---

定額制限の回避でAI Studioに先払いした顛末

サブスクの制限とAPI従量課金の別財布構造

まず最初に押さえておきたい大前提は、私たちが普段ブラウザやアプリで使っている 「個人向け定額サブスクリプション（Google AI Pro / Ultra など）」 と、Google AI Studio や Google Cloud（Vertex AI）で発行する 「開発者向け Gemini API」 は、同じ Google アカウントに紐づいていても 課金システムも利用枠のパイプも完全に別系統 だということです。

比較項目	定額サブスク（Pro / Ultra・IDE標準枠）	開発者向け Gemini API（AI Studio / Cloud Billing）
料金体系	月額固定（定額で使い放題に近いパッケージ）	完全従量課金（100 万トークンあたりの入出力単価制）
制限のかかり方	5 時間枠（Sprint）＋ 7 日間枠（Marathon） の動的クォータ	RPM（毎分回数）・TPM（毎分トークン数）・RPD（1日回数）
上位プランとの連動	Pro より Ultra の方が利用枠が大幅に広い	Ultra 契約者でも API 側は Cloud の支払い実績ティア（Tier） で決まる
主な想定用途	人間との対話・長時間の自律コーディング伴走	自作アプリへの組み込み・定型バッチ処理・大量データの機械分類

つまり、「個人向けプランにお金を払っているから API も優遇される」「逆に Cloud に先払いチャージすれば定額プランの制限が解除される」といった相互乗り入れは一切ありません。完全に 2 つの別財布 として動いています。

IDEにAPIキーを直挿しして起きた想定外の罠

では、定額枠が切れたピンチヒッターとして開発エディタ（IDE）の外部モデル設定に自前の Gemini API キーを入れたとき、裏側で何が起きるのでしょうか？

人間の感覚では「チャット欄に 2 行の質問を書いただけ」に見えても、AI エージェント型の IDE は 1 回指示を出すたびに裏側で猛烈な勢いで API を叩きます。

定額プランの標準環境であれば、サービス提供側がエージェントの連続通信を前提にバッファを調整し、定額パックの中に丸め込んでくれています。しかし自前の API キーに切り替えた瞬間、この連続通信がすべて 「あなた個人の API レート制限」と「従量課金メーター」に直撃する のです。

先払いクレジットでも発生するレート制限の壁

さらに厄介なのが、「無料枠ではなく、ちゃんとクレジットカードで 2 万円を先払い（プリペイド入金）したのに 429 Resource Exhausted（レート制限） が出る」という現象です。

Gemini API の利用上限は、支払い設定の有無だけでなく 「累計の決済実績と経過日数」に応じた使用量ティア（Usage Tiers） で段階的にロックが外れる仕組みになっています。

• Free（無料枠） ：テスト用のごく少ない RPM（毎分リクエスト数）・RPD（1 日リクエスト数）のみ。
• Tier 1（請求先アカウント連携直後） ：有料課金を有効化した瞬間にここへ入りますが、不正利用防止のため 1 分間に流せるトークン量（TPM）や 1 分間のリクエスト回数（RPM）にはまだ低めの安全天井 が残っています。
• Tier 2 / Tier 3（上位ティア） ：一定額以上の累計利用実績と、初回決済からの経過日数をクリアして初めて、毎分何百万トークンもの大口パイプが解放されます。

そのため、2 万円を先払いチャージした直後の「Tier 1」状態でエージェント型 IDE に長大なコードベースを読ませると、お金の残高はたっぷり残っているのに 「1 分あたりの瞬間風速（TPM / RPM）の上限」に引っかかって 429 エラーで足止めされる という事態が起きるのです。

---

API経由だとWeb版より賢くないと感じる理由

従来の癖で温度設定を下げると推論が壊れる罠

API キーを繋いだときに多くの人が首をかしげるもうひとつの現象が、「Web 版や標準統合モデルと同じモデル名を選んでいるのに、API 経由だと回答がなんだか浅い・同じ場所をグルグル回る気がする」 という違和感です。

実はこれ、気のせいではありません。最大の原因のひとつが、API 呼び出しツール側が良かれと思って設定している temperature（温度パラメータ）の罠 です。

ひと昔前の非思考型モデル（従来の GPT-4 や初期の Gemini 1.5 など）では、「プログラムを書かせるときは temperature = 0.0〜0.2 に下げて確率の揺らぎを消すのが定石」とされてきました。そのため、多くの外部エディタや API クライアントは初期値として temperature を低く設定しています。

ところが、Gemini 3 系以降の「思考モデル（Thinking Models）」では、この常識が完全に逆転しました。Google の公式ドキュメントでも明確に警告されている通り、内部で長い思考チェーン（推論ステップ）を回す最新モデルで temperature をデフォルトの 1.0 未満 に無理やり下げると、推論の探索ルートが極端に狭まって同じ思考を無限ループしたり、かえって論理性能が劣化する現象が起きます。

思考予算やシステム指示の欠落による精度低下

温度設定以外にも、公式の Web アプリや専用統合環境と「素の API 呼び出し」の間には、目に見えない 4 つの装備差 があります。

精度差を生む要因	公式 Web 版・専用統合環境	汎用ツールへの API キー直挿し
① 温度設定（Temperature）	モデル本来の性能が出る 1.0 前後 に自動最適化	古い定石で 0.0〜0.5 に固定され推論が窮屈になりやすい
② 思考レベル（Thinking Level）	難問には自動で深い思考予算（High）を割り当て	明示指定しないと低コストな浅い思考モードで即答しがち
③ 検索連動（Grounding）	最新情報を自動で Google 検索して裏取りを実行	API 側で検索ツールを有効化しない限り学習知識だけで回答
④ 文脈の引き継ぎ（Memory）	過去のやり取りやプロジェクト固有の前提を最適化保持	ツール側の簡易プロンプトしか渡らず前提条件が抜け落ちる

まさにその通りです。「API にすればプロ仕様になって賢くなるはず」と思いきや、最新モデルのクセに合わせてパラメータ（temperature: 1.0 や思考レベル指定）を正しく組んでいない汎用クライアントから呼ぶと、素のままの裸のエンジンを低いギアで走らせるような状態 になってしまうのです。

---

なぜ同じ長文を毎回送っても破産しないのか

会話が長くなるほど雪だるま式に膨らむ通信量

ここで、API の従量課金明細を見てみると、もうひとつ非常に面白い事実に気づきます。

LLM（大規模言語モデル）の API 自体は、基本的に 「ステートレス（前回の記憶を持たない 1 回完結の計算機）」 です。そのため、チャットが 10 往復、20 往復と続いているとき、アプリや IDE は新しい 1 行だけを送っているのではなく、毎回「第 1 問目からの全履歴 ＋ ルール全文 ＋ 今回の質問」をひとまとめにして最初から送り直しています。

もし毎回 10 万トークンの前提資料を抱えたまま N 回やり取りを繰り返すと、累積で送信するトークン量は単なる掛け算ではなく、階段状に積み上がる雪だるま式の計算になります。

（※ B は固定のシステム指示や資料トークン数、\Delta は 1 往復あたりに増える会話トークン数です）

仮に固定資料 B = 100,000 トークンを毎回イチから通常単価で課金されていたら、100 回やり取りしただけで 1,000 万トークン以上 の計算料金が請求され、あっという間に先払いした 2 万円が蒸発してしまいます。では、なぜ実際にはそこまで急激に破産しないのでしょうか？

入力単価が最大9割安くなるKVキャッシュの魔法

その救世主となっているのが、現在のクラウド AI の心臓部である 「コンテキストキャッシュ（KV キャッシュ）」 という仕組みです。

第 5 弾の記事 で解説した通り、AI が文章を読むときは、すべての単語から Q（検索アンテナ）・K（索引タグ）・V（中身の情報） というベクトルを計算します。このうち、過去に入力された文章（システム指示や長大な資料、ここまでの会話履歴）の 「K（Key）」と「V（Value）」の計算結果は、後ろに新しい質問が付け足されても 1 ミリも変化しません。

再計算の手間が省けるため、現在の Gemini API（2.5 / 3 系など）では、特別な手続きをしなくても先頭が一致していれば自動で効く「暗黙的キャッシュ（Implicit Caching）」や、保存時間を指定する「明示的キャッシュ（Explicit Caching）」によって、キャッシュにヒットした入力トークンの単価が通常の約 75%〜最大 90% 割引（10 分の 1！） まで劇的に安くなります（※割引率はモデル世代により異なり、明示的キャッシュでは保持時間に応じたわずかな保管料が別途かかります）。

※なお、この「先頭一致」の仕組みから分かる通り、もし 会話の先頭（1 行目のシステム指示など）に「現在時刻（秒単位）」のような毎回変わる文字を入れてしまうと、そこから後ろのキャッシュがすべて無効化されて毎回フル料金になる という実務上の重大な急所もあります。

出力と思考トークンは割引ゼロという課金の急所

ただし、ここに「やっぱり API 従量課金は油断すると怖い」という最大の急所があります。KV キャッシュで最大 90% 割引になるのは、あくまで「すでに確定した過去の入力トークン」だけ だという点です。

トークンの種類	キャッシュ割引	100万トークン単価の傾向	なぜ単価が違うのか
キャッシュ済み入力	あり（最大 75〜90% OFF）	超格安（通常の 1/4〜1/10）	計算済みの K・V をメモリから読むだけだから
新規の入力トークン	なし（通常単価）	標準（基準の 1 倍）	全単語をまとめて一括並列計算（Prefill）できるから
出力トークン（回答文）	一切なし（割引 0%）	高い（入力の約 4〜 8 倍！）	1 語出すごとに巨大な重みを毎回メモリから読み直す から
思考トークン（裏の推論）	一切なし（出力扱い！）	高い（出力単価と同額課金）	画面に見えない「AI の脳内独り言」も 1 語ずつ生成しているから

ここが一番の見落としポイントです！最新の思考モデルは、画面に 500 文字の短い結論を出す裏側で、何千トークンもの「思考プロセス（Thinking tokens）」を 1 トークンずつ生成しています。この 目に見えない思考トークンにはキャッシュ割引が一切効かず、入力より 4 倍〜 8 倍高い「出力単価」でしっかりメーターが回る のです。

複雑なバグ修正や長文のリライトを API 経由で何十回もループさせると、入力は安くても「思考＋出力トークン」でジワジワと数千円が溶けていく理由はここにあります。

---

数百万人を支えるデータセンター3層メモリの裏側

計算チップ横の超高速HBMからSSDまでの階層

Google の TPU や NVIDIA の最新 GPU のすぐ横に載っているメモリは、パソコン用の DDR メモリではなく、半導体を何層も縦に積み重ねた HBM（High Bandwidth Memory：広帯域メモリ） という超高級メモリです。1 秒間に数テラバイト（映画数百本分）ものデータを流し込めますが、チップ 1 枚あたりの容量は数十 GB〜百数十 GB ほどしかなく、その大半は「AI 本体モデルの重みデータ」で埋まっています。

そのため、世界中のユーザーの KV キャッシュをさばくために、データセンター内部では概ね次のような 3 段階の階層ストレージ（※各社クラウドの細かな閾値は非公開ですが、公開論文やシステム設計に基づく標準アーキテクチャであり、細部の保持秒数は推論を含みます） が組まれています。

セッション終了でキャッシュが消える本当の理由

この 3 層構造を知ると、「なぜチャットを翌日まで放置したり、新しいチャット画面を開いたりすると最初の一撃が少し重くなり、キャッシュも切れるのか」が手に取るように分かります。

もし世界中の何百万人もの「もう続きを聞かないかもしれない過去の会話の KV キャッシュ（1 人数 GB）」をいつまでも HBM や DRAM に残し続けたら、地球上のメモリをすべて買い占めても足りなくなります。また、プライバシーとセキュリティの観点からも、他人のリクエストと混ざらないよう一定の有効期限（TTL：通常は数分〜明示指定時で数時間）が過ぎたキャッシュは、自動的にメモリ上から完全破棄（パージ）される設計になっているのです。

---

まとめ：定額サブスクとAPI従量課金の賢い使い分け

実際に 2 万円を AI Studio に先払いして体験したからこそ分かった、「定額プラン」と「API 従量課金」の失敗しない使い分け基準をまとめます。

なお、AI Studio（Google Cloud）に先払いチャージしたクレジットは、無理に IDE に直挿しして溶かさなくても、自作スクリプトからの自動翻訳やテキスト一括検査など「ここぞという自動化プログラム」で少しずつ大切に使えば長期間役立ってくれます。ぜひご自身の使い方に合った「お財布とエンジンの組み合わせ」を選んでみてくださいね！