OpenAI APIの使い方｜GPT-6の料金・モデルの選び方とClaude/Geminiとの違い

OpenAI APIとは｜ChatGPTとの違い

OpenAI APIは、OpenAIの生成AIモデルを自社サービスや業務システムから呼び出すための開発者向けAPIです。 ChatGPTが完成品のアプリなら、OpenAI APIは組み込み用の部品にあたります。

Web版ChatGPTとの違い

ChatGPTは月額のサブスクリプションで使う対話アプリです。OpenAI APIは使ったトークン数だけ課金される従量課金で、UIは自分で実装します。

「社内チャットボット」「業務自動化」「ドキュメント検索」のようにシステムへ組み込む用途では、API側を選びます。

OpenAI APIの使い方｜APIキー取得から最初のリクエストまで

OpenAI APIは、アカウント作成→支出上限の設定→APIキー発行→Responses APIへのリクエスト、の4ステップで使い始められます。 画面の流れはOpenAI公式のクイックスタートで確認できます。

1. アカウント作成：platform.openai.comでサインアップ

2. 支払い情報と上限の設定：Billingでカードを登録し、支出上限（Spend limits）を設定

3. APIキーの発行：プロジェクトごとにキーを発行し、安全な場所に保存

4. 最初のリクエスト：公式SDKかcurlでResponses APIを呼び出す

最初のリクエストの形

公式SDK（Python・TypeScriptなど）でもcurlでも、送る中身は同じです。最小構成は次の3点だけです。

返ってきたレスポンスの出力テキストを取り出せば、最初の呼び出しは完了です。試作の段階では、最も安いgpt-6-lunaで動きを確かめてから、品質に応じてモデルを上げるのが無駄のない進め方です。

よくある初期トラブル

• 環境変数の取り違え：OPENAI_API_KEYを設定したつもりが、別のシェルで読み込まれていない

• 課金・上限まわりのエラー：課金設定がない、支出上限に達しているなどで401や429が返る

• 終了済みモデルの指定：古い記事のサンプルにあるdall-e-3やAssistants APIは提供終了済みで、呼び出してもエラーになる

• プロジェクトの取り違え：複数のプロジェクトや組織に所属している場合、キーとプロジェクトの対応がずれる

本番運用の前に支出上限を設定しておくと、想定外の請求を抑えられます。

ミニFAQ

Q. APIキーは複数発行すべきですか？

A. 本番・検証・個人の試用で分けるのが安全です。漏れたときの影響範囲を限定でき、用途別のコストも把握しやすくなります。

APIの種類と2026年の変更点

Responses API・Chat Completions API・Assistants APIの現状

新規開発はResponses APIが推奨です。 公式のモデル一覧でも、最新モデルはResponses APIとSDKで使える形で案内されています。

Conversations APIは、会話の履歴（スレッド）をOpenAI側で保持するためのAPIです。Assistants APIのスレッド機能の後継にあたり、Responses APIと組み合わせて使います。

Chat Completionsは今もGPT-6系で使えますが、モデルによって機能差があります。たとえばGPT-6.1 Solは、Chat Completionsでの関数呼び出しが推論の深さ（reasoning_effort）をnoneにした場合に限られ、組み込みツールはResponses API側で使う前提です。移行手順はOpenAI公式のマイグレーションガイドにまとまっています。

2026〜2027年の主な廃止スケジュール

保守案件で古いコードを引き継ぐと、終了済みのAPIやモデルに当たることがあります。公式のDeprecationsページから、影響の大きいものを抜き出しました（2026年10月9日に確認）。将来の日付は変更されることがあるため、作業前に同ページで最新の予定を確認してください。

ミニFAQ

Q. Chat Completions APIはいつ廃止されますか？

A. 2026年10月時点で、Deprecationsページに廃止予定は載っていません。ただし新機能はResponses API側に追加されていくため、新規開発でChat Completionsを選ぶ理由は互換性くらいです。

料金体系｜モデル別の単価とコスト試算

OpenAI APIの料金は、入力トークン×単価＋出力トークン×単価で計算される従量制です。日本語の文字数とトークン数は単純に比例しないため、tiktokenなどのトークナイザで実測してから見積もるのが確実です。

主要モデルの単価（2026年10月時点）

以下は、OpenAIの開発者向けドキュメントの料金ページにある標準料金（入力272Kトークン以下）を、2026年10月9日に確認して抜粋したものです。価格改定やモデル追加があるため、見積もりの前に必ず最新の表を確認してください。

出典：OpenAI API Pricing、Models。最大出力はGPT-6系の3モデルとも12.8万トークンです。

料金が変わる3つの条件

• 長いコンテキスト：入力が272Kトークンを超えるリクエストは、入力とキャッシュが2倍、出力が1.5倍の料金になります（リクエスト全体に適用）

• プロンプトキャッシュ：繰り返し送る前半部分は、キャッシュ済み入力として安くなります。割引率はモデルで違い、上の表ではGPT-6.1 SolとGPT-6 Lunaが通常の入力単価の5%、GPT-6 Astraが10%です。一方、GPT-6系ではキャッシュへの書き込みが通常の入力単価の1.25倍かかります

• Batch API：結果を急がない処理は、GPT-6系で標準料金のほぼ半額になります

「リアルタイム性が必要か」で標準APIとBatch APIを切り替え、共通のシステムプロンプトを前に固定してキャッシュを効かせる設計が、費用を抑える基本です。

コスト試算の例（RAG用途）

社内ナレッジ検索（RAG）で、平均入力5,000トークン／平均出力500トークン／1日1,000リクエスト／30日を想定します。月間の入力は1.5億トークン、出力は1,500万トークンです（キャッシュなし・標準料金）。

この前提では、同じ処理でもモデルの選び方で月額に約100倍の差が出ます。実際には、マニュアルなど共通部分にキャッシュが効けば入力コストはさらに下がります。為替やプロンプト長で変わるため、上の数字は前提を置いた試算です。

ミニFAQ

Q. 日本語のトークン数はどう見積もりますか？

A. 日本語は文字数とトークン数が比例しません。絵文字・記号・コード片が混ざるとさらにぶれます。実際の業務データをtiktokenなどで数えてから単価を掛けるのが確実です。

モデル選定の判断軸｜Astra・Sol・Lunaの使い分け

「とりあえず最上位モデル」を避け、用途で切り替えるとコスト効率が大きく変わります。正式なモデル名は公式のモデル一覧で確認してください。

GPT-6 Astraが向くケース

• 多段の推論を要するコード生成・大規模なリファクタリング支援

• 曖昧さを許さない領域のドラフト作成補助（法務・医療などの最終判断は専門家確認が前提）

• 失敗のコストが高く、1回の精度を最優先したい処理

GPT-6.1 Solが向くケース

• 社内ドキュメント検索・QAボットのバックエンド

• エージェントやコーディング支援など、複雑だが量もこなす処理

• 多くのプロダクトのデフォルト候補（公式も「Astraに近い性能を低コストで」と位置づけ）

GPT-6 Lunaが向くケース

• 大量のログ・レビュー文の分類、短い要約

• マルチエージェント構成のサブエージェント

• 検証段階のプロトタイプ

まずLunaかSolで実装し、品質が足りない箇所だけ上位モデルに切り替える構成が現実的です。

主要な実装パターン

OpenAI APIでよく使う実装パターンを4つに整理します。具体的なパラメータは公式のAPIリファレンスを参照してください。

テキスト生成（基本形）

ユーザーの入力にシステム指示を添え、Responses APIへリクエストする最もシンプルな形です。会話を続けるときは、Conversations APIや前回のレスポンスIDで状態を引き継ぎます。言語・出力形式・禁止事項を指示で明示すると、応答が安定します。

ストリーミング応答

レスポンスをイベント単位で逐次受け取り、UIに少しずつ表示する形式です。長文生成の待ち時間の体感を大きく改善できます。

Function Calling・ツール使用

LLMに外部関数の呼び出しを判断させる仕組みです。社内DBへの問い合わせ、メール送信、ファイル検索などを任せる用途で使います。Responses APIには、Web検索・ファイル検索・Computer Use・コード実行などの組み込みツールもあります。

実装の勘所は、関数スキーマを過不足なく定義することと、関数の戻り値をLLMに返すループを整えることです。エージェント設計の出発点になります。

プロンプトキャッシュの活用

長いシステムプロンプトや固定のコンテキストを繰り返し使うときに効きます。プロンプトの前半を固定し、ユーザーごとに変わる情報を後ろに置くと、キャッシュが当たりやすくなります。

ミニFAQ

Q. ストリーミングとBatchはどちらを優先すべきですか？

A. 即時性が必要なUI（チャット、コード補完）はストリーミング、夜間処理や大量データの加工はBatch APIが向きます。

マルチモーダル｜画像・音声・リアルタイム・Embeddings

OpenAI APIは、テキスト以外もまとめて扱える点が強みです。2026年10月時点の主なモデルを整理します。

DALL·Eやwhisper-1を前提にした古い実装は、終了済みか終了予定です。新しく組むなら上の現行モデルから選びます。

OpenAI APIとClaude API・Gemini APIの違い

3社のAPIは似ている部分が多い一方、得意領域とエコシステムに差があります。各社のモデルと料金は数か月単位で変わるため、詳細はフリコンのClaude APIの使い方とGemini APIの使い方で読み比べてください。

機能比較表（2026年10月時点の整理）

無料枠や提供経路は時期で変わるため、各社の最新案内を確認してください。

用途別の選び方（一例）

• 既存スタックがMicrosoft 365／Azureで、ChatGPTやCopilotと運用をそろえたい → OpenAI APIを優先候補に

• 長文の日本語の品質や、コーディングエージェント用途を重視 → Claude APIを優先候補に

• 無料枠で試したい、動画・音声入力やGoogle Workspace連携を使う → Gemini APIを優先候補に

• 「どれが最良か」は決め打ちせず、自社データの評価セットで複数モデルを比べるのが安全

選定は単一の基準ではなく、データの扱い・社内のクラウド事情・コスト試算を掛け合わせて決めます。

ミニFAQ

Q. 既存のChat Completions実装からClaude／Geminiに切り替えるのは難しいですか？

A. リクエストとレスポンスの形式が違うため、SDKを直接呼んでいるコードは書き換えが必要です。LangChainのようなマルチプロバイダ対応のライブラリを挟んでおくと、切り替えの手間を減らせます。

フリーランスエンジニア視点｜OpenAI API案件の実情

ここからは、フリコンに掲載されている案件のデータをもとに、OpenAI APIまわりの案件動向をまとめます。

フリコン掲載データで見る単価帯

フリコンに掲載中で募集中の案件（2026年10月9日時点）を、職種「AIエンジニア」と業界「AI/生成AI」で集計しました。単価は各案件の募集単価レンジの上限で数えています（フリコンの職種・業界別ページの集計値。平均は切り上げ表示）。掲載単価であって成約単価ではなく、母集団もフリコンの掲載案件に限られる点に注意してください。

AIエンジニア職種では、上限が80〜99万円の案件が約半分を占めます。上限120万円以上は114件中13件（11.4%）でした。業界「AI/生成AI」は、職種を問わず生成AIを扱う案件を含むため、平均はやや下がります。

掲載中の案件を見る限り、上限100万円以上の募集は、PoCから本番導入まで推進した経験や、要件定義・技術選定を担える人を想定したものが中心です。高単価帯（上限120万円以上）の例を見ても、「企画・PoC・本番導入まで一気通貫でリード」のように、技術選定と推進の両方を担う募集が目立ちます。単価を分けるのは「OpenAI APIを触れるか」より、どこまでの工程を任されるかです。

案件の一覧はAIエンジニアの案件一覧とAI/生成AIの案件一覧から確認できます。自分のスキルがどのくらいの単価帯に当たるかは、無料のフリーランスエンジニア単価診断で目安を確認できます。単価の全体像はフリーランスエンジニアの単価相場と単価の上げ方も参考にしてください。

案件タイプの傾向

OpenAI APIに触れる案件は、次のタイプに分けられることが多いです。

• 社内ドキュメント検索・RAG構築：Embeddings＋ベクトルDB＋LLMの組み合わせ

• 業務自動化：申請書チェック、議事録生成、メール下書き、レポート作成

• チャットボット／カスタマーサポート：FAQ自動化、社内ヘルプデスク

• AIエージェント構築：ツール呼び出しや組み込みツールを使ったエージェント設計

• 既存プロダクトへのAI機能追加：要約、レコメンド、文章校正の組み込み

関連職種の年収や案件動向はAIエンジニアの年収、AI案件の種類と単価相場で詳しく解説しています。

求められるスキル

OpenAI APIだけでなく、その周辺を一通り押さえている人が案件で重宝される傾向があります。

• LLM呼び出しの実装経験（Python／TypeScriptが多い）

• Embeddings＋ベクトルDB（Pinecone／Qdrant／pgvector等）の設計経験

• ツール呼び出し・組み込みツールの活用と、エージェントの評価

• 個人情報・機微情報の扱いを含むデータ取り扱いの理解

• 既存業務システムへの組み込み・要件整理の経験

フレームワークはLangChain、検索拡張はRAG、エージェント設計はAIエージェントの解説記事を補助線にしてください。

独立を視野に入れるエンジニア向けの動き方

「OpenAI API」だけで案件を探すより、「LLM／生成AI」「RAG」「AIエージェント」で探し、その中でOpenAI APIを採用しているプロジェクトを選ぶ流れが現実的です。独立の準備はフリーランスAIエンジニアになるには、開発支援ツールはCursor・GitHub Copilotの記事も確認してください。

ミニFAQ

Q. OpenAI API案件の参画に資格は必要ですか？

A. 必須になるケースは少なく、実装のポートフォリオや実務経験が重視されます。知識の整理にはG検定や生成AIパスポートが役立ちます。GitHubと動くデモがそろっていると、面談での説得力が増します。

実装時のよくある失敗と対策

コスト試算を怠って想定外の請求

• 失敗例：最上位モデルのまま本番投入し、月額が予算の数倍に

• 対策：支出上限の設定、キャッシュ前提のプロンプト設計、LunaかSolを既定にして必要なときだけAstraへ切り替え

長いコンテキストの割増を見落とす

• 失敗例：資料を丸ごと入れたら入力が272Kトークンを超え、リクエスト全体が割増料金に

• 対策：RAGで必要な部分だけ渡す、長文は分割して処理する

レート制限・タイムアウトを設計に織り込めていない

• 失敗例：同時アクセスが増えた瞬間に429エラーが頻発する

• 対策：指数バックオフのリトライ、キューでリクエストを平準化、別モデルへのフォールバック

モデルIDやAPIを直書きして、廃止に追従できない

• 失敗例：コードのあちこちにモデルIDが散らばり、旧スナップショットの終了時に置換漏れが出る

• 対策：モデルIDを設定値で一元管理し、Deprecationsページを定期的に確認する

機密情報をそのままプロンプトに混ぜてしまう

• 失敗例：個人情報や機微情報をマスキングせずに投入

• 対策：データの扱いのポリシーを確認し、マスキング処理を実装層で挟む。リージョン要件があればAzureやBedrock経由を検討

OpenAI API・Claude API・Gemini APIの判断早見表

前章の比較を、選定軸ごとに一枚で見直せるよう整理し直しました。

評価の段階では1社に絞らず、複数モデルを並べて自社データで品質を比べるのが、コストと品質のバランスを取りやすい進め方です。

まとめ

OpenAI APIは、自社プロダクトに生成AIを組み込むときの有力な選択肢で、マルチモーダルの幅とエコシステムが強みです。2026年10月時点では、GPT-6系の3モデルを用途で使い分け、Responses APIで書くのが基本です。

• 主力はGPT-6 Astra・GPT-6.1 Sol・GPT-6 Luna。標準料金の出力単価は$50・$10・$0.50（100万トークンあたり）

• Assistants APIは2026年8月26日に終了。新規はResponses API、Chat Completionsは互換性のための選択肢

• 272K超の入力は割増、キャッシュ済み入力は最大95%引き、Batchは約半額。RAGの試算では、モデル選びで月額が100倍変わる

• Claude・Geminiとは「既存のクラウド」「日本語品質」「無料枠」で選び分け、評価は複数モデルを並べて行う

• フリコン掲載のAIエンジニア案件は114件・平均93万円（上限ベース）。単価を分けるのは、担当する工程の広さ

参考にした主な一次情報：

• OpenAI API Pricing

• OpenAI Models（公式ドキュメント）

• Responses APIへの移行ガイド

• Deprecationsページ

• OpenAI料金ページ（openai.com）