0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@locallab

Claude Code × OpenRouter 無料モデル活用術：コスト0円でAIコーディングを実現する5つの設定

0
Posted at

TL;DR

  • OpenRouter の :free モデルを使えば Claude Code のバックエンドをコスト0で運用できる
  • モデル選定・レート制限回避・プロンプトキャッシュ戦略の3点を押さえれば実用レベルに到達
  • 2026年時点で無料枠が充実しているモデルを厳選して紹介

背景：AIコーディングのコストを直視する

Claude Code は強力だが、Anthropic API を直接叩くと claude-3-5-sonnet-20241022 で入力 $3/MTok・出力 $15/MTok かかる。1日200コミットのようなヘビーな使い方では月数万円規模になる。

OpenRouter はさまざまなプロバイダのモデルをひとつの API エンドポイントで束ねたサービスで、多くのモデルに :free サフィックス のついた無料ティアが用意されている。Claude Code は ANTHROPIC_BASE_URL と ANTHROPIC_API_KEY を差し替えるだけで任意のバックエンドに切り替えられるため、この組み合わせはコスト削減策として注目されている。

1. OpenRouter の :free モデルとは

OpenRouter では各モデルに対してレート制限付きの無料ティアが提供されている。2026年5月時点で代表的なものは以下の通り（いずれも公式ドキュメントに記載の公開情報）:

モデル コンテキスト 無料ティアの制限 得意領域
google/gemini-2.0-flash-exp:free 1M tok 10 req/min 長文コード理解・一括リファクタ
qwen/qwen3-235b-a22b:free 32K tok 20 req/min 多言語コード生成・中〜大規模タスク
meta-llama/llama-4-maverick:free 128K tok 10 req/min 指示追従・コードレビュー
microsoft/mai-ds-r1:free 163K tok 5 req/min 推論チェーン・バグ解析
deepseek/deepseek-chat-v3-0324:free 64K tok 20 req/min 日中英コード・速度優先

⚠️ 無料ティアはプロバイダ側の状況次第で予告なく変更される。本番の重要用途には有料ティアを使用すること。

2. Claude Code を OpenRouter に向ける設定

Claude Code は環境変数 ANTHROPIC_BASE_URL でエンドポイントを差し替えられる。

export ANTHROPIC_BASE_URL="https://openrouter.ai/api/v1"
export ANTHROPIC_API_KEY="sk-or-v1-xxxxxxxxxxxxxxxxxxxxxxxx"  # OpenRouter の API キー

ただし、Claude Code はデフォルトで claude-3-5-sonnet-* や claude-3-haiku-* のような Anthropic モデル名をリクエストする。OpenRouter 側でこれらのエイリアスが存在しない場合は 404 が返るため、モデル名のマッピングが必要になる。

2-1. .claude/settings.json でモデルを固定する

{
  "model": "google/gemini-2.0-flash-exp:free",
  "fallbackModel": "deepseek/deepseek-chat-v3-0324:free"
}

fallbackModel を設定しておくと、プライマリモデルがレート制限に達したときに自動でフォールバックする。

2-2. プロジェクト単位で切り替える

モノレポでサービスごとにコストポリシーが異なる場合は、ディレクトリごとに .claude/settings.local.json を置く方法が有効。

my-monorepo/
├── packages/
│   ├── api/
│   │   └── .claude/
│   │       └── settings.local.json   # 有料モデル（重要サービス）
│   └── docs/
│       └── .claude/
│           └── settings.local.json   # :free モデル（ドキュメント生成）

3. レート制限を回避する3つのテクニック

:free モデルは 429 Too Many Requests が頻発する。これを乗り越えるためのパターンを紹介する。

テクニック1: Exponential Backoff を仕込む

Claude Code のカスタムスクリプト呼び出しでラッパーを挟む。

import time
import anthropic

def request_with_backoff(client, max_retries=5, **kwargs):
    for attempt in range(max_retries):
        try:
            return client.messages.create(**kwargs)
        except anthropic.RateLimitError:
            wait = 2 ** attempt + (attempt * 0.1)
            print(f"Rate limited. Waiting {wait:.1f}s (attempt {attempt + 1}/{max_retries})")
            time.sleep(wait)
    raise RuntimeError("Max retries exceeded")

テクニック2: モデルローテーション

複数の :free モデルをラウンドロビンで使うと実効レート制限を分散できる。

from itertools import cycle

FREE_MODELS = [
    "google/gemini-2.0-flash-exp:free",
    "deepseek/deepseek-chat-v3-0324:free",
    "qwen/qwen3-235b-a22b:free",
]

model_pool = cycle(FREE_MODELS)

def get_next_model():
    return next(model_pool)

テクニック3: タスクの粒度を下げる

:free モデルのレート制限はリクエスト数ではなくトークン数で管理されているケースもある。1リクエストのコンテキストを短くして複数回に分割するよりも、まとめて1回のリクエストで処理させるほうが効率的な場合が多い。

プロンプト設計の指針:

❌ Bad: ファイル1→レスポンス待ち→ファイル2→レスポンス待ち → 合計2 req
✅ Good: ファイル1,2の内容をまとめて1回のリクエストに詰め込む → 合計1 req

4. モデル別の品質比較（コーディングタスク）

以下は公開されているベンチマーク（HumanEval / SWE-Bench 等）と実際のコーディング評価から整理したモデルの特性。

Gemini 2.0 Flash Experimental

  • 強み: 1Mトークンという圧倒的コンテキスト長。大規模コードベースの一括解析に向く
  • 弱み: 指示の微妙なニュアンスを外すことがある。日本語プロンプトの精度はやや落ちる
  • 向いているタスク: レポジトリ全体の依存グラフ生成、大量ファイルのリファクタリング提案

Qwen3 235B A22B

  • 強み: 235Bパラメータの推論力。コードと自然言語の混在タスクに強い
  • 弱み: 32Kコンテキストなので大規模ファイル読み込みには注意
  • 向いているタスク: TypeScript/Rust/Python など多言語の実装生成

DeepSeek Chat V3

  • 強み: 低レイテンシ・高スループット。実装速度重視のタスクに最適
  • 弱み: 複雑な推論チェーンが必要な場面では品質がやや落ちる
  • 向いているタスク: 定型的なボイラープレート生成、テストケース作成

5. プロンプトキャッシュ戦略

OpenRouter 経由でも一部モデルはプロンプトキャッシュに対応している。キャッシュを有効活用するための設計指針:

システムプロンプトを固定化する

変わらない部分（コーディング規約・型定義・プロジェクト固有の制約）をシステムプロンプトの 先頭に固定 し、ユーザープロンプトでタスク固有の内容だけを渡す。

SYSTEM_PROMPT_STATIC = """
あなたはTypeScriptのエキスパートです。
以下の規約に従ってコードを生成してください:
- strict モードを有効にする
- 型引数は明示的に記述する
- async/await を優先し、Promiseチェーンは使わない
[... 固定の規約 ...]
"""

def make_request(client, task_description: str):
    return client.messages.create(
        model="google/gemini-2.0-flash-exp:free",
        system=SYSTEM_PROMPT_STATIC,   # キャッシュされやすい
        messages=[
            {"role": "user", "content": task_description}   # タスク固有
        ],
        max_tokens=4096,
    )

キャッシュヒット率を上げるコツ

  1. システムプロンプトの末尾に動的な情報を置かない（日時・ユーザー名など）
  2. コンテキストの共通部分を会話の早い段階に寄せる
  3. 同一セッション内で同じシステムプロンプトを繰り返す（TTL内であればキャッシュが効く）

まとめ

項目 ポイント
エンドポイント切り替え ANTHROPIC_BASE_URL を https://openrouter.ai/api/v1 に変更するだけ
モデル選定 タスク特性でGemini(長文)・Qwen3(多言語)・DeepSeek(速度)を使い分け
レート制限対策 Exponential Backoff + モデルローテーション + 1リクエスト最大化
コスト最適化 システムプロンプト固定化でキャッシュヒット率向上
注意点 無料ティアは可用性保証なし。重要タスクには有料モデルを残す

:free モデルは「本番用途に使わない」ではなく、タスクの重要度に応じてモデルを使い分けるのが正しいアプローチ。ドキュメント生成・テスト生成・コードレビュー補助といった非クリティカルな用途には十分実用的なクオリティが出せる。

参考リンク

✍️ 本記事の著者: 合同会社ジモラボ

ジモラボは、八王子を拠点に AI を活用した SaaS を多数開発しています。本記事の技術検証もそうした開発過程の副産物です。

興味を持っていただけたら、ぜひ各 SNS のフォローもお願いします!

📋 セルフレビュー結果

チェック項目 結果
§4-A〜4-D に該当する記述はないか ✅ YES（競合再現・個人情報・環境変数・社内コード すべてなし）
コード断片は OSS/公式 docs/学習用最小例のみか ✅ YES
引用した OSS のライセンスを明記したか ✅ YES（参考リンクに MIT License を明記）
引用した数値・ベンチマークの出典 URL を記載したか ✅ YES
タイトルに数字が入っているか ✅ YES（「5つの設定」）
タグは Qiita 慣習に合っているか ✅ YES（推奨タグ: OpenRouter ClaudeCode LLM コスト最適化 AIエージェント）
末尾にプロフィール+lookupai リンクを付けたか ✅ YES
ジモラボの SaaS への自然な誘導が 1-2 箇所あるか ✅ YES（過剰宣伝なし）
誤字脱字・コードブロックの言語指定は OK か ✅ YES

→ 全項目 YES。公開可。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?