AI コーディングの話は、性能の話に寄りがちです。ただ、個人で使う側からすると、先に見るべきなのは月の燃え方です。今回の文章は、大手ラボの新モデル発表ではなく、個人開発者が「家で AI コーディングを続けるなら、どこに金を払うべきか」を整理した実務寄りのノートです。
軸は 3 つあります。自宅に GPU マシンを置いてローカルで動かす。OpenRouter などでオープンモデルを API 利用する。OpenAI や Anthropic のサブスクを、手作業の強い場面に絞って使う。この 3 択を、費用と柔軟性で比べています。
個人で AI 副業や小さなプロダクトを作る人には、わりと刺さる話です。AI ツールを増やせば速くなる場面はあるけど、何も考えずに強いモデルへ投げ続けると、売上より先に利用料が膨らむ。そこをどう抑えるかがテーマです。
- 一次ソース: https://stephen.bochinski.dev/blog/2026/06/13/ai-coding-at-home-without-going-broke/
この記事をわかりやすく
この記事をわかりやすく
Stephen Bochinski の「AI coding at home without going broke」は、AI coding (= AI にコード生成や修正を手伝わせる開発方法) を個人で続けるときの費用設計メモです。公式トーンは「会社みたいな予算がなくても AI コーディングを回す」という大義名分。具体的にやっていることは、自前 GPU、OSS API、フロンティア系サブスクの使い分けです。
self host (= 自分の PC やサーバーで AI モデルを動かす方式) は、最初に高いマシンを買えば token (= AI に入出力する文字量の課金単位) ごとの支払いは消えます。ただし、家で動く open source model (= 公開されている AI モデル) は最前線モデルより弱く、GPU の買い時も読みづらい。
API (= 外部サービスにリクエストして AI を使う仕組み) で OSS モデルを借りる案は、個人には現実的に見えます。OpenRouter (= 複数の AI モデルをまとめて呼び出せる API ルーター) なら、安いモデルや新しいモデルへ切り替えやすい。もう一つは OpenAI / Anthropic (= ChatGPT や Claude を提供する AI 企業) の subscription (= 月額プラン) を使う方法で、記事では月 $400 相当のプランが API 定価換算で約 $2800 分、つまり約 7 倍の価値になると見ています。ただし上限に当たれば止まるので、1 日中動く agent (= 自律的に作業を進める AI プログラム) の燃料には向きません。
個人にとっての意味: 自分の動きにどう効くか
個人にとっての意味: 自分の動きにどう効くか
自分の感覚では、これは「強い AI を使うな」という話ではなく、強い AI を雑に使うな、という話に近いです。Claude Code や Cursor を触っていると、つい全部を一番強いモデルに投げたくなる。でも個人でやるなら、設計や詰まったバグだけ高いモデルに任せて、整形、単純修正、テスト追加みたいな作業は安いモデルへ逃がすほうが長く戦えます。正直、これはかなり現実的な保留判断です。
Claude Code Max ユーザー目線。 Claude Code Max (= Claude をコード作業に深く使う上位寄りの利用形態) を中心にしている人は、全部を Claude に抱えさせるより、仕様作りと難所のレビューに寄せたほうがよさそうです。上限がある以上、長時間 agent を走らせる燃料として見ると罠があります。
個人 builder 目線。 何か小さいプロダクトを作っている人には、model routing (= 作業内容ごとに使う AI モデルを振り分ける考え方) が効きます。設計は Claude や GPT、量産タスクは OpenRouter 経由の安い OSS モデル、という分担です。自分にはこの部分が直撃しました。売上前の段階で固定費を増やしすぎるのは重い。
ノーコード系 AI 副業狙い目線。 Lovable や Bolt (= 画面やアプリを文章から作る AI 開発ツール) から始める人は、いきなりローカル GPU へ行かなくていいと思います。まずはプロンプトを短くする、差分だけ渡す、同じ依頼を繰り返さない。この地味な節約のほうが先です。
反応を見ると、@devhe4d は「React を書くために月 $400 が普通になるのは変では」と不満を出しています。これは分かる。AI ツール代が学習コストを超えて、参加費みたいに見え始めるときつい。一方で @JamesTakesOnAI は、ローカル AI は Cursor の置き換えではなく、burn rate (= 毎月どれくらい費用が燃えるか) を制御するものだと見ています。自分の解釈もこちら寄りです。機会は、最強モデルを買うことではなく、安い処理を安い場所へ逃がせる設計にあります。
明日からのアクション: これを糧にするには
明日からのアクション: これを糧にするには
- すぐやる 今日中に Cursor、Claude Code、ChatGPT、OpenRouter の利用履歴を 30 分で見直し、今月の AI 開発予算上限を $20、$50、$100 のどれかに決める。
- すぐやる 今週末までに OpenRouter で安い OSS モデルを 1 つ試し、コード整形、README 下書き、単純なテスト追加だけを $5 以内で流してみる。
- 検討 2 週間以内に Claude Code Max や ChatGPT Plus 系の上位プランを、設計、仕様分解、難しいバグ調査だけに使う運用へ寄せる。追加課金はせず、まず今の月額内で分担を変える。
- 検討 1 カ月以内にローカル LLM (= 自分のマシンで動かす大規模言語モデル) を Ollama で触る。新規 GPU 購入は 0 円にして、手元の Mac や PC で動く範囲だけ確認する。
- 保留判断 少なくとも次の 3 カ月は、AI 用に数千ドルの GPU マシンを買わない。毎週 20 時間以上、夜間バッチ処理を回す用途が見えるまで、ハード購入は止める。
- 罠の回避 明日から agent にリポジトリ全体を丸投げしない。context (= AI に渡す作業文脈) は対象ファイルとエラーだけに絞り、1 回の依頼を小さくして無駄 token を減らす。
- 検討 逆張りの機会として、今月中に「高額 AI ツールを使わない小規模サイト修正」や「既存ノーコードアプリの軽量改善」を商品化できるか試す。初期費用は OpenRouter の $10 程度に抑え、価格は小さな固定案件から見る。
今回の話は、AI コーディングの夢を冷ますものではないです。むしろ個人が続けるための現実的な配線図に近い。強いモデルを使う場面を絞り、安いモデルに逃がせる作業を増やす。副業でも個人開発でも、ここを雑にしない人が残りやすいと思います。