サービス・料金体系
モデルサービス
GPTBots では、用途に応じて「GPTBotsキー」と「独自キー」の2種類のモデルサービスモードを提供しています。どちらのモードを利用するかによって、モデルサービス利用時に消費されるクレジット(サービス利用料)が異なります。ご希望のサービスモードは「組織管理 > LLMs」画面から選択・設定できます。
- GPTBotsキー: GPTBots公式が提供するサービスです。OpenAI や Claude などの外部プラットフォームに個別登録しなくても、GPTBotsを通じてこれらのサービスを直接利用できます。
- 独自キー: すでに OpenAI などのプラットフォームでご自身のAPIキーをお持ちの場合は、そのキーをGPTBotsに登録して利用できます。なお、この場合もGPTBotsによるサービス利用手数料として少量のクレジットが消費されます。
サービスクレジット料金
GPTBots内のすべてのサービスは「クレジット」に基づく従量課金方式で提供されており、利用状況もクレジット単位で管理されます。使用するLLMのバージョンによって、消費するクレジット数が異なります。詳細な消費計算については、以下の各セクションをご参照ください。
注:クレジットは返金・交換できません。
クレジット消費の種類
GPTBots プラットフォームでは、サービスの種類ごとに料金体系が分かれており、サービスごとに設定された単価に応じてクレジットが消費されます。課金タイプは全部で10種類あり、AIエージェントやワークフロー利用時には、それぞれのサービス利用に応じて該当するクレジットが消費されます。開発者は「組織管理 → 利用状況」画面から、各サービスのクレジット消費状況を確認できます。
課金タイプ | 定義 | 例 |
---|---|---|
LLMテキストチャット | テキストと画像の入出力でLLMを呼び出す | LLMコンポーネントや分岐コンポーネント、条件判定コンポーネントの呼び出し時 |
LLM音声チャット | 音声の入出力でオーディオLLMを呼び出す | 音声LLMを呼び出した場合 |
ASR認識 | ASRサービス を使用して音声をテキストに変換 |
システム認識モードで音声ファイルをアップロードした場合 |
TTS生成 | TTSサービス を使用してテキストを音声に変換 |
チャット画面でテキストメッセージの音声再生ボタンをクリックした場合 |
ナレッジインデックス | ナレッジインデックス を使用してユーザーの質問とナレッジデータに埋め込み処理を実行 |
ナレッジ検索を実行した場合 |
ナレッジストレージ | ナレッジベースにナレッジデータをアップロードして保存 | 現在のナレッジベースストレージ容量の日次計算 |
ツール呼び出し | 有料ツール の呼び出しが成功 |
Google検索などの有料ツールを利用した場合 |
ナレッジリランキング | リランクサービス を使用して検索されたナレッジベース結果を再ランク付け |
ナレッジベースでリランキング機能を有効にした場合 |
データベース処理 | アップロードしたドキュメントをデータベースの項目に変換し、データベース クエリでグラフを生成 |
ドキュメントをデータベースに抽出し、会話でデータベース機能を使用する時 |
質問認識 | 質問認識 を使用して質問分類と感情分析を実行 |
ログで質問分類機能を有効化した場合 |
LLMサービス利用料
注:以下の料金は「クレジット/1,000トークン」単位で表示しています。
ブランド |
モデル |
入力(GPTBotsキー) | 出力(GPTBotsキー) | 入力(独自キー) | 出力(独自キー) |
---|---|---|---|---|---|
OpenAI | GPT-5.0-400k | 0.1375 | 1.1000 | 0.012500 | 0.1000 |
OpenAI | GPT-5.0-Chat-400k | 0.1375 | 1.1000 | 0.0025 | 0.1000 |
OpenAI | GPT-5.0-Mini-400k | 0.0275 | 0.2200 | 0.0025 | 0.0200 |
OpenAI | GPT-5.0-Nano-400k | 0.0055 | 0.0440 | 0.0005 | 0.0040 |
OpenAI | GPT-4.1-1M | 0.22 | 0.88 | 0.02 | 0.08 |
OpenAI | GPT-4.1-mini-1M | 0.044 | 0.176 | 0.004 | 0.016 |
OpenAI | GPT-4.1-nano-1M | 0.011 | 0.044 | 0.001 | 0.004 |
OpenAI | GPT-4o-mini-128k | 0.0165 | 0.0665 | 0.0015 | 0.006 |
OpenAI | GPT-4o-128k | 0.225 | 1.1 | 0.0225 | 0.11 |
OpenAI | GPT-o3 | 1.1 | 4.4 | 0.1 | 0.4 |
OpenAI | GPT-o4-mini | 0.121 | 0.484 | 0.011 | 0.044 |
OpenAI | GPT-4o-Audio-128k | 4.4 | 8.8 | 0.4 | 0.8 |
OpenAI | GPT-4o-mini-Auido-128k | 1.1 | 2.2 | 0.1 | 0.2 |
DeepSeek | V3 | 0.0157 | 0.0314 | 0.0014 | 0.0029 |
DeepSeek | R1 | 0.0629 | 0.2514 | 0.0057 | 0.0229 |
Gemini-2.5-Flash | 0.011 | 0.066 | 0.0015 | 0.006 | |
Gemini-2.5-Flash(audio input) | 0.11 | 0.066 | 0.01 | 0.006 | |
Gemini-2.5-Flash-Thinking | 0.011 | 0.385 | 0.0015 | 0.035 | |
Gemini-2.5-Pro | 0.275 | 1.65 | 0.025 | 0.15 | |
Anthropic | Claude-3.5-Haiku-200k | 0.028 | 0.138 | 0.003 | 0.003 |
Anthropic | Claude-4.0-Sonnet-200k | 0.33 | 1.65 | 0.03 | 0.15 |
Anthropic | Claude-4.0-Sonnet-Thinking-200k | 0.33 | 1.65 | 0.03 | 0.15 |
Anthropic | Claude-4.0-Opus-200k | 1.65 | 8.25 | 0.15 | 0.75 |
Anthropic | Claude-4.0-Opus-Thinking-200k | 1.65 | 8.25 | 0.15 | 0.75 |
Azure | GPT-5.0-400k | 0.1375 | 1.1000 | 0.012500 | 0.1000 |
Azure | GPT-5.0-Chat-400k | 0.1375 | 1.1000 | 0.0025 | 0.1000 |
Azure | GPT-5.0-Mini-400k | 0.0275 | 0.2200 | 0.0025 | 0.0200 |
Azure | GPT-5.0-Nano-400k | 0.0055 | 0.0440 | 0.0005 | 0.0040 |
Azure | GPT-4.1-1M | 0.22 | 0.88 | 0.02 | 0.08 |
Azure | GPT-4.1-mini-1M | 0.044 | 0.176 | 0.004 | 0.016 |
Azure | GPT-4.1-nano-1M | 0.011 | 0.044 | 0.001 | 0.004 |
Azure | GPT-4o-128k | 0.225 | 1.1 | 0.0225 | 0.11 |
Azure | GPT-4o-mini-128k | 0.0165 | 0.0665 | 0.0015 | 0.006 |
Azure | GPT-4o-Audio-128k | 4.4 | 8.8 | 0.4 | 0.8 |
Azure | GPT-4o-mini-Auido-128k | 1.1 | 2.2 | 0.1 | 0.2 |
Meta | llama-3.0-8b-8k | 0.022 | 0.022 | 0.002 | 0.002 |
Meta | llama-3.0-70b-8k | 0.099 | 0.099 | 0.009 | 0.009 |
Meta | llama-3.1-8b-turbo-128k | 0.022 | 0.022 | 0.002 | 0.002 |
Meta | llama-3.1-70b-turbo-128k | 0.099 | 0.099 | 0.009 | 0.009 |
Meta | llama-3.1-405b-turbo-4k | 0.099 | 0.099 | 0.009 | 0.009 |
Mixtral | open-mistral-7b | 0.028 | 0.028 | 0.003 | 0.003 |
Mixtral | open-mixtral-8x7b | 0.077 | 0.077 | 0.007 | 0.007 |
Mixtral | mistral-small-latest | 0.220 | 0.660 | 0.020 | 0.060 |
Mixtral | mistral-medium-latest | 0.297 | 0.891 | 0.027 | 0.081 |
Mixtral | mistral-large-latest | 0.880 | 2.640 | 0.080 | 0.240 |
Tencent | Hunyuan-lite- 4k | free | free | free | free |
Tencent | Hunyuan-standard-32k | 0.0707 | 0.0786 | 0.0064 | 0.0071 |
Tencent | Hunyuan-standard-256k | 0.2357 | 0.9429 | 0.0214 | 0.0857 |
Tencent | Hunyuan-pro-32k | 0.472 | 1.572 | 0.042 | 0.142 |
Ali | Qwen-3.0-Plus-128k | 0.0126 | 0.0314 | 0.0011 | 0.0029 |
Ali | Qwen-3.0-Plus-Thinking-128k | 0.0126 | 0.2514 | 0.0011 | 0.0229 |
Ali | Qwen-3.0-turbo-1M | 0.0047 | 0.0094 | 0.0004 | 0.0009 |
Ali | Qwen-2.5-Max-32k | 0.3143 | 0.9429 | 0.0286 | 0.0857 |
Ali | Qwen-vl-max-32k | 0.3143 | 0.3143 | 0.0286 | 0.0286 |
Ali | Qwen2.5-72b-128k | 0.0629 | 0.1886 | 0.0057 | 0.0171 |
Ali | Qwen2.0-32b-128k | 0.055 | 0.11 | 0.005 | 0.01 |
Ali | Qwen2.0-7b-128k | 0.0314 | 0.0943 | 0.0029 | 0.0086 |
Ali | Qwen2.0-audio | 0.1 | 0.1 | 0.01 | 0.01 |
Baidu | ERNIE-4.0-8K | 1.76 | 1.76 | 0.16 | 0.16 |
Baidu | ERNIE-3.5-8K | 0.18 | 0.18 | 0.02 | 0.02 |
Baidu | ERNIE-Speed-128K | free | free | free | free |
ZhiPu | GLM-4.5-128K | 0.0314 | 0.0029 | 0.1257 | 0.0114 |
ZhiPu | GLM-4.5-Air-128K | 0.0094 | 0.0009 | 0.0629 | 0.0057 |
ZhiPu | GLM-4.5-X-128K | 0.1257 | 0.0114 | 0.5029 | 0.0457 |
ZhiPu | GLM-4V-Plus-8K | 0.017 | 0.017 | 0.0015 | 0.0015 |
ZhiPu | GLM-4-FlashX | 0.0016 | 0.0016 | 0.0001 | 0.0001 |
Moonshot | Moonshot-128K | 0.9429 | 0.9429 | 0.0857 | 0.0857 |
Moonshot | Moonshot-32K | 0.3771 | 0.3771 | 0.0343 | 0.0343 |
Moonshot | Moonshot-8K | 0.1886 | 0.1886 | 0.0171 | 0.0171 |
DeepSeek | DeepSeek-V3-64K | 0.0157 | 0.0314 | 0.0014 | 0.0029 |
DeepSeek | DeepSeek-R1-64K | 0.0629 | 0.2514 | 0.0057 | 0.0229 |
埋め込みサービスの料金
注:以下の料金は「クレジット/1,000トークン」単位で表示しています。
ブランド |
モデル |
GPTBots キー |
独自キー |
---|---|---|---|
OpenAI | text-embedding-ada-002 | 0.0120 | 0.0010 |
OpenAI | text-embedding-3-large | 0.0156 | 0.0013 |
OpenAI | text-embedding-3-small | 0.0024 | 0.0002 |
リランキングサービスの料金
注:下記の料金は「クレジット/1,000トークン」単位で表記しています。
ブランド |
モデル |
GPTBots キー |
独自キー |
---|---|---|---|
Jina | reranker-v1-base-en | 0.0022 | 0.0001 |
Jina | reranker-v1-turbo-en | 0.0022 | 0.0001 |
Jina | reranker-v1-tiny-en | 0.0022 | 0.0001 |
Baai | bce-rerank | 0.0022 | 0.0001 |
NteEase | bgep-rerank | 0.0022 | 0.0001 |
ASRサービス料金
注:下記の料金は「クレジット/60秒」単位で表記しています。
ブランド |
モデル |
GPTBots キー |
独自キー |
---|---|---|---|
OpenAI | Whisper Large-V2 | 0.66 | 0.06 |
OpenAI | Whisper Large-V3 | 0.88 | 0.08 |
TTSサービスの料金
注:下記の料金は「クレジット/1,000文字」単位で表記しています。
ブランド |
モデル |
プラットフォームキー |
独自キー |
---|---|---|---|
OpenAI | TTS | 1.65 | 0.15 |
Azure | Speech | 1.65 | 0.15 |
Ali | CosyVoice | 0.44 | 0.044 |
Ali | Sambert | 0.22 | 0.022 |
Minimax | Voice | 0.44 | 0.044 |
ベクトルストレージ
注:以下の料金は「クレジット/1,000トークン・1日あたり」で表示しています。
サービス |
チャージ |
---|---|
Vector Storage | 0.001 |
よくある質問(FAQ)
GPTBotsのクレジットとトークンの換算方法は?
OpenAIのLLMサービス「GPT-4.1-1M」を例にすると、GPTBotsキー
を利用した場合、1,000トークンの入力で0.22クレジットを消費します。$10 = 1,000クレジット = 4,545,454トークン(1,000クレジット ÷ 0.22クレジット × 1,000トークン)
言語 | 入力 ≈ 文字数 | 入力 ≈ 単語数 |
---|---|---|
English | 18,000,000文字 | 約3,500,000単語 |
Chinese | 3,000,000~4,500,000文字 | - |
Japanese | 3,000,000~4,500,000文字 | - |
Korean | 3,000,000~4,500,000文字 | - |
French | - | 3,800,000単語 |
German | - | 3,800,000単語 |
Thai | 3,000,000~4,500,000文字 | - |
Russian | - | 3,800,000単語 |
Arabic | - | 3,800,000単語 |
注:
上記は目安となる値です。実際の値はテキスト内容やトークン化方法によって異なる場合があります。
英語などラテン系言語は単語数で、漢字圏(中・日・韓)やタイ語などは文字数でおおよその換算がしやすいです。
トークンの計算方法
OpenAI の LLM サービスにおけるトークンの計算ルールの一例を示します。
言語・文字種 | 1トークン ≒ 文字数 |
---|---|
English | 約4文字 |
Chinese | 1文字(漢字) |
Japanese | ひらがな・カタカナ・漢字1文字 |
Korean | ハングル1文字 |
French/Spanish/German etc. | 3~4文字 |
Russian | 3~4文字 |
Arabic/Hebrew | 3~4文字 |
- 英語:1単語あたり約1.3トークン、1トークンあたり約4文字(スペースや記号も含む)
- 中国語:漢字1文字 ≒ 1トークン(場合によっては1.5トークンになることもありますが、平均で1トークンとみなします)
- 日本語:1トークン ≒ ひらがな・カタカナ・漢字1文字
- 韓国語:1トークン ≒ ハングル1文字(複数文字の合成で1トークンになる場合もあります
- フランス語:1単語あたり約1.2トークン
- ドイツ語:1単語あたり約1.2トークン
- タイ語:1トークン ≒ タイ文字1文字(タイ語はスペースが少ないため、実際のトークン数が多くなる場合があります)
- ロシア語:1単語あたり約1.2トークン
- アラビア語:1単語あたり約1.2トークン
正確なトークン数を知りたい場合は、OpenAI公式の tiktoken ツールを利用して計測することができます。 tiktoken
画像入力時のトークン計算方法
OpenAIのLLMサービスのトークン計算ルールを例に、画像入力時のトークン数がどのように計算されるかを説明します。
- 画像の「幅」と「高さ」(単位:ピクセル)を取得します。例:1024px × 1024px
- 幅・高さをそれぞれ512で割り、「切り上げ」てから掛け算をし、「Tiles(タイル数)」を算出します。
- タイル数を使って、85+170×Tiles の数式でトークン数を計算します。
数式全体:
Python code example:
import math
def calculate_tokens(width, height):
tiles = math.ceil(width/512) * math.ceil(height/512)
tokens = 85 + 170 * tiles
return tokens
# Test
print(calculate_tokens(2000, 500))
たとえば、画像サイズが2000px × 500px
の場合、タイル
数は4×1=4
となり、トークン数は85+170×4=765
となります。