はじめに

こんにちは！さくらインターネットさんが提供する**「さくらのAI Engine」**の3,000リクエスト使い切りチャレンジ（開催期間：2026年7月14日〜8月25日）に参加してみました。

OpenAIやAnthropic互換のAPIが月3,000リクエストまで無償（Chat completions対象）、しかも基盤モデル無償プランでは超過しても自動課金されず、レート制御がかかるだけという、個人開発者や検証勢にとって非常にありがたい仕様です。コストや請求の不安を一切気にせず、思い切りコードやプロンプトを叩きまくれる環境を試してみました！

今回は、手元のObsidianに蓄積してきたプロンプト資産やPythonスクリプトをベースに、「さくらのAI Engine」へ接続して各種検証を行ったログをご紹介します。

1. 「さくらのAI Engine」の魅力とセットアップ

最大のメリットはなんといっても以下の点です：

OpenAI互換の馴染み深いインターフェース：普段使っているPythonの openai ライブラリなどの base_url を切り替えるだけでそのまま動く。
安心の無償枠（Chat completionsは月3,000リクエスト）：トークン数ではなく「リクエスト数」ベースでカウントされるため、試行錯誤やループ処理のテストにも最適。
基盤モデル無償プランなら自動課金なし：無償枠を超えてもレート制御がかかるだけで、うっかり予算超過する心配がありません（従量課金プランは別枠で、超過分は10,000トークン／60秒単位で課金される点は注意）。

⚠️ 事前準備の注意点：無償枠のみを使う場合でも、さくらのクラウドのアカウント要件としてクレジットカード登録が必須です。無料枠の利用だけで課金が発生することはありませんが、登録自体はスキップできません。

接続確認用 Python スクリプト

公式のエンドポイントと取得したAPIキーを設定し、さくらのAI Engine経由でレスポンスが返ってくることを確認する最小限のコードです。

import os
from openai import OpenAI

# さくらのAI Engineの認証情報・エンドポイント設定
# APIキーは「ID:シークレット」形式の文字列を環境変数等から読み込む
# （コントロールパネルで発行されるトークンをそのまま利用）
client = OpenAI(
    api_key=os.environ.get("SAKURA_AI_API_KEY"),  # 例: "xxxxxxxx-xxxx-....:シークレット文字列"
    base_url="https://api.ai.sakura.ad.jp/v1/"
)

response = client.chat.completions.create(
    model="gpt-oss-120b",  # 基盤モデル無償プラン対象モデルの一例
    messages=[
        {"role": "system", "content": "あなたは優秀なアシスタントです。"},
        {"role": "user", "content": "さくらのAI Engineの3,000リクエストチャレンジへようこそ！調子はいかがですか？"}
    ],
    temperature=0.7,
)

print(response.choices[0].message.content)

基盤モデル無償プランでChat completionsとして無料利用できる主なモデルは以下の通りです（2026年8月時点）。

モデル	用途
gpt-oss-120b	汎用チャット
Qwen3-Coder-480B-A35B-Instruct-FP8	コーディング特化（大規模）
Qwen3-Coder-30B-A3B-Instruct	コーディング特化（軽量）
llm-jp-3.1-8x13b-instruct4	日本語特化

なお、無償枠はサービスごとに別カウントです。Chat completionsは月3,000リクエストですが、Audio transcription／Audio speech（VOICEVOX）は月50リクエスト、Embeddingsは月10,000リクエストとなっています。

2. Obsidianのプロンプト資産 × AI Engine で何を作ったか？

日頃からObsidianで管理している「プロンプトエンジニアリングの知見（出力制御やハルシネーション抑制の仕組み）」を活かし、今回のAI Engine環境で以下の検証を行いました。

多段階プロンプトチェーンの連続実行テスト
1つのタスクに対して、思考・検証・出力フォーマット整形を複数のAPIコール（チェーン）で行う処理。通常の有料APIだとコストが気になるところですが、3,000リクエストの無償枠があるので、細かいステップに分けて何度でもリトライ・改善を回せました。
自動要約・情報抽出スクリプトの組み込み
ローカルのテキストやマークダウンファイルを読み込ませ、構造化されたサマリーを出力するバッチ処理。

3. 使ってみた感想・ここがよかった！

移行のシームレスさ：コード側で特別なラッパーやSDKを入れる必要がなく、既存のOpenAI互換コードがそのまま動いたため、セットアップから実検証まで10分足らずで完了しました。
安心して回せる検証ループ：「無償枠内なら超過しても課金されずレート制御で止まる」という安心感は、エージェントの自律ループや複数回の試行錯誤を伴うプロンプト検証において圧倒的な心理的安全性をもたらしてくれます。
レスポンスの安定性：国内基盤ならではの安心感とスムーズな応答速度で、ストレスなく開発に没頭できました。

まとめ

「さくらのAI Engine」の3,000リクエスト使い切りチャレンジは、個人開発やAIアプリのプロトタイピング、プロンプトの網羅的テストを行う上でこれ以上ない環境でした。

「コストを気にせず、まずは触ってみたい」「手元のスクリプトやエージェントと組み合わせて試してみたい」というエンジニアにとって最高の無償トライアルです。皆さんもぜひ、お気に入りのツールやプロンプトを組み合わせて「使い倒して」みてください！