Claude Codeのトークン消費量は、/usageと/contextの2つのコマンドで確認できます。
さらに1つのセッションの内訳を細かく調べてみたら、消費の66%は「これまでの会話の読み返し」でした。
先に要点だけまとめておきます。
/usage: セッションのコストと、プランの使用制限を表示する/context: 今のコンテキストを何が埋めているかを表示する- うちのセッションでは、消費の66%が会話の読み返し、実際の作業は数%だった
- 節約でいちばん効くのは、会話が長くなる前に区切ること
Claude Codeのトークン消費量を確認するコマンド
公式ドキュメントのコマンド一覧(2026年9月30日時点)には、消費量の確認に使えるコマンドが2つ載っています。
/usage: セッションのコスト、プランの使用制限、アクティビティの統計を表示します。Pro・Max・Team・Enterpriseのプランでは、制限に対して何がカウントされているかの内訳も出ます。/costと/statsは、このコマンドの別名です/context: 現在のコンテキスト使用量を色分けしたグリッドで表示します。コンテキストを多く使っているツールや、メモリの肥大化についての提案も出ます
「プランの上限まであとどれくらいか」を知りたいときは/usage、「今の会話が何で重くなっているか」を知りたいときは/context、という使い分けになります。
ここから先は、もう一歩踏み込んで、1つのセッションの内訳を数字で出してみたときの記録です。
きっかけは「何にどれだけ使っているか」を見たことがなかったこと
昨日書いた「メモリファイルを圧縮した話」の続きです。
あの時、原因を調べながらふと思いました。
「なんとなくトークンがギリギリになる」感覚はあったけど、実際に何にどれだけ使われてるのか、ちゃんと数字で見たことがなかったな、と。
セッションのトークン内訳を解析してみた
使ったのは「explain-usage」というスキルです。
Anthropicのスキル集(anthropic-skillsプラグイン)に入っているもので、うちのClaude Code(デスクトップアプリとスマホアプリ)では、入力欄に/explaまで打つと候補に出てきます。
組み込みのコマンドではなくプラグインのスキルなので、公式のコマンド一覧には載っていません。候補に出てこない環境では、上の/usageと/contextで確認できます。
使い方はシンプルです。Claude Codeのチャット欄にそのままスラッシュコマンドを打つだけです。
/explain-usageこれを使うと、今のセッションのトランスクリプト(やり取りの記録が入ったjsonlファイル)を自分で読み込んで、トークンの内訳を出してくれます。
自分の会話ログを、自分自身で解析する。ちょっと不思議な構造ですが、頼んでみて地味に面白いなと感じました。
簡易的な重み付けロジックで内訳を出す
中身は、cache_creation(新しく記憶する分)・cache_read(前回までのキャッシュを読み返す分)・output(実際の返答)、それぞれに重みをつけて集計する簡易的なロジックでした。
キャッシュ読み込みは実際のコストとしては軽い一方で、出力トークンは重い、といった単価の違いをならして「体感に近い重み」で計算し直す仕組みです。
結果、66%が「同じ会話の読み返し」だった
出てきた内訳を見て、正直びっくりしました。予想外の数字でした。
全体のうち66.4%が「これまでの会話を毎回読み返す」再読み込み分。
自分の返信やツール呼び出しが25.3%、システム指示のオーバーヘッドが6.2%、残りがファイル操作・Bashコマンド・ブラウザ操作・外部連携といった、実際の作業そのものにあたる部分でした。
つまり、実際に手を動かしてる部分は数%程度しかなくて、大半は「ここまでの話を思い出す」ことに使われていたわけです。
「なんとなく会話が長くなると重くなる気がする」という体感が、感覚論じゃなくちゃんと実データで裏付けられた瞬間でした。
トークンを節約するなら、まず会話を区切る
これが分かったことで、地味に実務的な収穫もありました。数字は裏切りません。
「そろそろ会話が長くなってきたから、キリのいいところで区切ろう」という判断を、なんとなくの感覚じゃなくて、再読み込みコストが積み上がってきてるという実感込みでできるようになった気がします。
区切り方は2つあります。
公式のコマンド一覧によると、/clearは空のコンテキストで新しい会話を始めるコマンド、/compactはここまでの会話を要約してコンテキストを空けるコマンドです。
話題が変わるなら/clear、同じ作業を続けたいなら/compact、という使い分けになります。
自分のセッションを自分で解析して可視化する、というのは思った以上に発見がありました。
感覚で「なんか重いな」と思ってたことを、実際に数字で確認してみるって、地味だけどやってよかったなと思います。
