何が起きたのか
2026年4月4日、Anthropicが課金体系を変更しました。The Verge、VentureBeatが一斉に報じています。
実際にサードパーティツール経由でClaudeを利用していた筆者の環境でも、以下のようなエラーメッセージが表示されました。
LLM request rejected: Third-party apps now draw from your extra usage, not your plan limits. We've added a $200 credit to get you started.
変更点:
- Pro/Maxの定額サブスクリプションは Anthropic自社製品のみ が対象に（Claude Code、Cowork、claude.ai）
- OpenClaw等のサードパーティ製ハーネスは 従量課金制 に移行
- APIキーによるアクセスは影響なし
背景:
月額$200のMaxプランで、サードパーティツール経由で$1,000〜$5,000相当のエージェントワークロードを処理するユーザーが急増。Anthropicのシステムが限界を超えていたと、公式メールに明記されています。
VentureBeatの表現を借りれば「食べ放題のパスを買ってオフィス全員をその入口から通して食べさせるようなもの」。店側がキレるのも無理はありません。
緩和措置
- 月額サブスクリプション料金と同額の ワンタイムクレジット を提供（4月17日まで）
- 追加利用分を 最大30%割引 で購入できる事前購入バンドル
- Claudeアカウントでの利用は引き続き可能（禁止ではなく課金変更）
ローカルLLMという選択肢
この課金変更を受けて注目されているのが、ローカルLLMでClaude Code相当の機能を動かす アプローチです。
セキュリティの観点でもメリットがあります。
| 観点 | Anthropic API | ローカルLLM |
|---|---|---|
| コスト | 従量課金（変更後） | 電気代のみ |
| 機密情報 | Anthropicサーバーに送信 | ローカルに留まる |
| レイテンシ | ネットワーク依存 | GPU性能依存 |
| モデル選択 | Claude系のみ | Qwen/Llama/Gemma等自由 |
| オフライン | 不可 | 可能 |
claw-code-local: Rust再実装のClaude Code互換CLI
以下はREADMEベースの紹介です。筆者はまだ動作検証を行っていません。実際のツール呼び出し精度やローカルモデルとの相性は、今後の検証記事で扱う予定です。
claw-code-localは、Claude Codeのエージェントハーネスをクリーンルーム方式でRustに再実装したCLIです。claw-code-parityをベースに、Ollama/LM Studio等のローカルモデルを使えるようマルチプロバイダー対応したフォークです。
READMEに記載されている機能:
- 対話型REPL（セッション保持、スラッシュコマンド、Markdownレンダリング）
- ファイルの読み書き・編集、grep、glob、bash実行、git連携
-
/commit、/diff、/pr、/review、/mcp、/agents、/skills等130以上のスラッシュコマンド - セッションの自動保存と再開
ポイント: Anthropicのソースコードのコピーではなく、クリーンルームの再実装です。ライセンスはMIT。詳細はGitHub READMEを参照してください。
セットアップ手順
前提条件
- Rust toolchain 1.70以上
- Ollama（またはOpenAI互換エンドポイント）
- モデル（例:
ollama pull qwen3:14b）
ビルド
git clone https://github.com/codetwentyfive/claw-code-local.git
cd claw-code-local/rust
cargo build -p rusty-claude-cli --release
バイナリは rust/target/release/claw（Linux/macOS）に生成されます。
環境変数の設定
# Ollama の場合
export OPENAI_API_KEY=ollama
export OPENAI_BASE_URL=http://localhost:11434/v1
APIキーの値は何でもいい。Ollamaが認証を求めないので、空でなければ通ります。「ollama」でも「password123」でも動きます。セキュリティ記事でこれを書くのはどうかと思いますが、事実なので。
実行
# 対話モード
claw --model qwen3:14b
# ワンショット
claw --model qwen3:14b "このコードベースを説明して"
# セッション再開
claw --resume latest
# セッション中にモデル切り替え
/model qwen3.5-35b-uncensored:iq3m
プロバイダー対応表
CLIはモデル名と環境変数からプロバイダーを自動検出します。
| プロバイダー | モデル例 | 環境変数 |
|---|---|---|
| Ollama | qwen3:14b 等 |
OPENAI_API_KEY=ollama OPENAI_BASE_URL=http://localhost:11434/v1
|
| LM Studio | ロードしたモデル |
OPENAI_API_KEY=lmstudio OPENAI_BASE_URL=http://localhost:1234/v1
|
| OpenAI | gpt-4o, o1 等 | OPENAI_API_KEY=sk-... |
| xAI (Grok) | grok-3, grok-3-mini | XAI_API_KEY=xai-... |
| Anthropic | claude-opus, sonnet | ANTHROPIC_API_KEY=sk-ant-... |
| 任意のOpenAI互換 | プロバイダー依存 |
OPENAI_API_KEY=... OPENAI_BASE_URL=https://...
|
セキュリティ面の評価
ローカルLLMに移行する最大のメリットは 機密情報が外部に出ない ことです。
メリット
1. データの物理的隔離
ソースコードも、コンテキストに含まれるAPIキーやDBスキーマも、すべてローカルマシン内で処理されます。ネットワークを経由しないので、中間者攻撃のリスクもゼロ。
2. コンプライアンス要件への対応
金融、医療、防衛産業など「外部AIサービスにソースコードを送信できない」規制がある環境でも利用可能です。
3. 監査の容易さ
何がモデルに入力されたかを完全にログに残せます。外部APIだと「サーバー側でどう処理されたか」はブラックボックスですが、ローカルなら全プロセスが可視化可能。
デメリット・注意点
1. モデル性能の差
Qwen3 14Bは優秀ですが、Claude Opus 4とは性能差があります。複雑な推論タスクやコードの大規模リファクタリングでは精度が落ちる場合があります。
2. ハードウェア要件
14Bモデルを快適に動かすにはVRAM 16GB以上が目安。7Bモデルなら8GBでも動きますが、ツール呼び出しの精度が下がります。
3. ツール呼び出し精度
ローカルモデルのFunction Calling精度はClaude/GPT-4oに比べて低い場合があります。ファイル編集やgit操作で予期しない挙動が出る可能性があり、この点は実際に検証してみないとわかりません。
実用的な使い分け
現実的には「全部ローカル」か「全部API」ではなく、使い分けが最適です。
機密性の高いコード（社内システム、顧客データ関連）
→ ローカルLLM（claw-code-local + Qwen3 14B）
品質が重要な公開コード（OSS、ブログ記事用）
→ Anthropic API（Claude Code）
コスト重視の大量作業（テスト生成、ドキュメント生成）
→ ローカルLLM
Anthropic課金変更への対応策まとめ
| 対応策 | コスト | 品質 | セキュリティ |
|---|---|---|---|
| APIキーに移行（従量課金） | 中〜高 | 最高 | 標準 |
| ローカルLLM（claw-code-local） | 電気代のみ | 中 | 最高 |
| OpenAI/xAI等に乗り換え | 中 | 高 | 標準 |
| Claude Code（自社製品）を使い続ける | 定額内 | 最高 | 標準 |
Anthropicの課金変更は、裏を返せば「Claude Codeの定額利用は維持される」ということでもあります。Claude Code自体を使い続けるなら影響はありません。サードパーティハーネスを使っていた人が判断を迫られています。
機密情報を扱う環境なら、今回の課金変更をきっかけにローカルLLMの導入を検討する価値はあります。コストゼロ＋セキュリティ最高という組み合わせは、規制産業にとっては魅力的です。課金変更がなければ腰が上がらなかった人も多いはず。災い転じて福となすかもしれません。