🈹 AntiGravityのクォーター節約⁉️非エンジニアでも持つべき4つの習慣🔁
無料プランでもこの習慣を守れば、思ったより使えちゃう
こんにちは、Kinamonです。
AIｘクリプトｘ投資をテック目線で観測🔭
「まだ言語化されていない心地よい隙間」を日々散策しています。
無料プランはほぼ使えない？
AntiGravityをこう思っている方が多いと思います。
実際、無料でまともに使えないのは事実です。しかしエンジニア目線でAI生成の仕組みを分解していくと、やり方次第では使いようはあるというのが、正直なところです。
想像で語ると、実際の結果が想定と異った時に全く無益なゴミ情報になります。なので、実践で得た知見や感触で、かつ非エンジニアの方でも実践可能な部分に絞っていくと、4つの習慣に辿り着きました。
「何でも無料でやるぞ！」という話ではなく、大切なのは効率的な使い分けです。気づかないうちに数万円も使っていた……という事態を避けるために、賢い課金のコントロール術を身につけましょう〜というのが今回の主旨です。
SNSでAIの活用事例を見るたびに、なんとなく焦りを感じる⁉️
「自分もやってみよう」と無料プランで試すと、すぐ制限がくる。じゃあ課金してみるかと踏み切ったら、今度は「やっぱりあのモデルの方がいい」という投稿が流れてくる。乗り換えるか、追加で課金するか悩んでいるうちに、また別のツールが話題になる。
課金したのに、制限はくる。ツールは増える。
…でも何も完成していない。
リテラシーが低いわけじゃない。新しいものへのアンテナは高い方だと思っている。それでも「使いこなせている感」が全くない——そんな状態になっていませんか？
パワープレイに課金しても、解決しない理由
これはツールの問題じゃなく、使い方の設計の問題と捉えています。
課金ループという罠
「すぐに使えなくなる→もっと高いプランに課金→それでも詰まる→別のツールも課金」というループに入ると、AntiGravityのUltraプランは月約3.6万円、Cursorも乗せればさらに数千円、気づけば月5〜6万円のAI固定費になります。しかし課金額を上げても、曖昧な指示を投げ続ける限り、AIは同じように迷走します。
クォーターの消費単位「Work Done」とは
AntiGravityのクォーターは「Work Done（仕事量）」という独自指標で消費されます。つまりAIが「考える」ほど消費が大きくなる。整理されていないインプットを投げるほど、AIは広い範囲を読み込み、深く推論し、大量のWork Doneを消費します。
逆に言えば、AntiGravityに渡す時点でインプットが整っていれば、消費は劇的に減ります。
見えない消費の正体：オーケストレーター問題
ここで知っておくべき仕組みがあります。AIエージェントには指揮者（オーケストレーター）というのがいます。人間からの一回の指示をいくつかの作業に自動で分解してAIモデルが正しい答えを出してくれるようにプロンプトを整えて実行します。この指揮者がモデルに問い合わせるたびにトークンを消費する——そして…
その消費が全体のクォーターの大部分を占めている
のが最も悲しい事実なのです。
厄介なのは、この指揮者の動きはエージェント任せであり、エンジニアであっても細かくコントロールするのは至難の技だという点です。つまり、何気ない一回のチャットが、水面下で想像以上のトークン消費につながっている可能性がある。「たった一言投げただけなのに制限がきた」という体験の正体は、多くの場合これです。
課金で解決しようとするより、設計で解決する。この発想の転換が出発点です。
スキルについて：この記事では扱わない
巷ではGEMINI.mdやSKILL.mdの設計、4層アーキテクチャといった手法がよく紹介されています。確かに理にかなった素晴らしい機能なので、全く否定するつもりはありません。
ただ、スキルファイル等の前提ファイルは、AntiGravityが毎回コンテキストとして読み込みます。つまりどんなに内容を最適化しても、存在しているだけでクォーターを消費し続ける。本稿の節約の文脈で語るには、少し矛盾を抱えてしまいます。
さらに言えば、効果を出すには「AIに何を・どの粒度で定義するか」という設計センスが問われます。曖昧なスキルファイルは、ないよりも悪いコンテキストをAIに与え続けることになる。
誰かのものをそのまま使うのは良い選択肢ではあります。ただし、そこから自分のユースケースに合わせて応用するってなると、正直なところ簡単ではありません。
なので、この本稿では
もっと根本的な話をします。
節約の本質は「触る前」にある
AntiGravityを触る前に、できる限り思考を完結させる。これが全体を貫く考え方です。
壁打ちや試行錯誤をAntiGravity上でやってしまうのが、クォーターが溶ける最大の原因です。相談・整理・構造化は別のLLMや自分の頭の中でやる。モデルは用途別に使い分ける。繰り返し作業はツール化して委譲する。その上でAntiGravityには「実行」だけをさせる。
節約は目的ではありません。クォーターを意識することで指示の質が上がり、AIをオーケストレートする側の思考が鍛えられる
その副産物の方が本質です。
4つの習慣🔁
前提と考え方はここまでです。ではどうするか。具体的な行動に落とし込むます。それが次の4つの習慣です。
習慣1：クォーターを週単位で管理する
まず自分のプランのリセット周期を正確に把握してください。感覚で使い始めると、必要なタイミングで必ず枯渇します。
週単位でどの作業にどれだけ割り当てるかを事前に決める。山場に向けてクォーターを温存する。これがすべての土台です。詳細はこちらの記事で解説しています。
習慣2：ワークフローを整える
1.💡壁打ちはAntiGravityでやらない。
方向性の整理・アイデア出し・曖昧な問いかけは、別のLLMか自分の頭の中で完結させてから投げる。
AntiGravityは相談相手ではなく、整ったインプットを受け取って実行する作業員と位置づける。
2.💡実装プランは必ずMarkdownに保存する。
タスクをやらせる前に、何をどの順番でやるかを書いておく。AIが毎回ゼロから推論しなくて済むし、途中で止まって再開するときも「ここから再開して」の一言で済む。
3.💡計画が固まったら一気に出力させる。
細切れに確認しながら進めると、往復のたびにコンテキストが積み上がりWork Doneが嵩む。信頼できる計画書が一枚あれば、一気にやらせる方が消費効率は圧倒的に良い。
習慣3：モデルを用途で使い分ける
AntiGravityだと、選択できるモデルがクォーターのグループで区切ると3種類になります。どのモデルに何をさせるか明確にしておくと、迷わず安定した運用を行えます。
私の場合、次のように決めています。
1.🧠ウェブ系LLMで設計・構造化
文章の整理やプロンプトの磨き込みはAntiGravityの外でやります。チャットで壁打ちし、最終的にまとめさせたものをコピーして、ローカルのMarkdownファイルとしてファイルを作成しておきます。
前処理を外注する発想が、コンテキストの質を上げながらクォーター消費を下げる核心です。
2.🧠Claude Opusは0→1を
Claude Opusは社長役です。新しく立ち上げるプロジェクトこそ、ラスボスをいきなり投入して、しっかり土台固めをしてもらいます。
当然、1.でしっかり設計したテキスト（マークダウンファイル）をたっぷり食べさせます。💪
柱となるアーキテクチャや最初の立ち上げに絞る。実行フェーズには使わないと決めるだけで、クォーターの持ちが大きく変わります。
3.🧠Gemini Flashは実務担当
設計や作業書に基づく個々の構築やちょっとした調整をする場合、軽量モデルでも一貫して整ったインプットがあれば十分な結果が出ます。
GeminiFlashは、軽量モデルであるにもかかわらず、コンテキスト長が異常に大きいのが特徴です。推論は苦手ですが、大量の情報を投げても破綻せずしっかりと処理してくれます。尚且つ軽量モデルのフットワークの軽さも兼ね備えているので（つまり速い）、現場のプレイヤーとして最適です。
4.🧠Gemini Proはバグ・エラーの専門要員
エラー修正は、原因の推論というWork Doneが重いタスクです。Flashだと力不足になる事が多く、何度やっても治らずに最悪の場合、永久ループに嵌ってしまいます。
間違った修正を繰り返していると、本来正しいところまで、モデルが勘違いして変更してしまっていたって事もありえます。エラーが改善しないからといってトライ&エラーを浴びせかけるのは、綺麗なコードを汚しにいく事に他ならず、悪循環でしかありません。
そうなってから結局上位のモデルに頼っても、本来正しかったコードがなんだったのかも汲み取れず、傾いたままなんとか修正して立て直す事になります。
気づいたら、クォーターの消費は目も当てられない状況になっている💦
なのでGeminiPro一択という事になります。
最初から割り切って上位モデルを投入する
この習慣により、多くのケースで試行回数が減り、問題解決もスマートで、結果的にクォーター消費が抑えられます。
習慣4：繰り返し作業はツール化して委譲する
AIエージェントに、簡単な処理を大量にさせている事があれば、それこそがクォーターの無駄な消費になっています。
Pythonでツールを作らせる
例えば、こんな事をAIにそのままお願いしてませんか？
・PowerPointからテキストを抽出
・複数のPDFを1つにまとめる
・特定のファイルを一括で処理する
こういった処理は一度スクリプト化しておけば、以後はAIにさせる必要が無くなります。
ポイントは再利用できる仕組みにすることです。
「今回だけ動けばいい」ではなく「次回も使えるツールとして作らせる」という発注の仕方を徹底します。
エージェントへの指示の出し方を少し変えてみましょう。
「こういう事をやって」ではなく、「こういう事がしたいからpythonでツール作って」
実は、ツール作ってと言わなくてもエージェントが勝手に気を利かせて、裏でツールを作って処理していたなんて事もあります。ただ、毎度確実にその判断をしてくれるのであれば問題ないですが、こちらからハッキリとお願いしている方が安心です。
AIエージェントは、人間では代替できない判断や創造に専念させる。単純処理はツールに委譲する。
ツールを作る事自体はAIからすると、簡単にこなしてしまえるものがら多いです。なので、ツールを作ってもらった後は、ついでに次のような事を追加で頼んでいます。
このツールは汎用的に利用可能か？
その場合の条件は何か？
汎用性がない場合、その部分を抽出して汎用化する事が可能か？
可能であれば、どの程度汎用的に使えるのか整理してmdに纏めといて欲しい。
汎用化出来るなら、今後も使いたいのでいつでも使えるところに置いて欲しい。
AIエージェントは、人間では代替できない判断や創造に専念させる。単純処理はツールに委譲する。この切り分けがクォーターの使い方の質を根本から変えます。
まとめ
「課金したのに制限がくる」と感じたとき、それはツールの限界ではなく設計を見直すサインです。
4つの習慣に共通しているのは一つのことです。
AntiGravityを触る前に、できる限り思考を完結させる。
パワープレイで課金を積み上げる前に、まず設計で解決できないかを問う——その習慣がツールに振り回されない使い手への第一歩だと思っています。
最後までお読みいただきありがとうございます😊
kinamon♬