GPT-6 AstraのAPI料金｜GPT-5.6 Solとの単価比較と費用の計算例

公式価格を見直すと、「2倍」ではなく2.5倍だった

2026年9月9日時点の公式料金表では、GPT-6 Astraの標準API料金は、100万トークン当たり入力10ドル、出力50ドル。同じ条件のGPT-5.6 Solは入力4ドル、出力20ドルです。キャッシュ済み入力も、Astraが1ドル、Solが0.40ドル。いずれも2.5倍になります。

これは「Solの価格が値上げされた」という意味ではありません。新しく使うAstraが、比較対象のSolより高い単価で提供されている、という話です。また、ここで比べているのは標準処理・短いコンテキスト側の料金で、Fastや長い入力の料金を混ぜてはいません。

たとえば、キャッシュを使わない入力10万トークンと出力1万トークンなら、Astraは1.50ドル、Solは0.60ドル。これは料金表からの単純計算で、実際の一回の開発費ではありません。エージェントが何度も考えたり、ファイルを読んだりすれば、その分の処理が積み重なります。

• 出典：出典：OpenAIのAPI料金表（新しいタブ）

そもそもトークンって、何を数えているの？

トークンは、AIが文章などを扱うときの小さな単位です。一文字や一単語と必ず一致するわけではなく、日本語、英語、コードでも分かれ方が違います。「長い資料をたくさん渡すと増える」と考えると、最初はつかみやすいと思います。

こちらが送る指示や、AIが読むファイルは主に入力側。AIが作る回答は出力側です。ただし、目に見える回答だけを数えても、推論モデルの消費量は分かりません。回答前に内部で考えるためのトークンもあるからです。APIでは、この推論分も出力トークンとして課金されます。

「返事は数行だったのに、なぜこんなに減ったんだろう」。開発でこの感覚が出るのは、画面に出た文章だけが仕事の全量ではないためです。リポジトリの確認、設計の比較、実装、テスト、その結果の読み直し。一つの依頼の中に、何回もの処理が入っています。

キャッシュは、以前と共通する入力の一部を再利用し、割安に扱える仕組みです。ただし無料ではありません。ログに「入力が何百万トークン」と出ていても、全部が通常価格の入力とは限らないので、総量だけで請求や利用枠の減りを決めつけないようにしたいところです。

• 出典：出典：OpenAIの推論ガイド（新しいタブ）

20ドル・100ドル・200ドルは、何が違うのか

ChatGPTのサブスクリプションで使う場合、APIのドル単価をそのまま月額料金から引いていく仕組みではありません。公式の案内では、Plusは月20ドル、Proの5xは100ドル、Proの20xは200ドルです。米ドル表示の基本料金で、地域・税・契約画面の表示は別途確認が必要です。

この5xや20xは利用量の枠を選ぶための表示で、「どんな仕事でも5倍・20倍の時間動く」という約束ではありません。大きなファイルを読む仕事と短い質問では、一回に必要な処理が違います。モデル、推論設定、ツール、会話の長さでも消費が変わります。

僕なら、プランを「自分は何時間使えるのか」だけで見ず、一週間に終えたい仕事を、その設定でどれくらい進められるかで考えます。高いプランでも、重い処理を並行して走らせれば減りは速い。一方、仕事の切り方を変えて同じ成果まで届くなら、設定を見直す余地があります。

さらに、5時間の枠と週次枠は別です。目の前の短い枠が回復すれば、今週分も元に戻るとは限りません。開始前に使用量の画面を見ておくと、「何が足りなくなったのか」を後から振り返りやすくなります。

• 出典：出典：ChatGPT Work／Codexの料金・利用量（新しいタブ）
• 出典：Proの現在の提供条件（新しいタブ）

僕の約14時間は、Astraの標準的な寿命ではない

ここからは僕自身の話です。Astraが出てから、開発作業ではHigh、XHigh、Max、Ultraを中心に使っています。ゲームアプリを作ったり、複数の開発タスクを進めたりする中で、200ドルプランの週次枠を約14時間で使い切りました。

大きな立ち上げではUltraを使い、複数の改善にはMax、調査や検証にはXHigh。単純に見える開発作業でも、見直しや技術文書との照合までまとめて頼むので、Highにすることが多いです。

この体験を「200ドルを払っても14時間しか使えない」と一般化するつもりはありません。同じ依頼を同じ条件で繰り返した実験ではなく、タスクの難しさも同時に動かした数も一定ではないからです。公式の効率改善の前後を厳密に分けた測定でもありません。

ただ、日々の運用の問題としては切実でした。一つの仕事を気持ちよく任せられても、その後に必要な調査や修正の余力がなくなる。一回の出力の良さと、一週間の仕事全体を回せることは、両方必要なのだと感じています。

「すぐ枠が減る」という声はある。でも原因は一つではない

Xや開発者コミュニティを確認すると、上位設定や並列処理で枠を急速に消費したという報告が複数見つかりました。OpenAIの開発者フォーラムにも、Astra Mediumで約40分の開発作業を進めた後、週次の残量が大きく減ったという投稿があります。

一方、GitHubでログを詳しく調べた人は、別モデルの処理も同時に走っていたことや、使用量画面の反映に時間差があることを明記しています。こうした条件を省くと、「この待機処理だけで何％減った」といった、証拠より強い話になってしまいます。

僕が今回分けて考えたいのは、高いモデル単価、深い推論、長い入力、並列処理の人数、待機や再確認の繰り返しです。これらは同時に起こり得ます。枠の減りが速いという体験は共有できても、原因まで同じとは限りません。

OpenAIから複数のリセットが来ているのは事実

Astraの展開に合わせたリセットは、公式ヘルプで確認できます。対象アカウントには9月3日と4日に保存して使えるリセットが配られ、9月7日には即時適用の全体リセットが実施されました。対象や条件はプラン・地域・アカウントなどで異なります。

保存型は必要なときに適用する一回分、全体リセットはその時点で自動的に適用されるものです。保存型のフルリセットを使うと5時間枠と週次枠が更新され、週次のリセット日も変わります。恒久的な利用上限の増量やAPIクレジットではなく、次も必ず来るものではありません。

消費が速いという声とリセットの実施は、どちらも確認できる出来事です。ただし、それだけで「単価上昇への補償だった」と理由を断定はできません。僕も、リセットが続くことを前提に仕事の予定を組まないようにしたいと思っています。

• 出典：出典：リセットの公式説明（新しいタブ）

有料の即時リセットは、配布されたリセットとは別

公式ヘルプには、対象のPlus／Proアカウントで購入できる即時リセットも案内されています。購入後すぐに5時間枠と週次枠が回復し、その後最初の利用から新しい週次期間が始まります。保存して後日使うものではなく、元のリセット予定日を保ったまま別枠が上乗せされる仕組みでもありません。価格や利用可否は自分の画面で確認する必要があります。

追加クレジットとも仕組みが違うので、続けたい仕事の量と次の通常回復までの時間を見て判断したいところです。僕自身は、まず今の使い方を見直し、必要な仕事にどれくらい使っているのかを把握したいと考えています。

• 出典：有料リセットの公式説明（新しいタブ）

単価が高いのに、一つの仕事は安くなることもある？

ここが少しややこしいところです。OpenAIはAstraについて、いくつかの評価では出力トークンを大きく減らし、以前のモデルより推定API費用を抑えて仕事を終えた、と説明しています。単価が高くても、迷い直しや出力が少なく済めば、合計は下がり得るわけです。

これは、すべての作業で安くなるという保証ではありません。それでも、比較の物差しとしては大切です。低い設定で何度もやり直すより、必要な場面だけ深く考えさせた方が、最後まで含めると少ない消費で済むかもしれない。逆に、簡単な修正を毎回最高設定にする必要もないかもしれません。

• 出典：出典：Astraの公式ガイド（新しいタブ）

これからは「高い知能を、どこに使い続けられるか」の勝負になる

ここから先は僕の見方です。最先端のモデルが、調査から設計、実装、検証まで広く担当できるようになるほど、よい判断を積み重ねた成果物の価値は大きくなると思っています。

そうなると、上位モデルをどれくらい深い設定で、どれくらい長く動かせるかが競争力に関わってくる。少し乱暴に言えば、知能と利用枠をどこまで投入できるかの「殴り合い」に近づく場面もあるのではないでしょうか。

もちろん、上位モデルなら必ずよいものができる、と言いたいわけではありません。作るものの選び方、依頼の具体性、人間による判断、最後の確認は残ります。ただ、僕自身は今、知能を下げて節約するより、Astraを使う前提で無駄を減らしたいと考えています。

そのために次は、同じ程度のタスクで推論レベルを変える、サブエージェントの分担を絞る、入力する資料を整理する、といった試し方をしていくつもりです。見るのは残量だけでなく、完了までの時間、やり直し、見落としも含めた結果です。

まだ、僕の中で最適な運用は決まっていません。だからこそ、今後の記事ではほかの人の実用例も集めながら、自分でも試し、うまくいった条件と失敗した条件を残していきたいと思います。Astraを我慢して使うのではなく、必要な仕事に、最後まで使える形を探していきます。