GPT-6.1 Terra公開、画面を読み作業するAIの費用と確認点

モデルは、受け取った文章や画像から回答や次の行動を作るAIです。APIは、自社のプログラムからモデルへ依頼を送る接続方法です。コンピューターでの作業では、モデルが次の行動を選び、接続したツールが許可されたクリックや入力を実行します。

ツールが操作後の画面を返すと、モデルはその画面を読んで次の行動を選びます。この繰り返しで入力を進めます。Terraのツール呼び出しにはResponses APIを使い、接続するアプリが作業環境の維持、権限、終了後の片付けを管理します。APIに送る画面のスクリーンショットも画像入力として計算されます。コンピューター操作ツールの説明

架空の納品書入力の例では、担当者が資料と入力する範囲を先に決めます。数量・金額の入力案ができるまで、AIは画面を読んで次の入力を選び、ツールが操作後に返す画面を読み直します。

%% 架空の納品書入力 · 入力案ができるまで繰り返す画面操作
flowchart TD
  A["AI：納品書と<br/>現在の画面を読む"] --> B["AI：入力欄と<br/>値を選ぶ"]
  B --> C["ツール：入力後に<br/>新しい画面を返す"]
  C --> A

入力案ができたら、担当者が原本と照合して保存を承認します。ツールは承認された範囲だけを保存し、担当者が保存後の結果を確認します。

%% 入力案ができた後 · 保存の承認と結果確認を分けた運用例
flowchart TD
  A["担当者：原本と照合し<br/>保存を承認"] --> B["ツール：承認された<br/>範囲だけ保存"]
  B --> C["担当者：保存後の<br/>結果を確認"]

ChatGPT WorkはAIを使う業務環境で、Codexは開発作業を支援するエージェントです。既存の製品でツールを接続して使う方法と、開発者がAPIで自社の業務に合わせた仕組みを作る方法があります。APIの利用料は製品のサブスクリプションとは別に請求されます。 サブスクリプションとAPIの料金案内

トークンは文字や単語と常に一致するわけではありません。画面操作を繰り返すと、資料や画面を送る入力と、行動や回答を作る出力がリクエストごとに積み重なります。出力料金には、見える回答に加えてモデルが内部で考える推論トークンも含まれます。推論トークンと課金

次は、キャッシュを使わない標準APIリクエスト1回で、テキスト入力10万トークン、出力全体1万トークンを使うと仮定した計算です。出力1万には内部の推論も含めており、納品書の作業費用を実測したものではありません。Solのモデル単価

同じトークン量なら、Terraの2項目の合計は50%低くなります。画面のスクリーンショットを送ると、その画像の入力トークンも加わります。ツール別の利用料、実行環境、地域処理の費用は上の計算に含めていません。

キャッシュは、繰り返すリクエストで変わらない入力の先頭部分を再利用する仕組みです。各入力トークンには、下の該当する項目一つの単価を適用します。書き込み単価は通常入力の料金に加算するものではなく、選んだ最低保持時間がその単価に反映されます。キャッシュの仕組みと料金

リクエストの大きさと処理速度でも単価は変わります。

• 入力が27万2千トークンを超えると、そのリクエスト全体の入力・キャッシュ単価は2倍、出力単価は1.5倍になります。上の例はこの基準未満です。
• APIの高速処理オプションであるFastモードは、標準の2倍の単価です。