はじめに

前回の記事では、娘向けの学習支援アプリを作り始めたところまでを書きました。

今回は、実際に使い始めてから気になった Gemini API のコスト の確認です。

個人開発、しかも家庭内で使うツールなので、なるべくお金はかけたくありません。Vercel、Supabase、GitHub Actions は無料枠で進めています。

ただ、AI の評価部分だけは API 利用料がかかります。

そして、ひらがな評価を何回か動かしたあとに Google Cloud の請求を確認しました。

実測では2回で15円だった

Google Cloud の請求データを見ると、ひらがな評価 2回で約15円 かかっていました。

つまり、1回あたり約7.5円です。

内容	値
対象	ひらがな・カタカナ評価
実行回数	2回
請求額	約15円
1回あたり	約7.5円

まあそのくらいしますよね、。
ただ、毎日使う前提で見ると少し印象が変わります。

月単位で見ると少し気になる

1回7.5円として、30日使った場合をざっくり計算します。

1日あたりの利用回数	月間コスト
1回	約225円
3回	約675円
5回	約1,125円
10回	約2,250円

現時点で動いているのは、主にひらがな・カタカナ評価です。

ただ、このアプリでは英会話とピアノも評価したいと思っています。3科目を毎日使うようになると、月に数百円から千円台くらいは普通に見えてきます。

もちろん、月数百円なら高くないと言えば高くないです。

でも、家庭内ツールとして継続的に使うなら、毎回のコスト感はちゃんと把握しておきたいと思いました。

使っていたモデル

この時点で、ひらがな評価に使っていたモデルは gemini-3.1-pro-preview です。

公式料金を見ると、2026年6月29日時点で gemini-3.1-pro-preview はプロンプトが20万トークン以下の場合、以下の単価です。

区分	料金
入力	$2.00 / 100万 tokens
出力	$12.00 / 100万 tokens

出力料金には、思考トークンも含まれます。

ここを最初に見落としていました。

参考: Gemini API pricing

単純計算だと1回1円台になる

まずは、普通に入力と出力だけで計算してみます。

1回のひらがな評価では、だいたい以下のようなトークンを使っている想定です。

内容	推定トークン数
評価プロンプト	約1,900 tokens
入力画像	約560 tokens
出力 JSON	約300 tokens

この場合、入力は約2,460 tokens、出力は約300 tokens です。

入力  2,460 tokens × $2.00 / 1,000,000 = $0.00492
出力    300 tokens × $12.00 / 1,000,000 = $0.00360
合計                                      = $0.00852

1ドル155円で計算すると、約1.3円です。

でも、実測は約7.5円でした。

単純計算と実測が、けっこうズレています。

原因はたぶん思考トークン

この差を見て、最初は画像トークンの見積もりが違うのかなと思いました。

もちろん、それも多少はありそうです。スマホで撮った写真なので、画像サイズや内部的な処理によってトークン数が変わる可能性はあります。

ただ、いちばん大きそうなのは 思考トークン でした。

gemini-3.1-pro-preview の出力料金は、公式料金ページでも「思考トークンを含む」とされています。

つまり、画面に返ってくる JSON が300 tokens 程度だったとしても、モデルが内部で考えるために使ったトークンがあれば、それも出力側として課金されます。

ひらがな評価は、ただ文字を読むだけではありません。

お手本文字と手書き文字を区別する
文字の形を比べる
とめ・はね・はらいを見る
5〜6歳の書き方として自然な範囲か判断する
子ども向けのフィードバックに変換する

こう考えると、内部でそれなりに推論していても不思議ではありません。

思考トークン込みで逆算する

仮に、思考トークンを3,000 tokens として計算してみます。

出力は、通常の JSON 300 tokens に思考トークン 3,000 tokens を足して、約3,300 tokens とします。

入力  2,460 tokens × $2.00 / 1,000,000 = $0.00492
出力  3,300 tokens × $12.00 / 1,000,000 = $0.03960
合計                                      = $0.04452

1ドル155円で計算すると、約6.9円です。

実測の約7.5円にかなり近くなりました。

ケース	1回あたり
入出力だけで単純計算	約1.3円
思考トークン込みで推定	約6.9円
実測	約7.5円

もちろん、思考トークン数は実測できているわけではありません。

ただ、実測値との差を考えると、今回のコスト増は思考トークンの影響がかなり大きそうだと見ています。

ここから何を削るか

コストを下げる方法はいくつかあります。

対策	期待できること	気になること
モデルを変える	単価を下げられる	評価精度が落ちる可能性がある
思考トークンを制限する	出力側のコストを抑えられる	判断が雑になる可能性がある
画像をリサイズする	入力トークンを抑えられる	小さくしすぎると文字が読みにくい
プロンプトを短くする	入力トークンを少し減らせる	評価基準がぶれる可能性がある

今回の用途では、単に安くなればよいわけではありません。

娘に返す評価なので、精度が落ちすぎると意味がありません。特に、ひらがな・カタカナは「読めるか」だけでなく、「どこを直すとよいか」を見たいです。

なので、やるならこの順番かなと思っています。

画像サイズを調整して、評価が変わらない範囲を探す
プロンプトを短くしても評価が安定するか見る
thinkingBudget を設定して、コストと精度の差を見る
Flash 系のモデルに変えて、同じ画像で比較する

前に調べた限りでは、ひらがな・カタカナの画像認識では Flash 系もかなり強そうでした。

なので、単純に Pro を使い続けるのではなく、実データで比べる必要がありそうです。

まとめ

今回わかったのは、AI API のコストは、画面に返ってくる文字数だけでは見積もれない ということです。

特に Thinking 系のモデルでは、内部の思考トークンが出力料金に含まれます。

今回のひらがな評価では、単純計算だと約1.3円でしたが、実測では約7.5円でした。思考トークンを含めて考えると、この差はかなり説明できそうです。

家庭内ツールでも、毎日使うものになると小さな単価差が効いてきます。

次回は、画像サイズ、プロンプト、thinkingBudget、モデル変更を実際に試して、どこまでコストを下げられるかを見ていきます。