AIコーディング支出の実態：48%がコード生成、40%が思考に

ある開発者が、AIコーディングツールの支出を詳細に分析した結果を共有しました。30日間で105,718回のAPI呼び出しを通じて7,890ドルを費やしましたが、驚くべきことに、実際のコード生成に使われたのは47.9%に過ぎませんでした。残りの大部分は、コードベースの探索（11.1%）、サブエージェントへの委任（9.7%）、デバッグ（8.8%）、機能開発（8.3%）、および対話（5.9%）などの活動に費やされました。

これらの支出を正確に追跡するために、彼はCodeBurnというコマンドラインツールを開発しました。このツールは、ディスクからAIコーディングセッションデータを直接読み取り、各API呼び出しを13のタスクカテゴリ（コーディング、対話、機能開発、探索、デバッグ、リファクタリング、テスト、委任、Git操作、ビルド/デプロイ、ブレインストーミング、計画、汎用）に分類します。分類はツール使用パターンとメッセージキーワードに基づいて完全に決定論的に行われ、APIキーや外部呼び出しを必要としないため、結果は再現可能です。

CodeBurnはインタラクティブなダッシュボードを提供し、日次コスト、プロジェクト、モデル、活動分類などの主要指標を表示します。特に活動パネルは、各タスクカテゴリの支出割合を直感的に把握できます。例えば、ある典型的なセッションでは、コーディングに19.08ドル、対話に3.29ドルが費やされていました。対話が継続的に支配的である場合、実際の成果ではなくチャットに支払っている可能性があります。

モデル比較機能により、ユーザーは異なるモデルのタスクごとのパフォーマンスを確認できます。例えば、Claude Opus 4.6のコーディングタスクにおけるワンショット成功率は88.2%、Opus 4.7は89.9%ですが、デバッグタスクではOpus 4.7が100%に達しています。これらのデータは、特定のタスクに最適なモデルを選択し、過剰な支払いを避けるのに役立ちます。

CodeBurnの最適化機能はセッション履歴をスキャンし、修正可能な無駄のパターンを発見します。1回のスキャンで6件の問題が見つかり、約25.4万トークン（約17.18ドル）の節約が可能で、総支出の8%に相当します。一般的な問題には、重複ファイル読み取り、無制限のbash出力、未使用のMCPサーバーなどがあります。

成果追跡機能は、AIセッションのタイムスタンプとgitコミット履歴を相互参照し、セッションを生産的、ロールバック、または放棄に分類します。あるテストでは、12のセッションが放棄とマークされ、143.95ドルが関連付けられていました。これは必ずしも無駄ではありませんが、このパターンが続く場合、それらのセッションの価値を評価する必要があります。

CodeBurnはサブスクリプションプランの追跡もサポートしており、現在のサブスクリプションが価値に見合っているか判断するのに役立ちます。例えば、月額200ドルのClaude MaxサブスクリプションでAPI換算値が80ドルしか使用していない場合、Proにダウングレードした方が経済的かもしれません。

このツールは、ユーザーが使用しているAIコーディングツールを自動検出し、Claude Code、Codex、Cursor、GitHub Copilotなど23のプロバイダーをサポートします。設定は不要で、macOSのメニューバーアプリやLinuxのGNOME拡張機能も提供されており、リアルタイムで支出を確認できます。

npx codeburn@latest で開始でき、アカウント登録は不要で、データはローカルに留まります。このツールはGitHubでオープンソース化されており、詳細なドキュメントとDiscordコミュニティも用意されています。