AIにフランス語で質問すると、英語でまったく同じ質問をする場合より多くのトークンを消費することがあります。2026年9月に発表されたThomas Servalの研究では、使用するトークナイザーによってフランス語の追加負担が31～58％になると測定されました。この見えない差はAPI料金を押し上げ、会話履歴を保持できる量を減らし、モデルが回答を生成する条件にも影響します。

私たちはChatGPTを、どんな言語でも話せる相手だと考えるようになりました。自分の言葉で話しかければ答えが返ってきます。その自然さゆえに、入力した文章が機械に理解されるまでに何が起きるのか、ほとんど意識しません。しかし、この仕組みの中で言語は平等ではありません。すんなり処理される言語もあれば、余計な通行料を払うような言語もあります。

なぜフランス語はトークンを多く使うのか？

AIは人間と同じようには文章を読みません。言語モデルが処理する前に、トークナイザーと呼ばれる仕組みが文章をトークンという断片に分けます。断片は単語全体の場合も、単語の一部や文字の場合もあります。

OpenAIは一般的な英語について、1トークンは約4文字、つまり単語の約4分の3に相当するという目安を示しています。しかし、すべての言語に同じ目安が当てはまるわけではありません。

理由は技術的なものです。トークナイザーは設計時に出会う文字列を効率よく分割するよう作られます。使われるデータが英語中心なら、多くの英語表現が認識しやすい単位になります。一方、意味が同じフランス語の表現は複数の断片に分かれることがあります。

よく使われる英単語なら1トークンで済んでも、対応するフランス語の単語には2～3トークン必要な場合があります。ラテン文字以外の一部の文字体系では、差がさらに大きくなります。

ただし、データが豊富な言語と少ない言語を区別するだけでは不十分です。Coalition for Language Equity in AI Researchの研究を取り上げたRest of Worldの調査は、文字体系そのものが分割のされ方に大きく影響すると指摘します。アラビア語やヒンディー語の不利は、話者数だけでは説明できません。

言語による追加コストはどれほどか？

この数字は単なる技術的な豆知識では済まない大きさです。

NEOMA Business Schoolに所属するThomas Servalが多言語コーパスNTREX-128で行った研究によると、対象の仕組みではフランス語に英語の1.31～1.58倍のトークンが必要でした。OpenAI、Meta、Alibaba、DeepSeek、Google、Mistral、Anthropicなどに関連する7種類のトークナイザーを比較しています。

Prompt Inspirationが2026年5月に発表した別の分析では、フランス語のプロンプトは平均約48％割高と推定されました。先の研究と近い水準ですが、計算方法が同じとは限りません。したがって、この割合があらゆる会話やモデルに当てはまる定数だと考えるべきではありません。

ほかの言語では差がさらに広がります。Rest of Worldが報じたCoalition for Language Equity in AI Researchの研究によれば、インターネットで最も使われる20言語のうち、最も安い言語と高い言語の差は1.5～5倍でした。対象を200言語に広げると最大17倍に達する場合があります。

実際の請求額にすると？

あくまで説明用の例です。英語での処理にトークン料金が10ユーロかかる場合、トークン単価が同じなら48％増で14.80ユーロになります。毎日多くのリクエストを処理するサービスでは、この差が利用のたびに積み重なります。

ただし、二つのケースは区別すべきです。ChatGPTの定額プランを利用する人は、フランス語で書いただけで自動的に請求額が上がるわけではありません。一方、トークン従量課金のAPIを使う開発者や企業には、追加消費が実際の費用となります。

広告

つまり問題は料金だけではありません。同じ予算やトークン上限でも、使える処理能力が言語によって異なることです。

回答の質にも影響するのはなぜ？

各モデルにはコンテキストウィンドウがあり、一度に扱えるトークン数には限りがあります。そこには指示、過去のメッセージ、提供された文書などが含まれます。

同じ内容の会話でもフランス語のほうが多くのトークンを必要とするなら、ウィンドウ内で占める容量は異なります。フランス語の会話は上限に早く達する可能性があります。

仮想の家庭教師を考えてみましょう。生徒の間違いや苦手な点、以前の説明を覚えて指導します。その履歴が生徒の言語では多くのトークンを使うと、指導に役立つ情報を残す余地が小さくなります。

Rest of Worldの調査でActivate AIの共同創業者Pratyush Choudhuryが挙げたのも、この例です。言語上の不利が教育上の不利につながり得るのです。

ただし重要な注意点があります。トークン消費が多いからといって、モデルの推論能力が必ず低いわけではありません。細かな分割はコンテキストを圧迫し、応答の遅延を増やす可能性がありますが、それだけで回答の知的品質が一律に下がるとは証明できません。

一方、2023年のEMNLPで発表された学術研究は、22言語におけるOpenAI APIの費用と有用性を調査し、より広い不平等を報告しています。英語以外の多くの言語の利用者は、高い費用を負担しながら性能面でも不利な結果を得ていました。

つまり、文章の分割方法と、各言語をうまく扱うモデルの能力という二つの別問題が重なることがあります。両者を混同すると、何を改善すべきか見えなくなります。

どのAIモデルもフランス語に不利なのか？

いいえ。トークナイザーの選択によって言語コストは大きく変わります。

Thomas Servalの比較では、7種類のうちMistral Tekkenがフランス語への負担が最も小さいトークナイザーでした。この結果は、技術設計を見直すことで不平等の一部を改善できることを示唆しています。

Prompt Inspirationの集計では、評価対象言語における英語比の追加コスト係数がGemini 3.1とQwen 3.6でともに1.17とされています。対照的に、Anthropicの平均係数は2.07で、そのAPIを使うヒンディー語のプロンプトでは3.11という比率が報告されています。

こうした比較には注意が必要です。後者の数値は二次資料の集計に基づき、モデルの普遍的な順位を示すものではありません。何より、トークン効率のよいトークナイザーが、最も優れた回答を出すモデルと組み合わされているとは限りません。回答品質、推論能力、トークン消費は別々に評価する必要があります。

この言語ペナルティーはなくせる？

希望はあります。追加コストは数学的に避けられないものではなく、一部は技術的な選択の結果です。

Thomas Servalの研究では、フランス語向けに調整したトークナイザーが紹介されています。調査した標準的な方式と比べ、トークン消費を11.5％削減しました。ただし、この試作品が劣る場面もあります。万能の解決策ではありませんが、別の設計が可能だという具体的な証拠です。

もう一つの方法は、システム開発に用いる資料で多様な言語の代表性を高めることです。Rest of Worldが紹介したRESPINプロジェクトは、38の方言の母語話者から文章と音声のデータを集めています。

利用者も次の工夫で影響を抑えられます。

  • API費用が重要なら、100万トークン当たりの表示価格だけで選ばず、トークナイザーを比較する。
  • 長い会話や大量の文書を扱うアシスタントでは、履歴の長さを確認する。
  • OpenAI Tokenizerのような可視化ツールを使って、文章の分割方法を見ながら表現を試す。
  • 英語のベンチマークだけに頼らず、実際に使う言語でモデルを評価する。

毎回英語に翻訳してから質問すればトークンを節約できる場合もありますが、万能ではありません。手順が増え、表現の微妙な意味が変わる可能性があり、最終回答の改善も保証されません。

問題はChatGPTの料金だけではない

この技術的な偏りは、より根本的な疑問を投げかけます。同じ考えを伝えるのに、なぜ言語によって利用できる処理能力が違うのでしょうか。

従来のソフトウェアでは、画面の言語を変えても、利用者がこなせる仕事の量は通常変わりません。しかし言語モデルでは、その平等が保証されません。画面には見えなくても、言語が経済的・技術的な条件になっているのです。

フランス語話者が最も不利とは限りません。Thomas Servalの研究をめぐる報告では、一部の地域言語や海外領土の言語で、英語の最大3.3倍のトークン消費が観測されています。問題は主要な国際言語だけにとどまりません。

私が考える真の進歩は、モデルを賢くすることだけではありません。話しかける言語によって、その知能を使う費用が構造的に高くならないようにすることでもあります。普遍的だというAIが、英語以外の利用者に見えない通行料を課すべきではありません。

よくある質問

なぜ同じ内容でもフランス語やアラビア語はトークンが多い？

トークナイザーは、設計時のデータによく現れる文字列を効率よく認識します。そのデータは英語中心であることが少なくありません。フランス語や別の文字体系を使う言語では、同じ内容により多くの断片が必要になる場合があります。差の大きさは言語とトークナイザーによります。

フランス語で書くとChatGPTは高くなる？

定額プランの料金がフランス語話者だけ自動的に上がることはありません。ただし、トークン従量課金のAPIは高くなる可能性があります。Thomas Servalの研究では、フランス語はトークナイザーによって31～58％多くのトークンを使いました。コンテキスト上限にも影響します。

ChatGPTはフランス語だと推論が苦手？

トークン消費が多いだけでは、推論の質が低いとは証明できません。ただし履歴や文書を保持する余地が減り、長い作業に影響することがあります。また、2023年のEMNLP研究では言語間の性能と費用の差も報告されています。

言語コストを最も抑えられるモデルは？

フランス語を扱ったThomas Servalの研究では、7種類のトークナイザーの中でMistral Tekkenの追加負担が最小でした。別の多言語比較ではGeminiやQwenも評価されています。ただし結果はコーパスとトークナイザー次第なので、回答品質も比較して選ぶ必要があります。

出典