Claude Code × OpenRouter 無料モデル活用術：コスト0円でAIコーディング支援を最大化する5つの設定

Posted at 2026-11-05

TL;DR

OpenRouter の :free モデルは商用利用可能・レート制限あり・品質差大
Claude Code の ANTHROPIC_BASE_URL を差し替えるだけで切り替え可能
用途別モデル選定・ローテーション・フォールバック設計の3本柱でコスト0運用

背景

Claude Code は強力なAIコーディング支援ツールだが、フル活用するとAPIコストが積み上がりやすい。一方、OpenRouter は2024年末以降、google/gemini-flash-1.5, meta-llama/llama-3.3-70b-instruct, qwen/qwen3-235b-a22b などの高品質モデルを :free サフィックス付きで提供している。

本記事では「Claude Code + OpenRouter :free モデルで品質を落とさずコストを下げる実践設計」を解説する。

前提知識

OpenRouter `:free` モデルとは

OpenRouter が提供するプロキシ経由で、無料枠内で利用できるモデル群。

URLは https://openrouter.ai/api/v1
APIスキーマは OpenAI 互換
:free 付きモデルは 1分あたりのリクエスト数 に制限がある（RPM上限はモデルにより異なる）
商用利用可否はモデルごとのライセンスに依存（Llama 3.3: Meta Llama 3.3 Community License, Qwen3: Apache 2.0 など）

Claude Code のモデル設定

Claude Code は環境変数 ANTHROPIC_BASE_URL と ANTHROPIC_API_KEY で接続先を差し替えられる。ただし、以下の制約がある。

Claude Code はデフォルトで claude-3-5-sonnet / claude-3-5-haiku 等のAnthropicモデル名を送信する
OpenRouterはモデル名を --model フラグまたはリクエストボディの model フィールドで受け取る
そのため「Anthropicモデル名 → OpenRouterモデル名のマッピング」が必要になる

設定1: 環境変数の差し替え

.env またはシェル設定に記述する。

# OpenRouter エンドポイントに差し替え
export ANTHROPIC_BASE_URL="https://openrouter.ai/api/v1"
export ANTHROPIC_API_KEY="sk-or-v1-xxxxxxxxxxxxxxxxxxxxxxxx"

Claude Code 起動時にこれらが読み込まれると、以降のAPIコールはOpenRouter経由になる。

⚠️ APIキーは .gitignore 済みの .env にのみ記述し、リポジトリにコミットしないこと。

設定2: 用途別モデル選定

すべてのタスクに同じモデルを使うのは非効率。2026年5月時点の :free モデルを用途別に整理する。

用途	推奨モデル	理由
コード補完・短い変換	`google/gemini-flash-1.5:free`	速度最優先・レイテンシ低
設計レビュー・ロジック相談	`meta-llama/llama-3.3-70b-instruct:free`	70B規模・文脈保持力高
長文ドキュメント要約	`qwen/qwen3-235b-a22b:free`	長コンテキスト・多言語対応
ユニットテスト生成	`microsoft/phi-4:free`	推論精度・コンパクト
英語コメント翻訳・日本語補完	`qwen/qwen3-14b:free`	日英混在コードに強い

選定基準:

コンテキスト長 — 大きなファイルを渡す場合は128k以上必須
RPM上限 — 連続リクエスト多発タスクでは高RPMモデルを選ぶ
ライセンス — 商用プロダクトのコード生成に使う場合はApache 2.0 or MITを優先

設定3: ローテーション設計（RPM制限の回避）

:free モデルは RPM 上限に達すると 429 Too Many Requests を返す。これを回避する最もシンプルな方法がモデルローテーション。

Python での実装例（最小構成）

import anthropic
import time
import random

FREE_MODELS = [
    "google/gemini-flash-1.5:free",
    "meta-llama/llama-3.3-70b-instruct:free",
    "qwen/qwen3-14b:free",
]

def call_with_rotation(prompt: str, max_retries: int = 3) -> str:
    models = FREE_MODELS.copy()
    random.shuffle(models)  # ローテーションを均等化

    for model in models:
        for attempt in range(max_retries):
            try:
                client = anthropic.Anthropic(
                    base_url="https://openrouter.ai/api/v1",
                    # api_key は環境変数 ANTHROPIC_API_KEY から自動読み込み
                )
                message = client.messages.create(
                    model=model,
                    max_tokens=1024,
                    messages=[{"role": "user", "content": prompt}],
                )
                return message.content[0].text
            except Exception as e:
                if "429" in str(e):
                    wait = 2 ** attempt  # exponential backoff
                    time.sleep(wait)
                    continue
                raise e  # 429以外は再試行しない

    raise RuntimeError("All free models rate-limited. Try again later.")

ポイント:

random.shuffle でモデルへの負荷を分散
429 のみ exponential backoff・それ以外は即時 raise
Anthropic Python SDK の base_url パラメータで OpenRouter に向ける（OpenAI互換エンドポイントを使う場合は openai ライブラリも同様に対応可）

設定4: フォールバック設計（有料 → 無料の逆引き）

開発初期は無料モデル優先、品質が足りない場合のみ有料モデルにフォールバックする戦略が費用対効果が高い。

from enum import Enum

class ModelTier(Enum):
    FREE = "free"
    PAID = "paid"

FALLBACK_CHAIN = {
    "code_review": [
        ("qwen/qwen3-235b-a22b:free", ModelTier.FREE),
        ("meta-llama/llama-3.3-70b-instruct:free", ModelTier.FREE),
        ("anthropic/claude-3-5-sonnet", ModelTier.PAID),  # 最終手段
    ],
    "quick_completion": [
        ("google/gemini-flash-1.5:free", ModelTier.FREE),
        ("microsoft/phi-4:free", ModelTier.FREE),
        ("anthropic/claude-3-5-haiku", ModelTier.PAID),
    ],
}

def get_model_for_task(task: str, prefer_free: bool = True):
    chain = FALLBACK_CHAIN.get(task, FALLBACK_CHAIN["quick_completion"])
    if prefer_free:
        return [m for m, tier in chain if tier == ModelTier.FREE]
    return [m for m, _ in chain]

設定5: コスト可視化ログ（無料 vs 有料の呼び出し比率トラッキング）

どのモデルが何回呼ばれたかをローカルログに残すだけで、コスト最適化の改善サイクルが回せる。

import json
import os
from datetime import datetime

LOG_PATH = "./llm_usage_log.jsonl"  # .gitignore に追加推奨

def log_call(model: str, input_tokens: int, output_tokens: int, task: str):
    entry = {
        "ts": datetime.utcnow().isoformat(),
        "model": model,
        "task": task,
        "input_tokens": input_tokens,
        "output_tokens": output_tokens,
        "is_free": ":free" in model,
    }
    with open(LOG_PATH, "a") as f:
        f.write(json.dumps(entry, ensure_ascii=False) + "\n")

JSONL形式にしておくと、後から pandas や jq で集計できる。

# 無料モデル呼び出し数の確認
grep '"is_free": true' llm_usage_log.jsonl | wc -l

# モデル別集計 (jq)
jq -r '.model' llm_usage_log.jsonl | sort | uniq -c | sort -rn

注意点まとめ

ライセンス確認は必須

モデル	ライセンス	商用利用
Llama 3.3 70B	Meta Llama 3.3 Community License	月間アクティブユーザー 7 億人超のサービスは別途ライセンス契約が必要
Qwen3 (全サイズ)	Apache 2.0	✅ 商用利用可
Phi-4	MIT	✅ 商用利用可
Gemini Flash 1.5	Google利用規約	利用規約に準拠

`:free` モデルの品質制約

プロンプトが長くなるほど品質差が顕在化する（特に複雑な推論・多ステップのコード変換）
日本語の精度は Qwen3 系が最も安定している
ストリーミング（stream=True）は :free モデルでも基本サポートされているが、RPM制限に引っかかりやすくなる

OpenRouter のキャッシュ活用

OpenRouter は同一プロンプトに対するキャッシュ（Prompt Cache）を自動適用する。長いシステムプロンプトを繰り返し送る設計にしておくとトークン消費を削減できる（無料モデルでもキャッシュは効く）。

まとめ

設定	効果
環境変数差し替え	ゼロコード変更でOpenRouterに切り替え
用途別モデル選定	品質×速度×コストの最適バランス
ローテーション設計	RPM制限によるダウンタイムを回避
フォールバック設計	本当に必要なときだけ有料モデル利用
コスト可視化ログ	改善サイクルをデータドリブンに

OpenRouter :free モデルは「タダだから品質が低い」という思い込みを捨てると、開発・研究フェーズのコストを大幅に削減できる実用的な選択肢になる。まずは gemini-flash-1.5:free と llama-3.3-70b:free の2本立てから試してみてほしい。

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。

🌐 公式サイト: https://locallab.jp
🔍 AI SEO 最適化 SaaS: lookupai.jp
📺 YouTube: @locallab_llc
✉️ お問い合わせ: info@locallab.jp

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!

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up