Codex コスト最適化2026：API料金を抑え品質を維持

# 前提条件
システムプロンプト: 3,000 tokens（固定部分）
ユーザーメッセージ: 500 tokens（毎回変化）
出力: 1,000 tokens
モデル: gpt-4o
月間リクエスト数: 1,000件

Input: (3,000 + 500) × 1,000 = 3,500,000 tokens
Input コスト: 3.5M × $2.50 / 1M = $8.75

Output: 1,000 × 1,000 = 1,000,000 tokens
Output コスト: 1M × $10.00 / 1M = $10.00

月間合計: $18.75

Input（通常）: (3,000 + 500) × 200件 = 700,000 tokens → $1.75
Input（キャッシュ済）: 3,000 × 800件 = 2,400,000 tokens → $3.00（$1.25/1M）
Input（非キャッシュ部分）: 500 × 800件 = 400,000 tokens → $1.00
Output: 変わらず $10.00

月間合計: $15.75 → 約16%削減

import openai

response = openai.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": user_message},
    ],
)

# usage オブジェクトでキャッシュ状況を確認
usage = response.usage
print(f"Prompt tokens: {usage.prompt_tokens}")
print(f"Cached tokens: {usage.prompt_tokens_details.cached_tokens}")
print(f"Cache hit rate: {usage.prompt_tokens_details.cached_tokens / usage.prompt_tokens:.1%}")

import json
import openai

client = openai.OpenAI()

# 1. バッチリクエストファイルを作成
requests = [
    {
        "custom_id": f"review-{i}",
        "method": "POST",
        "url": "/v1/chat/completions",
        "body": {
            "model": "gpt-4o-mini",
            "messages": [
                {"role": "system", "content": "コードレビューをしてください。"},
                {"role": "user", "content": code_snippet},
            ],
        },
    }
    for i, code_snippet in enumerate(code_snippets)
]

# JSONL ファイルに書き出し
with open("batch_requests.jsonl", "w") as f:
    for req in requests:
        f.write(json.dumps(req, ensure_ascii=False) + "\n")

# 2. ファイルをアップロード
batch_file = client.files.create(
    file=open("batch_requests.jsonl", "rb"),
    purpose="batch",
)

# 3. バッチジョブを作成
batch = client.batches.create(
    input_file_id=batch_file.id,
    endpoint="/v1/chat/completions",
    completion_window="24h",
)

print(f"Batch ID: {batch.id}")

月間1,000リクエストを Batch API に移行した場合：

同期API月間コスト: $18.75
Batch API 月間コスト: $9.38（50%削減、公式値）
月間削減額: $9.37

def route_model(task_type: str, code_length: int) -> str:
    """タスク種別とコード長に基づいてモデルを選択する"""
    complex_tasks = {"architecture", "security_audit", "complex_refactor"}

    if task_type in complex_tasks:
        return "o4-mini"
    elif code_length > 500:
        return "gpt-4o"
    else:
        return "gpt-4o-mini"

model = route_model("code_review", len(code_snippet))
response = client.chat.completions.create(model=model, ...)

タスク: 500行コードのレビュー（Input: 約3,000 tokens、Output: 約800 tokens）

gpt-4o:      $0.0075 + $0.0080 = $0.0155/件
gpt-4o-mini: $0.00045 + $0.00048 = $0.00093/件
→ gpt-4o-mini は gpt-4o の約1/17のコスト（公式料金から計算）

あなたは経験豊富なソフトウェアエンジニアです。
コードレビューを行う際は、以下の点に注意してください：
1. コードの品質について確認してください
2. バグがないかチェックしてください
3. セキュリティ上の問題がないか確認してください
4. パフォーマンスに問題がないか確認してください

コードレビュアー。品質・バグ・セキュリティ・パフォーマンスを簡潔に指摘。

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=messages,
    max_tokens=500,  # 必要十分な上限を設定
    response_format={"type": "json_object"},  # 構造化出力でパース処理も削減
)

OPTIMIZED_SYSTEM_PROMPT = """コードレビュアー。JSON で出力:
{"issues": [{"line": 行番号, "severity": "high|medium|low", "message": "説明"}]}

例:
{"issues": [{"line": 12, "severity": "high", "message": "SQLインジェクションの危険"}]}"""

import openai
from datetime import date, timedelta

client = openai.OpenAI()

def get_daily_cost(target_date: date) -> dict:
    """指定日のコスト・トークン使用量を取得する"""
    # OpenAI Usage API: https://platform.openai.com/docs/api-reference/usage
    usage = client.usage.completions(
        start_time=int(target_date.strftime("%s")),
        end_time=int((target_date + timedelta(days=1)).strftime("%s")),
        group_by=["model"],
    )
    return usage

import requests

def send_daily_cost_report(cost: float, threshold: float = 10.0):
    """日次コストが閾値を超えたら Slack に通知する"""
    if cost > threshold:
        requests.post(
            SLACK_WEBHOOK_URL,
            json={"text": f"OpenAI 日次コストアラート: ${cost:.2f} (閾値: ${threshold})"},
        )