コスト意識型LLMパイプライン は何をしますか？
LLM APIのコストを品質を維持しながら制御するためのパターン。モデルルーティング、予算追跡、リトライロジック、プロンプトキャッシングを合成可能なパイプラインに組み合わせます。
アクティベーションのタイミング
- LLM API（Claude、GPTなど）を呼び出すアプリケーションを構築している場合
- 複雑さが異なるアイテムのバッチを処理している場合
- API支出の予算内に収める必要がある場合
- 複雑なタスクの品質を犠牲にせずにコストを最適化したい場合
コアコンセプト
1. タスクの複雑さによるモデルルーティング
単純なタスクには自動的に安価なモデルを選択し、複雑なタスクには高価なモデルを予約します。
MODEL_SONNET = "claude-sonnet-5"
MODEL_HAIKU = "claude-haiku-4-5-20251001"
_SONNET_TEXT_THRESHOLD = 10_000 # chars
_SONNET_ITEM_THRESHOLD = 30 # items
def select_model(
text_length: int,
item_count: int,
force_model: str | None = None,
) -> str:
"""タスクの複雑さに基づいてモデルを選択します。"""
if force_model is not None:
return force_model
if text_length >= _SONNET_TEXT_THRESHOLD or item_count >= _SONNET_ITEM_THRESHOLD:
return MODEL_SONNET # 複雑なタスク
return MODEL_HAIKU # 単純なタスク（3-4倍安い）
2. 不変なコスト追跡
凍結されたデータクラスで累積支出を追跡します。各API呼び出しは新しいトラッカーを返し、状態を変更することはありません。
from dataclasses import dataclass
@dataclass(frozen=True, slots=True)
class CostRecord:
model: str
input_tokens: int
output_tokens: int
cost_usd: float
@dataclass(frozen=True, slots=True)
class CostTracker:
budget_limit: float = 1.00
records: tuple[CostRecord, ...] = ()
def add(self, record: CostRecord) -> "CostTracker":
"""レコードを追加した新しいトラッカーを返します（自身を変更しません）。"""
return CostTracker(
budget_limit=self.budget_limit,
records=(*self.records, record),
)
@property
def total_cost(self) -> float:
return sum(r.cost_usd for r in self.records)
@property
def over_budget(self) -> bool:
return self.total_cost > self.budget_limit
3. 狭いリトライロジック
一時的なエラーの場合のみリトライします。認証エラーや無効なリクエストエラーでは即座に失敗します。
from anthropic import (
APIConnectionError,
InternalServerError,
RateLimitError,
)
_RETRYABLE_ERRORS = (APIConnectionError, RateLimitError, InternalServerError)
_MAX_RETRIES = 3
def call_with_retry(func, *, max_retries: int = _MAX_RETRIES):
"""一時的なエラーの場合のみリトライし、その他のエラーでは即座に失敗します。"""
for attempt in range(max_retries):
try:
return func()
except _RETRYABLE_ERRORS:
if attempt == max_retries - 1:
raise
time.sleep(2 ** attempt) # 指数バックオフ
# AuthenticationError, BadRequestError など → 即座にraise
4. プロンプトキャッシング
長いシステムプロンプトをキャッシュして、リクエストごとに再送信するのを回避します。
messages = [
{
"role": "user",
"content": [
{
"type": "text",
"text": system_prompt,
"cache_control": {"type": "ephemeral"}, # これをキャッシュ
},
{
"type": "text",
"text": user_input, # 可変部分
},
],
}
]
合成
4つのテクニックすべてを単一のパイプライン関数に組み合わせます:
def process(text: str, config: Config, tracker: CostTracker) -> tuple[Result, CostTracker]:
# 1. モデルをルーティング
model = select_model(len(text), estimated_items, config.force_model)
# 2. 予算をチェック
if tracker.over_budget:
raise BudgetExceededError(tracker.total_cost, tracker.budget_limit)
# 3. リトライ + キャッシングで呼び出し
response = call_with_retry(lambda: client.messages.create(
model=model,
messages=build_cached_messages(system_prompt, text),
))
# 4. コストを追跡（不変）
record = CostRecord(model=model, input_tokens=..., output_tokens=..., cost_usd=...)
tracker = tracker.add(record)
return parse_result(response), tracker
価格リファレンス（2026年）
| モデル | 入力（$ / 100万トークン） | 出力（$ / 100万トークン） | 相対コスト |
|---|---|---|---|
| Haiku 3.5 (レガシー) | $0.80 | $4.00 | 0.8x |
| Haiku 4.5 | $1.00 | $5.00 | 1x |
| Sonnet 5 | $2.00 | $10.00 | 2x |
| Sonnet 4.6 | $3.00 | $15.00 | 3x |
| Opus 4.8 | $5.00 | $25.00 | 5x |
| Fable 5 / Mythos 5 | $10.00 | $50.00 | 10x |
| Opus 4.0 / 4.1 (レガシー) | $15.00 | $75.00 | 15x |
ベストプラクティス
- 最も安いモデルから始めて、複雑さのしきい値を満たした場合のみ高価なモデルにルーティングする
- バッチ処理の前に明示的な予算制限を設定する — 過剰支出する前に早期に失敗する
- モデル選択の決定をログに記録する ことで、実際のデータに基づいてしきい値を調整できる
- 1024トークンを超えるシステムプロンプトにはプロンプトキャッシングを使用する — コストとレイテンシの両方を節約
- 認証エラーやバリデーションエラーでは決してリトライしない — 一時的な障害（ネットワーク、レート制限、サーバーエラー）のみリトライする
避けるべきアンチパターン
- 複雑さに関係なくすべてのリクエストに最も高価なモデルを使用する
- すべてのエラーでリトライする（永続的な障害に予算を浪費する）
- コスト追跡状態を変更可能にする（デバッグと監査が困難になる）
- コードベース全体にモデル名をハードコーディングする（定数または設定を使用する）
- 反復的なシステムプロンプトに対するプロンプトキャッシングを無視する
使用すべきタイミング
- Claude、OpenAI、または類似のLLM APIを呼び出すあらゆるアプリケーション
- コストが急速に累積するバッチ処理パイプライン
- インテリジェントなルーティングを必要とするマルチモデルアーキテクチャ
- 予算ガードレールを必要とする本番システム