長期エージェントプロジェクトの予算：コンピュート対トークン（RSA-260の事例）

CognitionのRSA-260因数分解における約40万ドルという数字は、GPUレンタル費用であり、モデル利用料金ではありません。レポートはエージェント側のコストを一切見積もっていないため、長期のエージェントプロジェクトを計画する場合は、トークン費用の行を自分で見積もる必要があります。セッション数 × ステップ数 × ステップあたりのトークン数、これを実際の価格で計算します。このページの残りの部分では、まさにそれを行います。

出典はCognitionのエンジニアEric Luによる記事（Factoring RSA-260、2026年9月9日公開、2026年11月6日確認）です。見出しにドルの数字が入った形で再共有されていますが、この数字は誤読されやすいものです。

40万ドルは実際に何に支払われたのか#

著者はGNFSを用いて260桁の数を因数分解しました。GPU上で動作する大幅に改造されたCADO-NFSを使用しています。レポートには各フェーズのGPU時間が記載されています：

• 多項式選択：643 GPU日
• ふるい分け：3,813 GPU日
• 線形方程式系の求解：467 GPU日

合計は643 + 3,813 + 467 = 4,923 GPU日で、レポートでは約4,900に丸められています。レポートが想定するGPU時間あたり3.50ドルで計算すると：

4,923 × 24 × 3.50 = 413,532

これは付録にある41万4千ドルのGPU費用と一致します。つまり見出しの数字は、何週間にもわたる数値計算ジョブを実行するためにレンタルされたハードウェアの費用です。この合計にモデルのトークンは含まれていません。

エージェントが行ったこと、そしてレポートが語らないこと#

エージェント側はコストではなく活動によって説明されています。最初のプロンプトは2026年8月13日に送信され、作業には約3週間かかりました。数値は以下の通りです：

• 因数分解のための233のDevinセッション。平均3並列、ピーク時18並列
• そのうち192セッションは著者からのメッセージを受け取り、36セッションは人間の介入なしで実行された
• 101の子セッションが他のセッションによって開始された
• Devin自身の集計：14,450 ACU（これはDevinの単位であり、トークンではありません）

セッションは計測、クラスタ運用、チューニング、デバッグを担当しました。人間は優先順位を設定し、ベンチマークを構築しました。著者による2つの正直な指摘：CADO-NFS周りの分解は人間が設計したものであり、それが不可欠だったこと、そしてコードが上流から乖離するほどエージェントは混乱したということです。

欠けているのは、まさに予算に必要な情報です：どのモデルを、何トークン使ったか。ですから14,450 ACUからトークン料金を逆算しようとしないでください。オンラインでそうしているものはすべて推測です。

3つ目の行：人間による舵取り#

著者は3,328メッセージ、合計82,702語を送信しました。これは82,702 ÷ 3,328 ≈ メッセージあたり25語で、エッセイではなく短い促しです。これらの言葉はトークンとしてはほとんどコストがかかりません。かかるのは注意力です：エージェントが何をしたかを読み、次に何をするかを決める人が必要です。エージェントプロジェクトの予算を立てる際は、これをAPI利用料のドルではなく、時間として別の行に計上してください。

したがって、長期のエージェントプロジェクトには3つの行があります：

トークン費用の行を見積もる#

公式はこちらです。そして人々が忘れがちな点が1つあります：各ステップは履歴を再送信します。 エージェントはセッションを記憶しません。各呼び出しはタスク、読み取ったファイル、これまでのツール出力を運びます。だからこそ入力トークンが通常は出力トークンをはるかに上回ります（詳細はAIエージェントがなぜこれほど多くのトークンを使うのかをご覧ください）。

Cognitionのプロジェクトと同じ規模、233セッションを計画し、セッションあたり60ステップと仮定します。この2つの数値はこのページの仮定であり、Cognitionのデータではありません。すると：

233 × 60 = 13,980

つまり13,980回のモデル呼び出しです。次に1回の呼び出しのサイズです。平均的なステップが60,000トークンを入力し（タスク、履歴、ファイル1〜2個）、1,500トークンを返す（コマンドまたはパッチ）とします。合計は：

60,000 × 13,980 = 838,800,000

1,500 × 13,980 = 20,970,000

つまり約8億3,900万入力トークンと2,100万出力トークンです。入力は出力の40倍であり、予算の大部分はこちら側にあります。DeepSeek-V4-Flashでは、このプロジェクトのコストは$14.68、60ステップの1セッションは$0.063です。以下は同じ負荷を全モデルで計算し、OpenRouterの参考価格を並べたものです：

入力と出力を合わせた合計で見ると、この負荷では当社の各モデルはすべてOpenRouterより安くなります。価格は料金ページからリアルタイムで取得しているため、料金が変われば表も変わります。

10分で自分の数値を得る#

仮定は出発点に過ぎません。自分のタスクの実際のセッションを1回、安価なモデルで実行し、APIがすべてのレスポンスで返すusageオブジェクトを読み取ってください。OpenAI互換エンドポイントは呼び出しごとにprompt_tokensとcompletion_tokensを報告します：

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "deepseek-ai/DeepSeek-V4-Flash-0731", "max_tokens": 1500, "messages": [{"role": "user", "content": "Summarize this test failure and propose a fix: ..."}]}'

セッション全体でusageを合計し、呼び出し回数で割り、上記の60,000と1,500を自分の平均値に置き換えてください。セットアップの詳細はCheapTokensドキュメントに、コードでのステップごとの追跡はPythonでAIエージェントのトークンコストを追跡するにあります。単一の50ステップセッションで同じ計算をするには、GLM、DeepSeek、MiniMaxでのエージェントセッションコストをご覧ください。

長いループの場合、DeepSeek-V4-Flashは380Kのコンテキストウィンドウと回答あたり最大32,768出力トークンを持ち、時間帯に関係なく一律価格です。GLM-5.3-Flashは390Kのウィンドウ、MiniMax-M2.7は180Kなので、最大リクエストが収まるか確認してください。

予算を増やす前にタスクを絞る#

レポートには予算に合うもう1つの教訓があります：コードが上流から乖離するほど、エージェントは混乱しました。混乱したエージェントはより多くのステップを要します。見積もりが高すぎるように見えるなら、まずセッションあたりのステップ数を減らしてください：より明確なブリーフ、より小さなコード領域、固定ステップをスクリプトに移す（エージェントは毎ステップモデルを必要とするかをご覧ください）。ステップを半分にすればトークン行も半分になります。それがあなたが持つ最も簡単なレバーです。