先に要点
- AI API は、アプリや社内ツールから AI を呼び出すための入口です。ブラウザ版のAIチャットと違い、自分のサービスに組み込めるのが本質です。
- 初心者が最初に混乱しやすいのは、月額ではなく従量課金が多いこと、トークン単位で料金が決まること、AIモデルごとに性能と単価が違うことです。
- 最初のモデル選びは、`一番賢いモデル` を選ぶことではありません。まず小さめの実データで試し、品質、速度、レビュー工数、コストを比べる方が失敗しにくいです。
- 2026年4月20日時点の公式情報では、たとえば OpenAI は `gpt-5.4` / `gpt-5.4-mini`、Anthropic は `Claude Opus 4.7` / `Sonnet 4.6` / `Haiku 4.5`、Google Gemini は `Gemini 2.5 Pro` / `Flash` / `Flash-Lite` のように段階分けされています。
AI API って結局なに？ ChatGPT とどう違うの？ 料金って月額じゃないの？ どのモデルから始めればいいの？ という疑問はかなり多いです。
ここを曖昧なまま触り始めると、API キーだけ発行して止まったり、逆に高いモデルを何となく使って請求だけ増えたりしがちです。
この記事では、2026年4月20日時点で OpenAI、Anthropic、Google の公式ドキュメントと料金ページを確認しながら、AI API の基本、料金の見方、トークン、モデル選びを初心者向けに整理します。
特定ベンダーの宣伝ではなく、どの会社の API を触るときにも使える判断軸に寄せてまとめます。
AI APIとは何か
AI API は、アプリや業務ツールから AI 機能を呼び出すための窓口です。
ブラウザで ChatGPT や Claude を開いて質問するのではなく、自分のサービス側から この文章を要約して この問い合わせを分類して この入力に返答して とリクエストを送れます。
ざっくり言うと、違いはこうです。
| 使い方 | 何をするか | 向いている場面 |
|---|---|---|
| AIチャットをそのまま使う | 人が画面で会話する | 壁打ち、調査、個人作業 |
| AI API を使う | 自分のアプリから AI を呼ぶ | SaaS、社内ツール、自動化、顧客向け機能 |
たとえば次のような用途で AI API が使われます。
- 問い合わせの自動分類
- 社内文書の要約
- FAQ や返信文の下書き
- チャットボット
- 翻訳や整形の自動処理
- コード補助やデータ抽出
つまり AI API は、AIを使う より AIを組み込む ときの入口です。
最初に知っておきたい料金の考え方
初心者が一番つまずきやすいのは、料金が 月額固定 に見えないことです。
AI API は、SaaS のような固定プランではなく、使った分だけ課金される従量課金 が中心です。
しかも、単純に 1回いくら ではなく、次の要素が絡みます。
つまり、請求は リクエスト回数 だけでは決まりません。
ざっくりのAPI費用
= 入力トークン単価 × 入力量
+ 出力トークン単価 × 出力量
+ 必要ならツール利用料や検索料金
ここで大事なのは、同じ100回の呼び出し でも、短文分類なのか、長い議事録要約なのか、検索付きなのかでコストが大きく変わることです。
トークンとは何か
トークン は、AI が文章やコードを処理するときの細かい単位です。
人間には文字数や単語数の方が分かりやすいですが、多くの AI API はトークン数で課金されます。
OpenAI のヘルプでは、spaces、punctuation、partial words も token counts に含まれると説明されています。
また、一部の advanced models では reasoning tokens も API response metadata に現れ、billing と usage tracking に使われると案内されています。
ここで初心者が知っておきたいのは次の3点です。
1. 入力も出力も課金対象になりやすい
仕様書を長く入れれば入力トークンが増えます。
AI に長文で返させれば出力トークンも増えます。
2. 日本語は感覚より増えることがある
英語と日本語では、同じ見た目の文字数でもトークン数が違います。
数百文字だから安いはず と雑に考えず、実際の API レスポンスや token count ツールで確認した方が安全です。
3. 会話履歴やツール出力も積み上がる
AI API では、今の質問文だけでなく、会話履歴、検索結果、添付文書、ツール出力まで入力扱いになることがあります。
そのため、長いやり取りほどコストも遅さも増えやすいです。
料金表はどう読むのか
各社の公式料金ページを見ると、似ているようで少しずつ違います。
OpenAI
OpenAI の pricing では、text tokens は Input / Cached input / Output の形で示されています。
2026年4月20日時点で、たとえば gpt-5.4 は入力 $2.50、出力 $15.00 / 100万トークン、gpt-5.4-mini は入力 $0.75、出力 $4.50、gpt-5-mini は入力 $0.25、出力 $2.00 です。
さらに、pricing ページでは web search、containers、file search など、ツールごとの追加料金も別表で案内されています。
つまり モデル単価だけ見れば十分 ではありません。
Anthropic
Anthropic の pricing では、Base Input Tokens / Cache Writes / Cache Hits / Output Tokens のように、キャッシュ関連まで分かれています。
2026年4月20日時点で、Claude Opus 4.7 は入力 $5、出力 $25 / MTok、Claude Sonnet 4.6 は入力 $3、出力 $15、Claude Haiku 4.5 は入力 $1、出力 $5 です。
Anthropic では Batch API の 50% discount も公式に案内されています。
大量処理なら、単価表だけでなく batch の有無も見た方がよいです。
Google Gemini
Gemini Developer API pricing では、モデルごとに Free Tier / Paid Tier、さらに standard / batch / flex が分かれています。
2026年4月20日時点で、Gemini 2.5 Pro は入力 $2.25、出力 $18.00 / 100万トークン、Gemini 2.5 Flash は入力 $0.30、出力 $2.50、Gemini 2.5 Flash-Lite は入力 $0.10、出力 $0.40 です。
Google は context caching や search grounding の料金も細かく出しているため、安いモデルだから全体も安い と即断しない方が安全です。
料金でよくある誤解
1. 月額プランの感覚で見てしまう
AIチャットの有料プランを使っていると、API も似た感覚で見てしまいがちです。
でも API は、何人が何回使うか で請求が跳ねるので、アプリ組み込みでは別物です。
2. 入力単価だけを見る
長い出力を返す機能では、出力単価の方が効くことがあります。
たとえば長文記事の下書き、レポート生成、コード生成では、出力コストを軽く見るとズレます。
3. モデル単価だけを見る
検索、コード実行、file search、caching など、追加機能の料金が別に乗ることがあります。
実務では モデル単価 より 1リクエストあたりの総額 を見る方が現実的です。
AIモデルはどう選べばいいか
AIモデル は、同じ会社の API でも複数あります。
たいていは次の3段階で考えると分かりやすいです。
| モデル帯 | 向いている場面 | 注意点 |
|---|---|---|
| 軽量モデル | 分類、短文要約、定型処理、大量処理 | 難しい判断や曖昧な依頼では精度差が出やすい |
| 中間モデル | 一般的な業務自動化、チャット、下書き、コード補助 | 一番無難だが、用途によっては過剰にも不足にもなる |
| 上位モデル | 複雑な推論、長文理解、難しいコード、精度重視業務 | 高価で遅くなりやすい |
OpenAI の見方
OpenAI の models ページでは、If you're not sure where to start, use gpt-5.4、If you're optimizing for latency and cost, choose a smaller variant like gpt-5.4-mini or gpt-5.4-nano と案内されています。
ただ、初心者が社内ツールや試作で始めるなら、いきなり最上位から固定するより、まず mini クラスで精度を見る方が現実的なことが多いです。
複雑な reasoning や高品質な長文生成だけ上位モデルへ上げる運用もあります。
Anthropic の見方
Anthropic の choosing-a-model では、コスト重視ならまず fast and cost-efficient なモデルから始め、必要になったら上位へ上げる流れと、最初から最も capable なモデルで実装して後で efficiency を上げる流れの2つが示されています。
同ページでは、評価セットを作り、actual prompts and data で test し、performance and cost tradeoffs を比較することが重要だと案内されています。
Gemini の見方
Google の models ページでは、Gemini 2.5 Flash は best price-performance、Flash-Lite は fastest and most budget-friendly、Pro は most advanced model と整理されています。
つまり Gemini でも、Pro 一択 ではなく、用途で段階分けする前提です。
初心者におすすめの始め方
最初から完璧なモデル選びをしようとすると止まりやすいです。
実務では、次の順番の方が失敗しにくいです。
1. まず用途を1つに絞る
たとえば、
- 問い合わせ分類
- メールの下書き
- FAQ検索の返答補助
- 議事録要約
のように、まず1機能に限定します。
2. 1段軽いモデルから試す
最初から最高性能モデルに固定すると、本当にそこまで必要か が分かりません。
まずは軽量か中間モデルで、十分かどうかを見ます。
3. 実データで10〜30件ほど評価する
ここがかなり大事です。
ベンチマークや評判より、自分の問い合わせ文、自分の文書、自分のフォーマットで見る方が判断しやすいです。
4. コストはトークン単価ではなく、総コストで見る
API 単価だけでなく、レビュー時間、再実行回数、失敗時の手戻りも含めて見ます。
安いモデルでも修正工数が増えるなら、結果的に高くつくことがあります。
ありがちな失敗
1. 何でも上位モデルで始める
安心感はありますが、運用に入ると単価差が効いてきます。
まず必要十分かを見た方がよいです。
2. 長い資料を毎回全部送る
精度が上がるとは限らず、トークンだけ増えやすいです。
必要な部分を切り出したり、事前要約したりした方がコスパが良いことがあります。
3. 料金表だけ見て機能差を無視する
構造化出力、ツール利用、検索、キャッシュ、レート制限、データ管理の違いは、実装難易度に直結します。
4. チャットの感覚で API を見る
チャットは人が使う UI、API はシステムが呼ぶ土台です。
評価方法も、課金の見え方も、障害対応も違います。
まとめ
AI API は、AIと会話する仕組み というより、自分のアプリや業務フローに AI を組み込むための入口 です。
初心者が最初に押さえたいのは、次の3つです。
最初は、小さい用途、小さいデータ、小さめのモデルから試す。
そこから品質、速度、レビュー工数、コストを見て上げ下げする方が、結果的に一番うまくいきやすいです。
参考リンク
- OpenAI API Docs: Pricing
- OpenAI API Docs: Models
- OpenAI Help Center: What are tokens and how to count them?
- Anthropic Docs: Pricing
- Anthropic Docs: Choosing the right model
- Anthropic API Reference: Count tokens
- Google AI for Developers: Gemini API pricing
- Google AI for Developers: Gemini models