· reAPI Team
リクエストがないのに AI API 料金が発生する理由:アイドル状態のデプロイ費用
リクエストが動いていないのに発生する AI API 料金を調べます。専用エンドポイント、アイドル状態のインスタンス、保持されたストレージ、デプロイ停止の証拠を確認します。

プロンプトも送信せず、動画も生成していないのに、アカウントにまた料金が計上されています。
謎の API 呼び出しを調べる前に、請求書の単位を見てください。ハードウェアのオンライン時間やモデルのホスティングを計測しているなら、リクエスト履歴が空でも、その料金と完全に整合する場合があります。Together AI は稼働中の専用エンドポイントに割り当てられたハードウェアと、デプロイ済みのファインチューニングモデルのホスティングに課金します。Replicate はデプロイのインスタンスがセットアップ中、処理中、アイドル状態にある間、課金します。[1][2]
この違いによって、何を停止すべきかが変わります。アプリを閉じれば、自分が使うのをやめられます。デプロイ済みエンドポイントを停止すれば、請求を生むリソースが変わります。
作業は一時間、オンラインは十時間
実験のためにモデルをデプロイし、一時間使った後、合計十時間の残りの時間もインスタンスをオンラインにしておくとします。この例では、インスタンスのオンライン一時間あたり二コスト単位と仮定します。計算用に作った単位であり、どのプロバイダーの見積もりでもありません。
請求は二十単位です。一インスタンスにオンライン十時間を掛け、さらに二単位を掛けます。有用な処理の一時間だけを数えれば二単位です。残りの十八単位は、説明のつかないリクエストではありません。この例の課金の仮定では、残り九時間にわたりインスタンスをオンラインに保つ費用です。
今度は実験を変えます。プロンプト数を半分にしても、同じインスタンスを同じ十時間オンラインに保ちます。ホスティングの合計は依然として二十単位です。プロンプトを短くしたり出力 token を減らしたりしても、この特定の計測値は変わりません。課金対象のオンライン時間、インスタンス数、適用されるハードウェア料金を変える必要があります。
実際のデプロイでは、文書に記載された課金単位と実際のインスタンス稼働区間を使い、サービスが適用するセットアップ時間や丸めも含めてください。Replicate の課金文書では、デプロイのセットアップ、アイドル、アクティブの各時間が明示的に含まれています。公開モデルは別の課金方式を使い、高速起動するファインチューニングモデルには例外があります。モデル名が似ているだけで、ある実行タイプの規則を別のタイプに当てはめないでください。[2]
これは、請求額を少数の完了リクエストで割ると API が高く見える場合がある理由でもあります。容量を準備しておく費用を、実際にそれを使った作業に分配しているためです。それに価値があるかは、なぜ準備しておいたかによります。
アイドル状態のインスタンスで得られるもの
Replicate のデプロイ制御では、モデルをウォーム状態に保つ最小インスタンス数を設定したり、未使用のインスタンスをゼロまで縮小したりできます。最大インスタンス数も制限できます。[3] 最小値と最大値は異なる問いに答えます。低い最大値はデプロイの拡大範囲を制限し、ゼロでない最小値は新しい作業が来なくても容量をオンラインに保つ場合があります。
対話型アプリでは、インスタンスを準備しておくことが合理的な場合があります。次のリクエストが、そのインスタンスをオフライン状態から準備するのを待たずに済みます。時折行う社内実験では、長い閑散時間にも料金を払い続けることを正当化しにくいかもしれません。文書は制御方法を示しますが、特定のユーザーがどの程度の起動遅延を許容するかは示せません。
ワークロードに照らして判断してください。次の予定実行まで待てるバッチと、リアルタイムの画面を見ているユーザーでは要件が異なります。自分たちの承認済みテストで起動の挙動を測定しているなら、その測定値を使ってください。それがなければ、追加の待ち時間がアプリの要件に合うかはまだ判断できません。インスタンスをウォーム状態に保つことも、すべてのリクエストがどれほど速く完了するかを証明するものではありません。
Together にも同じ区別があります。サポートガイドは、サーバーレスモデルの利用と、デプロイ済みファインチューニングモデルのホスティングおよび専用エンドポイントを分けています。サーバーレス利用は実際の API 利用に対して課金されますが、ホスティングと専用リソースは API 利用がなくても料金が発生し続ける場合があります。[1] 「Together を使っています」だけでは、課金規則を選ぶための情報が足りません。アカウント上のエンドポイントの種類を確認してください。
そのため、実験のデプロイにはオンラインにしておく理由を添えておくと役立ちます。どのワークロードに使い、誰が担当し、いつ必要なくなるかです。古いエンドポイントの名前から用途を推測するより、後の停止判断が容易になります。
支払いカードを削除する前にリソースを特定する
請求の明細一件と、そのサービス期間から始めてください。リソース ID とアカウントまたは組織を特定し、対応するエンドポイントやデプロイを開きます。その状態と割り当てられたインスタンスを、請求対象期間と比較します。問うべきは、その区間にそのリソースが課金対象だったかです。
請求書に引き落とし総額しかない場合は、その元になった利用明細を探してください。ハードウェア時間の明細をモデルの token 価格と比較しないでください。クレジット購入は資金の追加であり、ホスティングはその資金を消費します。Together のサポートガイドは両者を明確に区別しています。[1]
次に、該当アカウント内のリソースをすべて把握しているか確認してください。開発用エンドポイント、先月の評価で作ったデプロイ、ほかのチームメンバーが作成したリソースも含めます。いずれかが忘れられていたと決めつける必要はありません。それぞれを今も稼働させるべきか答えられる担当者が必要です。
料金がホスティングではなく推論に対するものなら、プロバイダーのリクエスト履歴とアプリのログを比較してください。スケジュールジョブやワーカーが活動の原因になっていないか確認します。ブラウザーのウィンドウが閉じていることは、別の場所で動くサービスについての弱い証拠にすぎません。説明できないリクエストを見つけたら、別途調査してください。キー漏えい対応ガイドでは認証情報の漏えいを扱っています。
受け付け済みジョブがいつ完了したかも確認してください。reAPI の文書には、保留中のタスクは API キーの失効後も完了し、クレジットを消費する場合があると記載されています。タスク応答では予約と最終精算が区別されます。[4] この場合、後の残高変動は以前の作業に属する可能性があります。停止後に新しいリクエストが実行されたと結論づける前に、送信時刻と完了時刻を比較してください。
支払い方法を削除しても、これらの疑問は解決しません。Together では、現在のデフォルトカードを削除する前に、有効なカードを最低一枚残し、代わりのデフォルトカードを設定する必要があります。[5] 未使用のホスティングを止める文書上の方法は、エンドポイントの停止です。先に課金対象リソースを処理してください。そうしないと、支払い設定を変えることに時間を使いながら、関連エンドポイントを動かし続けることになります。
停止してから、次の課金区間を確認する
Together の公開手順では、デプロイ済みファインチューニングモデルと稼働中の専用エンドポイントを確認し、使わなくなったものを明示的に停止します。[1] 停止したエンドポイントと時刻を記録してください。チームがまだモデルを必要としているなら、次に復旧させる人のために設定とデプロイ要件を利用できる状態で残してください。
Replicate では、スケーリング設定と実際のインスタンス状態の両方を確認します。設定はデプロイに許可された動作を示し、監視はインスタンスが起動中、アイドル状態、処理中のどれにあるかを示します。[3] 変更後は、実際のオンライン数を確認してください。保存済みの設定画面だけを、リソースがオフラインになった証拠にしないでください。
削除はさらに次の段階です。Replicate の文書では、削除する前にデプロイが少なくとも十五分間オフラインかつ未使用である必要があります。[6] 放置された実験への支払いを止めることが当面の目標なら、その順序でライフサイクルをたどってください。設定を保持するかデプロイを削除するかは、チームで別に判断します。
その後、次の利用記録を見てください。料金が表示された日だけでなく、その記録が対象とする区間を停止時刻と比較します。停止後に計上された明細でも、それ以前の課金時間を示す場合があります。リソースが非アクティブになった後に本当に新しい課金区間があれば、それは別の発見です。リソース ID とタイムスタンプを添えてサポートに相談する価値があります。
十時間の例に戻ります。記録が十時間すべてオンラインだったと示すなら、述べた仮定では合計二十単位になります。それより前にオフラインになった証拠があれば、食い違いは具体的になります。課金システムはどの区間を数えたのでしょうか。「プロンプトを一つも送っていません」より、サポートにとってはるかに有用な質問です。
モデル停止後にも別の費用が残る場合がある
コンピューティングを停止しても、その周辺リソースが必ず削除されるわけではありません。AWS の具体例では、EC2 インスタンスを停止しても EBS ボリュームは存続し、ストレージ料金が発生し続けます。[7] これは AWS のストレージ規則であり、Together や Replicate が同じストレージ料金を適用するという主張ではありません。
自分たちでインフラを運用しているなら、残る請求項目を一つずつ読んでください。保持されたボリュームや別途課金されるリソースを特定し、何が入っているか確認してから削除を判断します。AWS の文書では、EBS ボリュームを削除するとデータも削除され、スナップショットは別の保持手段になると説明されています。[8] 節約は、チームがまだ必要とするモデル成果物の唯一のコピーを削除する理由にはなりません。
自分のストレージにコピーした出力にも、同じ注意が必要です。生成サービスのライフサイクルは、アーカイブのライフサイクルを決めません。出力保持ガイドでは、それらのコピーを保存から削除まで追っています。停止チェックリストでは、ストレージを「エンドポイント停止済み」に埋もれさせず、独自の担当者と判断を設けてください。
したがって、一つのデプロイをゼロに縮小しても、アカウント全体の費用がゼロになったとは確認できません。ほかのエンドポイント、精算中の以前の作業、別途課金されるリソースがあるかもしれません。それぞれの単位とサービス期間に照らして、一項目ずつ確認を終えてください。
そもそも自分でデプロイを持つ必要があるか判断する
請求の意味が分かったら、次回の実行にアプリが何を必要とするか考えてください。カスタム重み、インフラの制御、専用容量は、デプロイを検討する理由です。一方、対応する既成モデルを呼び出すなら、ホスティング型モデル API が適する場合があります。これらは異なる製品の選択であり、同じものを買う互換可能な方法ではありません。
対応モデルの推論では、reAPI のカタログを、アプリに必要なモデルおよび入出力の仕様と比較してください。タスク文書は結果と精算済み利用量の報告方法を示し、残高リファレンスはアカウント側を扱います。[4] これは reAPI がカスタムトレーニングや専用 GPU ホスティングの代わりになるという意味ではありません。それらが要件なら、最も置き換えやすい部分だけを価格比較するのではなく、比較に含めてください。
この選択なしに、「AI アプリを作る」ための有用な単一の費用は出せません。構築作業は、推論、オンライン計算、ストレージ、運用と分けて見積もってください。上の例のように、利用が少ないアプリでは、リクエスト総額が小さくてもホスティング総額が大きい場合があります。忙しいサービスでは、容量を準備しておくことが意図的な場合もあります。
無料枠も、アーキテクチャの問題を解決しません。Replicate は請求設定前に試せる一部のモデルを文書化し、OpenAI は有料利用に応じて減る前払い API クレジットを文書化しています。[2][9] どちらも無制限の無料推論や無料の専用ホスティングを裏付けるものではありません。次の実験が承認されたら、課金方法と、実験終了時に誰が停止するかを記録してください。
参考文献
- Together AI. API 呼び出しをしていないのに課金されるのはなぜですか? 2026年11月15日参照。
- Replicate. 課金。 2026年11月15日参照。
- Replicate. デプロイ。 2026年11月15日参照。
- reAPI. タスク、残高、認証のリファレンス。 2026年11月15日参照。タスクのライフサイクル、残高、認証。
- Together AI. 支払いカードを複数追加できますか? 2026年11月15日参照。
- Replicate. デプロイの削除。 2026年11月15日参照。
- Amazon Web Services. EC2 インスタンスの停止と起動の仕組み。 2026年11月15日参照。インスタンスのライフサイクルと関連費用。
- Amazon Web Services. Amazon EBS ボリュームの削除。 2026年11月15日参照。ボリュームの削除と保持。
- OpenAI. 前払い API 課金の設定と管理。 2026年11月15日参照。前払い API 課金。