字 → o200k 43 tok（tok/字 0.2925、chars/token 3.42）。引用リンク大量載せパターン。プレビュー:「参考: https://developers.openai.com/api/docs/pricing と https://platform.claude.com…」。Claude approx 52 tok、Gemini approx 36 tok。32K 0.13% / 1M 0.004%。

ragCorpusSamples + chunkSweep

技術記事 1 セクション: 1763字 = 970 tok（1M 0.1% / 32K 3.03%）。chunkSize 800 → wiki 42779 tok を 60 分割（avg 713 tok、overlap 80）。

topKMatrix 行

k=10 × chunk 800: system 800 + query 80 + RAG 8000 = 8880 tok（1M 0.85% / 32K 27.75%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Terra 300000in/500out $1.5112（long tier）。alias 警告: 1000 in / 500 out — Sol $0.02 vs Luna $0.004（80% 節約）。

webVsApi + ctxUsageMatrix

PDF 10 ページ相当 3972 tok — API 1M 0.379% / Plus 32K 12.41%。DeepSeek V4-Flash ctx 1,000,000 で wiki 使用率 4.28%。

geminiVsGpt + claudeApprox + monthlyCost

URL・パス多め: GPT 43 vs Gemini 36（-16.3%）。URL・パス多め: Claude 52（Δ 20.9%）。月1000 req「長 output」800/2000 → Luna $12.8 / Sonnet intro $21.6。

実務チェック

トークンカウンターで 43 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 11：絵文字・記号混在

文体ベンチマーク（token-counter-ja-benchmark.json）

絵文字・記号混在 — 56字 → o200k 31 tok（tok/字 0.5536、chars/token 1.81）。SNS・マーケ文。プレビュー:「🎉 新機能リリース！ GPT-5.6 Luna が $1/1M input になりました ✨ 詳細はこちら →…」。Claude approx 29 tok、Gemini approx 20 tok。32K 0.1% / 1M 0.003%。

ragCorpusSamples + chunkSweep

PDF 10 ページ相当: 7542字 = 3972 tok（1M 0.4% / 32K 12.41%）。chunkSize 1000 → wiki 42779 tok を 47 分割（avg 910.2 tok、overlap 80）。

topKMatrix 行

k=10 × chunk 1000: system 800 + query 80 + RAG 10000 = 10880 tok（1M 1.04% / 32K 34%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Luna 1000in/500out $0.004（standard tier）。alias 警告: 3000 in / 600 out — Sol $0.033 vs Luna $0.0066（80% 節約）。

webVsApi + ctxUsageMatrix

社内 wiki 丸ごと（危険域） 42779 tok — API 1M 4.08% / Plus 32K 133.68%。GPT-5.6 Sol ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

絵文字・記号混在: GPT 31 vs Gemini 20（-35.5%）。絵文字・記号混在: Claude 29（Δ -6.5%）。月1000 req「軽量 Q&A」800/400 → Luna $3.2 / Sonnet intro $5.6。

実務チェック

トークンカウンターで 31 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 12：同意味・日本語

文体ベンチマーク（token-counter-ja-benchmark.json）

同意味・日本語 — 68字 → o200k 49 tok（tok/字 0.7206、chars/token 1.39）。返品ポリシー。プレビュー:「当社の返品ポリシーでは、商品到着後14日以内であれば未開封の場合に限り全額返金いたします。開封済みの場合は送料のみお客様負担となります。…」。Claude approx 58 tok、Gemini approx 38 tok。32K 0.15% / 1M 0.005%。

ragCorpusSamples + chunkSweep

社内 wiki 丸ごと（危険域）: 80000字 = 42779 tok（1M 4.28% / 32K 133.68%）。chunkSize 1500 → wiki 42779 tok を 31 分割（avg 1380 tok、overlap 80）。

topKMatrix 行

k=10 × chunk 1500: system 800 + query 80 + RAG 15000 = 15880 tok（1M 1.51% / 32K 49.63%）。Web Instant 検証なら 32K 80%未満（25600 tok）を目標 — 超える場合は k または chunkSize を下げる。

gpt56Pricing + alias

GPT-5.6 Luna 5000in/500out $0.008（standard tier）。alias 警告: 300K in / 500 out (long tier) — Sol $3.0225 vs Luna $0.6045（80% 節約）。

webVsApi + ctxUsageMatrix

FAQ Q&A 1件 64 tok — API 1M 0.006% / Plus 32K 0.2%。GPT-5.6 Terra ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

同意味・日本語: GPT 49 vs Gemini 38（-22.4%）。同意味・日本語: Claude 58（Δ 18.4%）。月1000 req「RAG 標準」3000/600 → Luna $6.6 / Sonnet intro $12。

実務チェック

トークンカウンターで 49 tok 前後の実文を貼り、usage と突合。npm run gen:token-article-data で src/data/token-counter-article-data.json 再生成。RAG チャンク、GPT-5.6 計算、Web 32K、月額試算、ctx 使用率を sibling 記事として設計時に横断参照。

データ駆動ケーススタディ 13：同意味・英語

文体ベンチマーク（token-counter-ja-benchmark.json）

同意味・英語 — 143字 → o200k 28 tok（tok/字 0.1958、chars/token 5.11）。返品ポリシー（英訳）。プレビュー:「Our return policy offers a full refund within 14 days of delivery for unopened i…」。Claude approx 40 tok、Gemini approx 29 tok。32K 0.09% / 1M 0.003%。

ragCorpusSamples + chunkSweep

短い FAQ 1件（日本語）: 133字 = 68 tok（1M 0.01% / 32K 0.21%）。chunkSize 500 → wiki 42779 tok を 102 分割（avg 419.4 tok、overlap 80）。

topKMatrix 行

gpt56Pricing + alias

GPT-5.6 Luna 50000in/500out $0.053（standard tier）。alias 警告: 1000 in / 500 out — Sol $0.02 vs Luna $0.004（80% 節約）。

webVsApi + ctxUsageMatrix

system prompt 典型 53 tok — API 1M 0.005% / Plus 32K 0.17%。GPT-5.6 Luna ctx 1,048,576 で wiki 使用率 4.08%。

geminiVsGpt + claudeApprox + monthlyCost

同意味・英語: GPT 28 vs Gemini 29（3.6%）。同意味・英語: Claude 40（Δ 42.9%）。月1000 req「RAG 重め」6000/800 → Luna $10.8 / Sonnet intro $20。

実務チェック

実務チェック

トピック	記事
料金一覧	LLM API 料金一覧【2026年7月版】
日本語目安	日本語プロンプトのトークン数目安【2026】
RAG チャンク	RAGチャンクのトークン数目安
GPT-5.6 計算	GPT-5.6 API 料金の計算方法
Web vs API	ChatGPT Web 32K と API 100万の違い
Gemini 3.5	Gemini 3.5 Flash のトークン数
Claude Sonnet 5	Claude Sonnet 5 のトークン数
tiktoken	tiktoken ブラウザ
system 削減	system prompt 削減
月額試算	月額コスト試算
ctx 使用率	コンテキスト使用率

ツール一覧

systemPromptCompression 実測

🔢 この場でトークンを計算する

コスト試算

ChatGPT Web 上限との比較

RAG との役割分担

まとめ

実測 Before → After（365 → 35 tok）

RAG 連結後の ctx（system 35 + セクション 970×5）

wiki 級を system に入れない理由

データ駆動ケーススタディ 1：ひらがな中心（説明文）

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 2：漢字・熟語中心（ビジネス）

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 3：カタカナ・英語混在（技術）

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 4：Markdown 見出し＋箇条書き

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 5：JSON schema 断片

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 6：FAQ Q&A 1件

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 7：チャット user 1発

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 8：system prompt 典型

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix

geminiVsGpt + claudeApprox + monthlyCost

実務チェック

データ駆動ケーススタディ 9：契約条項 1段落

文体ベンチマーク（token-counter-ja-benchmark.json）

ragCorpusSamples + chunkSweep

topKMatrix 行

gpt56Pricing + alias

webVsApi + ctxUsageMatrix