AIは、どれだけ
読める？
その量で、料金は
どう変わる？

最後に、この一文が読めるようになります。

AIと話すときは、いつも文章を入力して、返事を待つだけ。ところが長い資料を渡したり、何時間も作業を続けたりすると、「読める量」「以前の話を覚えているか」「料金」が気になってきます。この3つは関係していますが、同じことではありません。

ここでは、旅行の相談や資料づくりを例に、AIが扱う情報の量を説明します。計算が苦手でも、先に図や具体例を読めば進められます。途中で止めても、左の目次から戻れます。スマートフォンでは冒頭の「目次を開く」を使ってください。

文章を数える、小さな「部品」。

まず、トークンという言葉から始めます。AIは文章を、人間が見る「一文」のままで扱うのではなく、細かな単位に分けて処理します。この単位がトークンです。

たとえば、長いネックレスを小さなビーズに分けて数えるようなものです。ここで大切なのは、1トークンが必ず1文字、または1単語になるわけではないこと。短い単語が一つの部品になることも、単語の途中で分かれることもあります。記号や空白も関係します。

日本語の文字数だけでは、正確に数えられません。

同じ文字数でも、日本語・英語・数字・プログラムのコードでは、トークン数が変わります。使うモデルや、文章を分割する仕組みによっても異なります。「日本語1文字＝必ず何トークン」と決めつけず、正確な量が必要なときは、そのモデルに対応した計測方法を使います。

なお、画像などもモデルに渡すと処理量に数えられる場合があります。この本は、仕組みをつかみやすい文章の例を中心に進めます。

この本のkは1,000倍、Mは1,000,000倍の意味です。コンピューターの容量の説明で見かける「1,024倍」とは分けて考えてください。

関連する公式説明：Text generation、Conversation state

AIに渡すものと、AIが作るもの。

あなたが「京都へ2泊3日で旅行します。予定を考えて」と送ったとします。このAIに渡す情報が「入力」です。AIが返す旅行プランは「出力」です。

「入力」は、最後に打った質問だけではありません。

続けて「雨の日なら？」と聞くとき、AIが旅行の話だとわかるには、前の依頼や旅行プランも必要です。アプリは必要な会話履歴を一緒に渡したり、サービス側に保存した履歴を参照させたりします。

入力には、質問のほかに、読み込んだ資料、アプリが用意した指示、検索結果、ツールの実行結果なども含まれます。自分の質問が短くても、AIに渡る情報全体は大きいことがあります。

出典：Conversation state、Reasoning models

今の作業に広げておける「机」。

コンテキストは、AIが今の回答を作るために参照する情報です。日本語では「文脈」と訳されますが、AIの説明では「今の依頼に使う情報一式」と考えるとわかりやすくなります。

コンテキスト・ウィンドウは、その情報と生成に使うトークンを収められる上限です。机にたとえるなら、同時に広げて作業できる広さに当たります。資料が棚に何千冊あっても、机の上に全部広げられるとは限りません。

「1Mのコンテキスト」と聞いても、いつでも100万トークンの資料を丸ごと入れ、その上で長い回答を追加できるとは限りません。入力だけでなく、出力や推論に使う分も考える必要があります。

机の広さと、読み解く力は別です。

大きな机なら、複数の契約書や長い設計資料を同時に扱いやすくなります。でも、机が広いだけで、資料の矛盾を必ず見つけられるわけではありません。「収まる量」と「正確に理解して使えるか」は別に確認します。

出典：Conversation state — context window

机の上と、保管ノートを分けて考える。

人間は「前に話したことを覚えている」と、ひとまとめに言います。しかし、AIアプリで「覚えている」ように見える理由はいくつかあります。ここを分けると、「メモリーを使えばコンテキストは無限になるの？」という疑問も解けます。

たとえば、「説明は日本語で、初心者向けにしてほしい」という好みをノートに保存しておきます。次の相談でアプリがその情報を取り出し、AIへの指示に加えれば、以前の好みを踏まえた回答になります。

この場合も、取り出して今回の入力に入れた情報は、その分のコンテキストを使います。ノートがあるから机の広さが無限になるわけではありません。また、保存されている情報が毎回すべて取り出されるとも限りません。

この教材では、メモリーを「外に保存して、必要なときに取り出す情報」として説明しています。AIが人間と同じ仕組みで記憶している、という意味ではありません。

製品ごとの実例：OpenAI公式 Memories。表と保管ノートの図式は、用語を区別するための教育上の整理です。

短い質問を続けても、入力は大きくなります。

旅行の相談を続けてみましょう。1回目に条件を伝え、2回目に雨の場合を聞き、3回目に予算を追加します。前の条件を引き継ぐには、以前の情報を今回も使う必要があります。

あなたが新しく打った文章は短くても、AIが参照する会話全体は長くなっています。そのため、入力の量は「今回の質問の長さ」だけでは判断できません。

一度読んだ資料は、次から無料になるのでしょうか。

APIでは、以前の情報を再び入力として使うと、その情報も料金の対象になり得ます。会話を継続するための仕組みを使っただけで、履歴の入力料金がなくなるわけではありません。一方、同じ部分の処理を再利用して、安い単価を使える場合があります。これを後で説明する「キャッシュ」と呼びます。

出典：Conversation state、Prompt caching

机がいっぱいになる前に、引き継ぎメモを作る。

コンパクト（compaction）は、会話を続けるため、これまでの情報をより短い形に整理する処理です。自動で行うものを「オートコンパクト」「自動コンパクト」と呼びます。

たとえば、旅行の相談が何十往復にもなったら、「京都2泊3日・予算5万円・雨天用の案も必要・最終日は夕方に帰る」と引き継ぎメモを作ります。そのメモと最近の会話を机に残せば、次の相談に使う余地を作れます。

実際の圧縮は、人間が読む短い要約文だけとは限りません。モデル用の圧縮された状態を使う場合もあります。ここでは「引き継ぎメモ」としてイメージしてください。

便利ですが、原文が完全に残るわけではありません。

短く整理すると、重要な条件は引き継げても、途中の細かな表現や、却下した案の理由まで保てるとは限りません。元の会話を画面で読める場合でも、モデルが次に使う情報は短い形に変わっていることがあります。

正確な引用が必要な文章や、変更してはいけない数値は、元の資料を参照できる形で残してください。「AIが覚えているはず」に頼るより、必要な箇所を再び確認できる方が確実です。

出典：Compaction、Codex設定リファレンス、Prompt caching。129,200はこの環境で選んだ設定値です。

ここからは「使った量に応じた料金」の話です。

API（エーピーアイ）は、プログラムからAIに処理を依頼するための窓口です。たとえば、自作の翻訳アプリが文章をAIへ送り、返ってきた翻訳を画面に表示する。その受け渡しに使います。

レストランにたとえるなら、ChatGPTのようなアプリは注文画面や席まで整ったお店。APIは、自分で作ったサービスから調理を依頼する窓口に近いものです。ただし実際の契約内容はサービスによって異なります。

「100万トークンあたり」は、料金の単位です。

「入力100万トークンあたり10ドル」は、100万トークン単位で購入しなければならないという意味ではありません。計算上は、使ったトークン数に比例させます。たとえば10万トークンなら100万の10分の1なので、単価10ドルの場合は1ドルです。

出力にも別の単価があります。入力の計算と出力の計算をして、最後に合計します。1回の依頼には、読むための料金と、生成するための料金があると考えるとわかりやすいでしょう。

キャッシュは、同じ部分の処理を再利用する仕組み。

キャッシュは、前に処理した入力の一部を再利用するための仕組みです。たとえば毎回同じ資料から始まる依頼なら、条件が合うと、その先頭部分の処理を再利用できます。記憶ノートというより、同じ作業を繰り返すときの準備済みデータに近いものです。

キャッシュは、AIがあなたを長期的に覚えるメモリー機能ではありません。キャッシュされた入力もコンテキストを使い、料金の判定対象から消えるわけではありません。条件が合う部分に、キャッシュ用の料金区分が適用されます。

出典：GPT-6 Astraの料金仕様、Prompt caching

272kを超えると、「今回の単価表」が変わります。

いよいよ最初の疑問です。GPT-6 AstraのAPI・Standardでは、1回の入力が272,000トークンを超えると、そのリクエスト全体に長いコンテキスト用の単価が適用されます。

2026年9月23日確認。出典：OpenAI公式 GPT-6 Astraモデル仕様。処理方式や追加サービスなどで条件は変わります。

「超えた1トークンだけ2倍」ではありません。

荷物の配送で、ある大きさを超えると荷物全体が「大型サイズ」の料金区分になる、と考えてください。大きさを超えた端の部分だけに追加料金をつける仕組みとは違います。

同じように、この料金境界では、その1回に含まれる入力全体の単価が変わり、さらにその1回の出力単価も変わります。ただし、以前のリクエストにさかのぼって値上げされるという意味ではありません。

比較条件：どちらも課金対象の出力10,000トークン、キャッシュ読み込み・書き込みなし、Standard。税・ツール料金などは含めません。金額は比較用の計算値です。

料金が「必ず2倍」になるわけでもありません。

入力は2倍、出力は1.5倍なので、合計の変化は入力と出力の割合で変わります。上の比較では、合計は約1.92倍です。「全体に長いコンテキスト用の単価が適用される」と「合計金額が一律2倍になる」を区別してください。

キャッシュを使う場合も、通常入力・キャッシュ読み込み・キャッシュ書き込みに分かれた入力全体で境界を考えます。キャッシュになった分を引いて272k以下と判定する計算にはしません。

数字を動かして、料金の変わり方を確かめよう。

まず「272,000」と「272,001」のボタンを交互に押してください。出力の量を変えなくても、入力の境界を超えると出力料金まで変わることがわかります。

おすすめの試し方

1. 境界を見る：初期値のまま「272,001」を押す。入力・出力の両方が変わります。
2. 合計との違いを見る：入力を270,000、出力を10,000にする。長いコンテキスト用の単価にはなりません。
3. キャッシュを見る：入力300,000、読み込み200,000、書き込み0、出力10,000にする。合計は$3.15000です。安い読み込み単価を使えても、判定は300,000の入力全体です。

1Mに対応しているのに、なぜ表示は258k？

ここまで来ると、二つの数字を分けて読めます。モデルが扱える最大量と、アプリが通常の作業に割り当てる量です。大きな会議室が使える施設でも、日常の打ち合わせでは小さな部屋を使うことがある、と考えてください。

この環境のモデル情報には、別に最大枠872,000も記録されていました。ただし、これとAPI仕様1,050,000との差の内訳や、今のタスクでその枠を利用できるかは、この数値だけでは確定できません。設定値が存在することと、実際にその容量で動作することは分けて確認します。

なぜ日常の枠を小さくするのか。

確認できた事実 API料金が切り替わる入力の境界は272kで、この環境の通常枠も272kでした。公式仕様上、モデルの最大容量は1.05Mです。

ここからは推測 大きな情報を毎回処理する負担を抑え、日常的な使いやすさと費用を両立するために、通常枠を小さめにする設計は合理的です。ただし、「料金が理由でこの既定値を選んだ」とOpenAIが説明した資料は、この教材の調査では確認できていません。二つの境界が一致することだけでは、設計意図の証明にはなりません。

大きな枠には、長い原文を同時に比べられる利点があります。小さめの枠と圧縮を組み合わせる方法には、情報量を管理しながら作業を続けられる利点があります。どちらが合うかは、原文の細部をどれだけ同時に必要とするかで変わります。

出典：GPT-6 Astra公式仕様、設定リファレンス。272,000・95%・872,000は2026年9月23日の制作者のCodex環境で読み取った値で、全ユーザー共通の保証値ではありません。

自分の作業に当てはめてみましょう。

引き継ぎメモに残すと役立つこと

これは内容整理の例です。保存場所を決め、実際に保存されたことまで確認して初めて、次回使える引き継ぎになります。

4問で、理解を確かめる

間違えても問題ありません。答え合わせで理由を読んでください。

用語を引き直す・公式資料で確かめる。

公式資料

確認日：2026年9月23日。以下のリンクを開くとインターネットに接続します。教材本体の閲覧・図・計算はオフラインで使えます。

1. GPT-6 Astra — モデル仕様と料金
   1,050,000のコンテキスト、128,000の最大出力、Standard単価、272k超の倍率。
2. Conversation state — 会話状態とコンテキスト
   会話の引き継ぎ、入力・出力・推論と容量の関係。
3. Text generation — テキスト生成
   モデルへの入力と生成の基本。
4. Reasoning models — 推論モデル
   内部の推論と出力・利用量の考え方。
5. Prompt caching — キャッシュ
   入力の先頭部分の一致、読み込み・書き込み、圧縮による影響。
6. Compaction — 文脈の圧縮
   長い処理を続けるための圧縮状態。
7. Configuration Reference — Codex設定
   コンテキスト枠と自動コンパクトの閾値は別設定。
8. Memories — 保存して再利用する情報
   アプリのメモリー機能についての製品別説明。

料金や製品仕様は更新されます。実際にAPIを利用するときは、利用するモデル・処理方式・その時点の公式料金を確認してください。このHTMLは、保存時点の説明を自動更新するものではありません。