AI自動売買のコストとは、AIの利用料（API料金またはサブスクリプション費用）・取引コスト（手数料、資金調達率、ガス代）・インフラ費用（実行環境）の3層で構成される運用経費の総体である。結論から言えば、2026年7月時点でもっとも見落とされやすいのはAI利用料ではなく「取引サイズに対するガス代・手数料の比率」であり、ここを誤ると戦略がどれだけ機能してもトータルの損益はプラスにならない。当編集部は2026年4月からClaude Codeにトレードを任せる検証運用を実口座で継続しており、入金合計588ドル（当初188ドル＋追加400ドル）に対して実現損益は約マイナス21ドル（2026年7月上旬のオンチェーン監査で確定）という等身大の数字を持っている。本記事では、この実運用で判明したコスト構造と損益分岐点の考え方を、良い面も悪い面も含めてそのまま公開する。
AI自動売買のコストは3層構造で考える
AI自動売買にかかるお金は、大きく次の3層に分けると整理しやすい。
- AI利用料: LLM（大規模言語モデル）のAPI従量課金、またはClaude Codeのような開発環境のサブスクリプション費用
- 取引コスト: 取引所の売買手数料、資金調達率（ファンディングレート）、DEXであればガス代と実行手数料
- インフラ費用: botを動かすPCやVPS、監視の仕組みにかかる費用
多くの入門記事はこのうちAI利用料だけを取り上げるが、実運用では2番目の取引コストが損益を左右する主戦場になる。理由は単純で、AI利用料は取引をしてもしなくてもほぼ一定の固定費に近い挙動をするのに対し、取引コストは建玉サイズと取引回数に比例して膨らむ変動費だからだ。固定費は「月にいくらか」を一度把握すれば終わりだが、変動費は戦略・サイズ・銘柄の設計そのものに食い込んでくる。
編集部の検証運用では、この構造を軽視した結果「ガス代に対して建玉が小さすぎて、利確ラインに到達しても手数料負けする」という初歩的な罠を踏んだ。詳細は後述するが、まずは各層を順番に分解していく。
第1層: AI利用料の実際（Claude APIの料金体系）
従量課金の基本構造
Claude APIをはじめとするLLMのAPI料金は「入力トークン数×入力単価＋出力トークン数×出力単価」の従量課金で決まる。トークンとは文章を細かく区切った単位で、日本語ではおおむね1文字が1〜2トークンに相当する。単価は100万トークン（1M tokens）あたりのドル建てで表記されるのが業界標準だ。
2026年7月時点のClaude APIの公表料金は、100万トークンあたり入力/出力で次のとおりである。
| モデル | 入力単価 | 出力単価 | 位置づけ |
|---|---|---|---|
| Claude Haiku 4.5 | 1ドル | 5ドル | 軽量・高速の廉価モデル |
| Claude Sonnet系 | 3ドル | 15ドル | コストと性能のバランス型 |
| Claude Opus 4.8 | 5ドル | 25ドル | 高性能モデル |
| Claude Fable 5 | 10ドル | 50ドル | 最上位フロンティアモデル |
いずれのモデルも出力単価が入力単価の5倍という比率で統一されており、予算を見積もる際は「入力コストを出したら5倍して出力側の上限を見る」という概算が使える。
トレードbotではどれくらいトークンを使うのか
自動売買でAIに判断させる場合、1回の判断に渡す情報は「現在価格・ローソク足データ・建玉状況・直近の判断履歴」などで、プロンプト全体で数千〜数万トークンになるのが一般的だ。仮に1回の判断で入力2万トークン・出力2千トークンを消費し、5分おきに24時間判断させると、1日あたり入力576万トークン・出力57.6万トークンとなる。Sonnet系の単価で計算すると1日約26ドル、月間では約780ドルという規模感になる。
この数字を見て「思ったより高い」と感じた読者は正しい。素朴に「常時APIを叩き続ける」設計にすると、AI利用料だけで小口の運用資金を上回る月額になり得る。だからこそ、次に述べるコスト削減の仕組みと設計上の工夫が本質的に重要になる。
日本語プロンプトはトークン効率が悪い
見積もりの際にもうひとつ注意したいのが言語によるトークン効率の差だ。英語は1単語が1〜2トークンに収まりやすいのに対し、日本語は1文字が1〜2トークンを消費するため、同じ内容でも日本語プロンプトは英語の1.5〜2倍前後のトークンを食う傾向がある。戦略ルールのような長文の定型部分を英語で記述し、判断結果だけ日本語で出力させる構成にすると、入力側のコストを目に見えて削れる。また、ローソク足のような数値データはそのまま貼るのではなく、必要な期間・粒度に間引いてから渡すのが基本で、「とりあえず全部渡す」設計はコストと判断精度の両方を悪化させる。
コストを大幅に下げる2つの公式機能
Claude APIには、従量課金を構造的に下げる公式機能が2つある。
- プロンプトキャッシュ: 毎回同じ内容を送る部分（システムプロンプトや戦略ルールなど）をキャッシュしておくと、その部分の入力料金が最大90%割引になる。トレードbotはプロンプトの大半が定型文なので相性が良い
- バッチAPI: 即時応答が不要な処理をまとめて投げると、入力・出力ともに50%割引になる。リアルタイム判断には使えないが、日次の振り返り分析やレポート生成には有効
この2つを組み合わせると、同じ判断回数でも請求額は素朴な設計の数分の1に圧縮できる。
サブスクリプション型という選択肢
API従量課金とは別に、Claude Codeのような開発環境を定額サブスクリプションで使い、その枠内でエージェントにトレード判断をさせる構成もある。編集部の検証運用はこちらの構成で、毎朝6時に日次セッションを起動し、翌朝に自己終了して次のセッションへ引き継ぐ運用を続けている。従量課金と違って「使った分だけ青天井」にならないため、月のコスト上限を固定したい個人運用では合理的な選択肢になる。ただし定額プランには利用量の上限（レートリミット）があり、判断頻度を上げすぎると上限に到達してその日の稼働が止まるリスクがある点は理解しておきたい。
なお、具体的にどのプランをいくらで契約すべきかは各社の最新の料金ページで確認してほしい。料金体系は改定が頻繁で、2026年に入ってからも新モデルの追加と価格改定が続いている。
第2層: 取引コストの実測（DEX運用の一次データ）
編集部の運用環境と発生するコスト
編集部の検証運用は、オンチェーンDEXであるGMXのパーペチュアル（無期限先物）を取引の場にしている。GMXで1回の取引に発生するコストは次のとおりだ（2026年7月時点の公式ドキュメントに基づく）。
- ポジション手数料: 建玉サイズの0.04%または0.06%（ロング・ショートの偏りを緩和する方向の注文なら0.04%、偏りを拡大する方向なら0.06%）。オープン時とクローズ時の両方にかかる
- 資金調達率・借入手数料: ポジション保有中に継続的に発生。ロングとショートの偏りやプールの利用率に応じて変動し、相場が荒れると跳ね上がることがある
- ガス代・実行手数料: Arbitrum上のトランザクション費用。2026年時点のArbitrumは1トランザクションあたり数セント〜30セント程度が目安だが、注文の実行手数料として別途少額の前払いが必要になる
実際に踏んだ罠: ガス代負けする建玉サイズ
検証運用の初期、編集部は1回あたり数十ドル規模の小さな建玉で取引していた。このサイズだと、利確ライン（+3.5%）に到達しても、往復のポジション手数料とガス代・実行手数料を差し引くと手元にほとんど残らない。ひどい場合は「価格は狙いどおり動いたのに、決済すると手数料でマイナス」という本末転倒が起きる。
例えば建玉100ドル・レバレッジ10倍（ポジションサイズ1,000ドル）で+3.5%の利確に成功した場合、粗利は35ドルだが、往復のポジション手数料が0.06%×2回で約1.2ドル、ガス代と実行手数料で数ドルが消える。この規模ならまだ利益は残るが、建玉がさらに小さい、あるいは値幅の小さい決済が続くと、固定的にかかるガス代の比率が急上昇する。編集部はこの問題への対策として建玉の下限を400ドルに設定し、それを下回るサイズではエントリーしない運用に切り替えた。
現在の設定値と損益の実額
2026年7月時点の検証運用の設定値と実績は次のとおりである。
- レバレッジ: 10倍
- 利確: +3.5% / 損切り: -4.5%（トレーリングストップ併用）
- 建玉下限: 400ドル
- 入金: 当初188ドル＋追加400ドル
- 実現損益: 約-21ドル（2026年7月上旬にオンチェーン記録を突き合わせた監査で確定）
つまり現時点では、検証運用はトータルでわずかにマイナスだ。これを正直に書くのは、「AIに任せれば自動的に儲かる」という期待値で始めると失望するからであり、同時に「コスト構造を正しく設計しないと、戦略以前の段階で負ける」という本記事の主題を、身銭を切った数字で示せるからでもある。勝率や月次のトレード数などの詳細は未公表だが、検証の経過は当サイトの運用実績ページ（/ai-trading）で継続的に公開している。
第3層: インフラ費用の実際
3層目のインフラ費用は金額としては小さいが、設計の選択肢が運用スタイルを決めるので触れておく。選択肢は大きく3つある。
- 自宅PCの常時稼働: 追加費用は電気代のみ（デスクトップPCの常時稼働で月数百円〜千円台が目安）。編集部の検証運用はこの構成で、Windowsのタスクスケジューラから毎朝6時にClaude Codeのセッションを起動し、翌朝に自己終了させる日次リサイクル方式を採っている。停電・再起動・スリープ設定が事故要因になるため、電源設定の見直しと起動失敗時の通知は必須だ
- VPS（仮想専用サーバー): 月500円〜2,000円程度の低スペックプランで十分動く。自宅の回線・電源に依存しない安定性が買えるが、秘密鍵やAPIキーをリモートサーバーに置くことになるため、鍵管理の設計難易度は上がる
- クラウド実行環境: サーバーレスやコンテナ実行はスケールしやすい反面、常時監視型のbotでは起動時間に比例した課金になり、小規模運用では割高になりやすい
インフラ費用で重要なのは金額そのものより「稼働率」だ。月数ドルをけちって不安定な環境を選び、肝心の急変動時にbotが落ちていたら、節約額の何倍もの損失や機会損失につながる。逆に、検証段階から高価な冗長構成を組むのも過剰投資で、編集部のように自宅PC＋日次セッション再起動＋発注監視という最小構成から始め、資金規模の拡大に合わせてインフラを引き上げるのが費用対効果のバランスが良い。
損益分岐点の考え方: 何%動けばプラスになるのか
1トレードあたりの損益分岐式
自動売買の損益分岐点は、次の式で概算できる。
必要値幅(%) ＝ 往復手数料率(%) ＋ (固定費 ÷ ポジションサイズ) × 100
固定費にはガス代・実行手数料のほか、そのトレードに割り当てるAI利用料の按分を含める。具体例で見てみよう。建玉400ドル・レバレッジ10倍（ポジションサイズ4,000ドル）、ポジション手数料0.06%、ガス代等の固定費を1ドルと置くと、
- 往復手数料: 4,000ドル × 0.06% × 2 ＝ 4.8ドル
- 固定費: 1ドル
- 合計コスト: 5.8ドル → ポジションサイズ比 0.145%
つまり価格が0.145%以上有利に動いてはじめて利益圏に入る。利確幅+3.5%との比率で見ればコストは粗利の約4%であり、この規模なら十分に成立する。ところが建玉を100ドル（ポジション1,000ドル）に落とすと、同じ固定費でもコスト比率は0.34%に跳ね上がり、さらに小さくすれば利確幅の1〜2割をコストが食う世界に入る。損益分岐点はサイズの関数であるというのが、編集部が身をもって学んだ第一の教訓だ。
保有時間が延びるほど効いてくる資金調達率
見落とされがちなのが、ポジションを保有している間じゅう発生し続ける資金調達率・借入手数料だ。GMXのようなDEXパーペチュアルでは、ロングとショートの偏りやプールの利用率に応じて秒単位・時間単位で手数料が積み上がる。年率換算で数%〜数十%のレンジで変動し、相場が一方向に過熱している局面では大きく跳ねることもある。仮に年率20%相当の局面でポジション4,000ドルを3日間保有すると、それだけで約6.6ドル、往復のポジション手数料を上回るコストになる計算だ。デイトレード級の短期回転なら影響は軽微だが、スイング気味にポジションを引っ張る戦略では、利確幅の設計に保有コストを織り込まないと「時間とともに損益分岐点が逃げていく」状態になる。編集部の設定が利確+3.5%・トレーリングストップ併用と比較的短期の決着を志向しているのは、この保有コストを長く払わないためでもある。
月次で見るときの分岐点
月次では「月間の固定費合計（AI利用料＋インフラ費）を、月間の期待粗利が上回るか」で判断する。ここで重要なのは、固定費は運用資金の大小にかかわらずほぼ一定という点だ。仮に月の固定費が数十ドルだとすると、運用資金500ドルで月数%のリターンを狙う小口運用では、固定費だけで期待リターンの大半が消える計算になる。逆に運用資金が数千ドル規模になれば、同じ固定費は誤差の範囲に収まっていく。小口で始めること自体は検証として正しいが、小口のうちは「利益を出す期間」ではなく「システムの信頼性を検証する期間」と割り切るのが現実的な位置づけになる。
実運用で判明したコストの罠と改善の記録
編集部の検証運用で実際に発生した失敗と、その改善策を時系列で記録しておく。同じ環境を作る読者が同じ穴に落ちないためのチェックポイントでもある。
- ガス代に対して建玉が小さく、利確しても残らない: 前述のとおり。対策として建玉下限400ドルを導入した
- 早期損切りがノイズで刈られる: 当初は浅い損切りを置いていたが、一時的な価格ノイズで損切りが連発し、損切りコストが累積した。損切りが1回発動するたびに往復手数料とガス代も同時に発生するため、「刈られやすい損切り」はコスト面でも二重に痛い。2026年7月に早期損切りを廃止し、トレーリングストップ中心の設計に全面リライトした
- 特定銘柄（WBTC）の発注バグ: 発注が意図どおり通らない不具合が発生し、発注監視（watchdog）の仕組みを差し替えることで解消した。発注失敗はそれ自体がガス代の空振りコストになるうえ、機会損失も生む
これらに共通するのは、コストの問題はバックテストに現れにくく、実弾を入れてはじめて顕在化するという点だ。バックテストの多くは手数料を一律の率で近似するが、現実にはガス代のような固定費、約定失敗、資金調達率の変動があり、小口運用ほどその影響が増幅される。
他の運用方法とのコスト比較
AI自動売買のコスト構造を相対化するため、代表的な代替手段と比較する。
| 項目 | AI自動売買(自作) | コピートレード | 手動裁量 | 既製EA(MT4系) |
|---|---|---|---|---|
| AI/ツール費用 | API従量or定額 | 無料〜利益分配 | 無料 | 買い切り〜月額 |
| 取引手数料 | 発生 | 発生＋分配10%程度 | 発生 | 発生 |
| 構築の手間 | 大 | 小 | 小 | 中 |
| カスタマイズ性 | 高 | 低 | 高 | 中 |
| 24時間監視 | 可能 | 可能 | 不可能 | 可能 |
対コピートレード
海外取引所を中心に提供されるコピートレードは、優秀なトレーダーの取引を自動で複製する仕組みで、初期コストはほぼゼロ、利益が出た場合のみ利益の最大10%程度をトレーダーへ分配する成果報酬型が主流だ。自作AI botと比べると「構築コストゼロ・ランニングは成果連動」という点で小口資金に向くが、戦略の中身を自分で制御できず、コピー元の成績劣化に気づきにくい弱点がある。なお、コピートレードにおいても過去の成績は将来の利益を保証しない。
対手動裁量トレード
手動トレードの金銭コストは取引手数料だけで、AI利用料はかからない。一方で「時間」という最大のコストを支払うことになる。暗号資産市場は24時間365日動いており、人間が監視できるのはその一部にすぎない。編集部が検証運用を始めた動機のひとつも、毎朝6時起動→翌朝自己終了の日次セッションで24時間監視を機械に肩代わりさせることだった。時給換算の発想を持ち込むなら、月数十ドルのAI利用料は監視労働の外注費としてはかなり安い部類に入る。
対既製EA・シグナル配信
MT4/MT5系の既製EA（自動売買プログラム）は買い切り数万円〜月額数千円程度の価格帯が多く、VPS費用が月数百〜数千円かかるのが一般的だ。AI自動売買との最大の違いは判断ロジックの柔軟性で、EAは事前に固定されたルールで動くのに対し、LLMベースのbotは相場状況の文脈を読んだモード切り替え（編集部の場合はレンジ相場ならレンジ端の逆張り、トレンド相場なら押し目の順張りというモード判定式）を自然言語の戦略記述で実装できる。そのぶんAI利用料という継続コストを支払う構図になる。
コストを抑えて始めるための実践ステップ
編集部の失敗を踏まえ、コスト最適化の観点から始め方を手順化する。
- 手順1: 判断頻度を決める: 5分足で常時判断させる必要があるのか、1時間ごとで十分なのかを最初に決める。判断回数はAI利用料に直結する最大の変数で、頻度を1/10にすれば料金もほぼ1/10になる
- 手順2: モデルを使い分ける: 常時の相場監視は廉価モデル（Haiku級）に任せ、エントリー判断など重要な局面だけ上位モデルを呼ぶ二段構えにすると、単価差（1ドルvs5ドル以上）がそのまま節約になる
- 手順3: プロンプトキャッシュを設計に組み込む: 戦略ルールや口座情報の定型部分をキャッシュ対象に置き、毎回変わる価格データだけを差し替える構造にする。入力料金が最大90%引きになる公式機能を使わない理由はない
- 手順4: 建玉サイズの下限を計算してから入金する: 本記事の損益分岐式に自分の想定手数料とガス代を入れ、コスト比率が粗利の1割以下に収まるサイズを逆算する。編集部の環境ではそれが400ドルだった
- 手順5: 小さく始めて固定費を記録する: 最初の1か月は利益目標を持たず、AI利用料・ガス代・手数料の実測値を記録することに徹する。実測が揃ってはじめて損益分岐点が現実の数字になる
- 手順6: 月次でコストの棚卸しをする: AI利用料・ポジション手数料・資金調達率・ガス代・インフラ費を月に一度、勘定科目のように分類して合計する。編集部が2026年7月上旬に行ったオンチェーン監査も、この棚卸しの延長で「帳簿上の損益」と「チェーン上の実額」を突き合わせる作業だった。乖離があればどこかに把握できていないコストか記録漏れがあるサインで、実際この監査で実現損益が約-21ドルと確定し、手数料の記録漏れも発見できた
この6ステップの狙いは一貫していて、「コストを見える化してから資金を増やす」順番を守ることにある。逆の順番、つまり先に資金を厚くしてからコストを把握しようとすると、把握が終わる前に手数料と固定費が積み上がり、検証のための授業料が不必要に高くつく。
リスクと注意点
AI自動売買のコストを考えるうえで、必ず押さえておくべきリスクを列挙する。
- API料金の青天井リスク: 従量課金は設計ミスやループバグで想定外の請求になり得る。利用上限アラートと月額上限の設定は必須である
- 料金改定リスク: LLMの料金体系は改定が頻繁で、新モデルへの移行で単価が変わる。2026年も価格改定が続いており、月次でコスト前提を見直す必要がある
- 手数料・資金調達率の変動リスク: DEXの借入手数料や資金調達率は相場急変時に跳ね上がることがあり、ポジションを長く持つ戦略ほど影響が大きい
- ガス代の変動リスク: Arbitrumのガス代は平時こそ数セント〜30セント程度だが、ネットワーク混雑時には上昇する。損益分岐点の計算は平時の値ではなく余裕を持った値で行うべきだ
- 元本割れリスク: コストを完全に最適化しても、戦略が機能しなければ損失は出る。編集部の検証運用も現時点で約-21ドルであり、AI自動売買は利益を保証する仕組みではない
- システム障害・発注バグのリスク: 編集部が経験したWBTCの発注バグのように、コードの不具合はコスト（ガス代の空振り・機会損失）として跳ね返る。発注監視の仕組みを持たない運用は避けたい
- 税務リスク: 暗号資産の利益は原則として総合課税の雑所得として確定申告が必要で、経費計上の可否（API利用料・VPS費用など）は個々の状況による。安全側に倒し、税理士など専門家に相談してほしい
- セキュリティコスト: APIキーや秘密鍵の管理を怠ると、コスト最適化どころか資産全損につながる。キーの権限限定やIP制限は「無料でできる最重要のコスト対策」である
始める前のコストチェックリスト
- AIの判断頻度と使用モデルを決め、月間のAI利用料上限を試算した
- 往復手数料・ガス代・固定費から1トレードの損益分岐点(%)を計算した
- コスト比率が想定粗利の1割以下に収まる建玉サイズの下限を決めた
- API利用上限アラートまたは定額プランで月額の天井を固定した
- 最初の1か月は損益ではなくコスト実測の記録期間と位置づけた
- 確定申告と経費計上の扱いを税理士など専門家に確認する予定を立てた
- APIキー・秘密鍵の権限限定とIP制限などのセキュリティ設定を済ませた
- 発注失敗や稼働停止を検知する監視・通知の仕組みを用意した
まとめ
AI自動売買のコストは、AI利用料・取引コスト・インフラ費用の3層で構成され、実運用で効いてくるのは「取引サイズに対する固定費の比率」である。編集部の検証運用は入金588ドルに対して実現損益約-21ドルという等身大の途中経過だが、ガス代負けする建玉サイズ、刈られやすい損切りのコスト、発注バグという3つの罠を実弾で踏み、建玉下限400ドル・トレーリングストップ化・発注監視の差し替えという改善に落とし込んできた。コスト設計は戦略設計と同格の生命線であり、損益分岐点を数字で把握してから資金を入れるのが遠回りに見えて近道だ。AI利用料はキャッシュ活用とモデルの使い分けで数分の1に、取引コストはサイズ設計と保有時間の短縮で管理可能な水準に収められる。逆に言えば、これらを設計しないまま「AIが優秀なら勝てるはず」と資金を投じるのは、穴の空いたバケツに水を注ぐことに近い。口座開設やAPI設定、botの構築手順そのものは、当サイトの手順記事で段階を追って解説しているので、環境づくりはそちらを参照してほしい。
<!-- INTERNAL_LINKS_RELATED -->
関連記事
<!-- INTERNAL_LINKS_RELATED -->