Anthropic「メッセージスレッド」35%高速化課金は変わらない理由

Anthropicは2026年11月2日、Messages APIに「メッセージスレッド」をパブリックベータで追加した。会話履歴をサーバー側に一時保持させ、2ターン目以降は新規メッセージと直前のレスポンスIDだけを送る仕組みだ。公式発表によれば、50万〜100万トークンのClaude Codeリクエストで、応答開始までの中央値（TTFT）が約35%短くなった。

ただし結論から書く。トークン課金は1円も安くならない。 高速化の話であり、値下げの話ではない。

何が変わったのか

これまでMessages APIは、リクエストのたびに会話の全履歴をアップロードする必要があった。作業が長引くとAPI呼び出しは数百回に及び、履歴が50万トークンに達したあとは毎回それを丸ごと送り直すことになる。API側は毎回それを検証しトークナイズし直すので、待ち時間が積み上がる。

メッセージスレッドはこの送り直しだけを削る。1回目は従来どおり会話全体・システムプロンプト・ツール定義を送るが、thread: {"type": "create"} を付けるとAPIが会話をサーバー上に保持する。2回目以降は新規メッセージと previous_message_id だけでよく、APIはモデルを呼ぶ前に会話を再構築する。

重要なのは再構築であって要約ではない点だ。Claudeは毎ターン会話全体を読み直しており、50万トークンの文脈が残っていれば、クライアントが数メッセージしか送っていなくてもモデルは50万トークンを受け取る。だから使用量も料金も変わらない。公式ドキュメントにも「各リクエストは小さくなるが、Claudeは毎ターン会話全体を読むため、トークン使用量は同じまま」とある。

数字で見る効果

公式の数値は3点だ。Claude Codeの50万〜100万トークンのリクエストでTTFT中央値が約35%短縮、スレッドは最後のリクエストから5分間アクセスが無いと失効して最終利用から1時間以内に削除、料金とレート制限は一切変わらない。

送信データ量の削減幅はエージェントの種類で桁が変わる。AIエージェント基盤StackOneのCTO、Guillaume Lebedel氏がLinkedInで公開した試算が分かりやすい。コンピュータ操作エージェントが1ステップごとに150KBのスクリーンショットを撮ると仮定すると、スレッド無しでは50回目のリクエストが累積約7.5MBを運ぶ。スレッド有りなら最新の約0.15MBで済む。50ステップ全体では累積が約191MBから約7.5MBへ、およそ25分の1だ。実測ではなくシミュレーションという但し書きは付くが、「毎ステップ重いファイルを送るエージェントほど効く」という方向性は正しい。

実装でハマる3点

スレッドはthreadフィールドひとつで有効になる。ベータなのでmessage-threads-2026-08-12ヘッダーを毎回付け、2回目以降は新規メッセージのみを送る。ここでsystemとtoolsを送ってはいけない。createの値をスレッドが保持しており、continueで送ると（nullでも）400になる。

毎回同じ値を送る固定フィールドも決まっている。model、tool_choice、thinking、mcp_servers、context_management、output_config、skills、トップレベルのcache_control、anthropic-betaの値の集合だ。1つでも食い違うとthread_fingerprint_mismatchの400が返る。max_tokens、stream、service_tierはターンごとに変えてよい。

そして保存されたかはレスポンスから分からない。create/continueのどちらも「保存した」とは答えず、次のcontinueで初めて判明する。使えないスレッドへの続行は404なので、会話全体をcreateで送り直すリプレイ経路を最初から組む必要がある。SDKのスレッドヘルパー（Pythonならclient.beta.messages.thread(...)）はこの再送を自動化する。

5分失効とデータ保持

発表直後、最も反応が大きかったのが失効時間の短さだ。Xでは「コーヒーを淹れに行って5分でスレッドが消える」「5分で切れるキャッシュはほぼ無意味」といった声が上がった。ただし失効しても会話自体は消えない。SDKヘルパーは全履歴をメモリに持ち、続行できなければ自動で送り直す。休憩明けの1回目は遅くなるが作業は継続できる。常時動くエージェントなら成功のたびにタイマーがリセットされ、長いタスクでも同じスレッドを維持できる。

スレッドの中身は暗号化されてサーバーのメモリ上に置かれ、永続ストレージには書き込まれない。ただし最終利用から最大1時間はメモリに残りうる。そのためゼロデータ保持（ZDR）の対象外であり、HIPAAにも非対応だ。顧客データを一切残せない契約の下で動くエージェントには使えない。オンデマンド圧縮、トークンカウントAPIとの併用、Inference hooks有効化済みの組織も対象外だ。

プロンプトキャッシュとの関係

スレッドはキャッシュの代替ではない。スレッドが削るのは送るデータ量＝待ち時間、キャッシュが削るのは同じ入力の再処理コスト＝料金だ。スレッドはキャッシュを自動ではかけない。トップレベルのcache_controlを毎回付ければ、以降のターンはキャッシュから読む。ブレークポイントは1リクエスト最大4つで、これもこの1枠を消費する。Opus 5.5は入力100万トークンあたり4ドル、キャッシュ読み出し0.20ドル（11月4日時点）。長いセッションでは両方入れるのが正解だ。

誰が使うべきか

効くのは会話が長くAPIを頻繁に叩くワークロードだ。ファイル編集が積み上がる長時間のコーディングエージェント、毎ステップでスクリーンショットを撮るコンピュータ操作エージェント、大量の文書や画像を扱うアプリだ。1〜2ターンの短いチャットや、RAGのように毎回文脈が総入れ替えになる処理では恩恵はほぼ無い。Claude API、AWSのClaude Platform、Google Cloud上のAnthropic管理モデル、Microsoft Foundryと対応範囲は広く、全モデルでベータ提供されている。Claude Codeでは大半のユーザーでデフォルト有効だ。

まとめ

モデルの賢さもコンテキスト長も価格も変わらない。変わったのは同じものを毎回アップロードしなくてよくなった一点だけで、それが長いセッションの待ち時間を35%削った。請求額を下げたいならキャッシュ、体感速度を上げたいならスレッドを選ぶ。5分の失効とZDR非対応が自分のユースケースに抵触しないかを、有効化する前に確認したい。