
「原始人みたいに喋れ」でAIのトークンは65%減る? JetBrainsが検証した
AIコーディングツールに「原始人みたいに喋れ」と命じると、返答が短くなって費用が減る。
そんな一発ネタのような小技が、いま海外で人気を集めている。
「Caveman(原始人)」と名づけられたこの拡張機能は、公開ページで星を8万7千個以上集め、日本語版の派生まで作られた。
うたい文句は「同じ答えを、出力トークン65%減で」。
ところが、この65%という数字を大規模に検証したところ、実際の削減はずっと小さかった。
開発ツール大手JetBrainsの検証で、現実の削減率は約8.5%にとどまった。
この「なぜ数字がここまで違うのか」が、AIコーディングの費用の仕組みをそのまま説明している。
Cavemanとは何をする小技なのか
Cavemanは、AIの返答から冗長な部分だけを削るスキルだ。
英語の冠詞(a/the)や、「もちろんです」「喜んで」といった前置き、「基本的には」のような曖昧な言い回しを落とす。
一方で、コードやコマンド、エラーメッセージは一字一句そのまま残す。
つまり技術的な中身は保ったまま、飾りの言葉だけを削ぎ落とす発想だ。
作者自身は、削減効果を控えめに但し書きしている。
Cavemanが減らせるのは出力トークンだけで、AIが読み込む入力や内部で考える分(推論トークン)はそのままだ。
しかもスキル自体が毎回1千〜1千5百トークンほどの指示文を追加する。
だから会話全体で見た節約は、65%より小さくなると作者も認めている。

86タスクで検証したら8.5%だった
JetBrainsのデニス・シリャエフ氏は、この小技を実際の開発作業で試した。
86個のソフトウェア開発課題を用意し、Cavemanを使う場合と使わない場合を同じ条件で走らせて比べた。
使ったAIモデルはClaude Sonnet 5で、検証は自動化された評価基盤の上で行われた。
結果、出力トークンの削減率は平均8.5%だった。
うたい文句の65%とは大きな開きがある。
最初に10課題だけで測ったときは約30%の削減が出たが、課題数を増やすほど数字は下がっていった。
品質が下がっていない点も確かめられた。
86課題のうち成績が上がったのは8件、下がったのは10件、残り64件は互角で、統計的な差はなかった。
つまりCavemanは「害はないが、宣伝ほど効かない」小技だった。

なぜ宣伝と現実がずれるのか
差が生まれる理由は、AIコーディングでトークンを食う場所にある。
シリャエフ氏はこう指摘する。
実際の開発作業でトークンの大半を占めるのは、プロジェクトのファイルを読む処理、課題を考える推論、ツールの呼び出し、そしてコードの生成だ。
Cavemanが削るのは、こうした処理の合間に挟まる「説明の地の文」だけだ。
そしてコードやエラーは残す設計だから、開発作業全体で見ると削れる部分はごくわずかしかない。
65%という数字は、チャットのように文章で答える場面だけを切り取って測ったものだった。
だから作業の中身が「文章のやりとり」ならよく効き、「コードとツール操作」が中心なら効きにくい。
費用の話にはもう一つ落とし穴があった。
検証では、ある依存関係の調査課題が長文コンテキストの割高な料金帯に入ってしまい、その一件だけで費用が跳ね上がった。
細かい節約が、たった一度の想定外で吹き飛ぶこともある。

日本の利用者にとっての教訓
この一件は、Cavemanを「使うな」という話ではない。
害がなく、返答が読みやすくなる利点はある。
問題は、拡散する数字を鵜呑みにすると費用の見積もりを誤ることだ。
AIコーディングの費用を本当に下げたいなら、削るべきは飾りの言葉ではない。
AIに読ませるファイルを絞る、作業を小さく区切る、長文コンテキストの割高な料金帯に入らないよう気をつける。
効くのはこうした「入力側」の工夫だと、この検証は示している。
派手な小技よりも、トークンがどこで消えているかを知ることのほうが先に立つ。
出典
JetBrains Blog「Speaking to AI Agents like Cavemen Saves 65% of Tokens. We Test.」(2026年7月・Denis Shiryaev)
InfoWorld「'Talk like a caveman' prompts save tokens, but far less than promised」(2026年7月7日・Anirban Ghoshal)
JuliusBrussee/caveman(GitHubリポジトリ・スキル本体と作者の但し書き)
https://github.com/JuliusBrussee/caveman