課金の計算例

このページでは、代表的なモデルをいくつか取り上げ、料金スタイルごとに 1 つずつ、実際の課金計算を順を追って説明します。各料金スタイルの仕組みについては、モデルの課金方法をご覧ください。

LLM のトークン課金 — zai-org/glm-5.2

LLM モデルは100万トークンあたりで課金され、入力（プロンプト）、キャッシュされた入力、出力（補完）のトークンにそれぞれ別のレートが適用されます（LLM モデルをご覧ください）:

$Cost = \frac{Fresh\ Input}{1M} \times \$1.40 + \frac{Cached\ Input}{1M} \times \$0.26 + \frac{Output}{1M} \times \$4.40$

課金はリクエスト完了後に、レスポンスの usage フィールドで報告されるトークン数に基づいて行われます — ストリーミングと非ストリーミングのリクエストは同一に課金され、失敗したリクエストは課金されません。

例 — プロンプトトークン 12,000 個（うち 10,000 個はプロンプトキャッシュから提供）と出力トークン 1,500 個のチャットリクエスト:

1. 新規入力: 2,000 × $1.40 ÷ 1M =$0.0028
2. キャッシュされた入力: 10,000 × $0.26 ÷ 1M =$0.0026
3. 出力: 1,500 × $4.40 ÷ 1M =$0.0066
4. 合計: $0.0120

プロンプトキャッシュがない場合、同じリクエストでは 12,000 個の入力トークンすべてが通常の入力レートで課金され、$0.0168 +$0.0066 = $0.0234 と、ほぼ 2 倍になります。リクエスト間でシステムプロンプトを安定して使い続けると、繰り返し部分にキャッシュレートが適用されます。

トークン課金の動画 — bytedance/seedance-2.0/reference-to-video

Seedance 2.0 の reference-to-video は、タスク完了時に出力動画トークンで課金されます（トークン課金の動画モデルをご覧ください）。入力の種類に応じて、2 つのトークンレートが適用されます:

解像度乗数: 480p / 720p / 1080p × 1.0、4k × 0.57、720p-sr / 1080p-sr × 1.8、1440p-sr × 3.2。課金対象のトークンは生成された出力から測定されるため（参照動画を含むリクエストでは入力動画の寄与分も含まれます）、4K や SR ティアの正確な見積もりには /calculate をご利用ください。

トークン数は、解像度・フレームレート・長さに応じて増加します:

$Video\ Tokens \approx \frac{Width \times Height \times FPS \times Duration(seconds)}{1024}$

1080p（1920 × 1080、24 fps）の場合、動画 1 秒あたり 48,600 トークンになります。

例 A — 参照画像のみ、1080p で 10 秒:

1. 出力トークン: 48,600 × 10s = 486,000 トークン
2. 定価: 486,000 ÷ 1,000,000 × $11.20 × 1.0 = **$5.44**

例 B — 8 秒の参照動画あり、1080p で 10 秒の出力:

1. 課金対象のトークンには入力動画と出力の両方が含まれます: (10s + 8s) × 48,600 = 874,800 トークン
2. より低い、動画あり用のレートが適用されます: 874,800 ÷ 1,000,000 × $6.88 × 1.0 = **$6.02**

送信時に少額の一時的なホールドが設定され、タスクの課金が完了すると解放されます。失敗したタスクは課金されません。

秒課金の動画 — alibaba/wan-2.7/image-to-video

Wan 2.7 の image-to-video は、従来型の秒単位の料金体系です。基本レートは毎秒 $0.10 で、出力解像度に応じてスケーリングされ、最低 5 秒分が課金されます:

$Cost = \$0.10 \times max(5,\ Duration) \times Resolution\ Multiplier$

例 — 1080p で 8 秒:

$0.10 × 8 × 1.5 = **$1.20** が送信時に残高から確保され、動画が納品されると確定します。

例 — 720p で 3 秒:

長さが最低時間を下回るため、5 秒分が課金されます: $0.10 × 5 × 1.0 = **$0.50**。

オプション付きの画像ごとの課金 — google/nano-banana-pro/edit

Nano Banana Pro（編集バリアント）は出力画像ごとの料金体系で、解像度ティアとオプションのウェブ検索追加料金があります:

$Cost = Images \times Tier\ Price\ (+\ \$0.014\ if\ web\ search)$

例 — ウェブ検索を有効にして 4K 画像を 2 枚:

1. 画像: 2 × $0.24 =$0.48
2. ウェブ検索: + $0.014（リクエストごとに 1 回のみ加算）
3. 定価合計: $0.494

金額は送信時に確保され、タスクが失敗した場合は自動的に解放されます。

トークン課金の画像 — openai/gpt-image-2/edit

GPT Image 2 は LLM と同様にトークンで課金されますが、トークン数は送信時にリクエストパラメータから計算されます:

1024×1024 画像の出力トークン数: 196（low）、1,756（medium）、7,024（high）。サイズが大きくなると、トークン数も比例して増えます。入力画像は quality に関係なく、常に medium のトークン基準でカウントされます。

例 — 1024×1024 の画像を 1 枚編集、quality: medium、size: 1024x1024、n: 1:

1. 入力テキスト: 1,000 トークン × $5/1M =$0.0050
2. 入力画像: 1,756 トークン × $8/1M =$0.0140
3. 出力画像: 1,756 トークン × $30/1M =$0.0527
4. 合計: 画像 1 枚あたり ≈ $0.072

n 枚の画像をリクエストすると、全体の金額が n 倍になります。

文字数課金の音声（TTS） — xai/tts-v1 と bytedance/seed-audio-1.0

どちらのテキスト読み上げモデルも、入力テキストの長さに基づき、1,000 文字あたり $0.015 で課金されます:

$Cost = \frac{Characters(text)}{1{,}000} \times \$0.015$

文字は Unicode 文字としてカウントされるため、CJK の 1 文字もラテン文字と同じく 1 文字として数えられます。

例 — 1,200 文字のスクリプト:

1,200 ÷ 1,000 × $0.015 = **$0.018** が送信時に課金されます。

例 — 300 文字の短いプロンプト:

300 ÷ 1,000 × $0.015 = **$0.0045**。

任意のモデルを自分で確認する

上記のすべての例は、コスト見積もり API で再現できます — 実際のリクエストボディを /api/v1/model/calculate に送信すると、タスクを作成することなく、定価・お客様の実効価格・適用された割引が返されます。