LLM API TutorialGetting StartedAPI Beginner Guide

LLM API入門ガイド：最初の呼び出しから本番運用まで

Q: アプリを書き直さずに後でモデルを切り替えられますか？

はい。OpenAI SDKパターンを使っていれば、model= パラメータを1つ変えるだけです。集約プラットフォームならさらに簡単——すべてのモデルが同じエンドポイントで利用できます。コードを書き換えるのではなく、設定1行で本番の新モデルをテストできます。 最初のLLM API呼び出しは10行でした。本番チェックリストは8項目。その間を埋めるのは経験です——そして最も早く埋める方法は、別のモデルで、同じSDKで、2回目の呼び出しを送り、応答がどう分岐するかを見ることです。 さあ始めましょう：ターミナルを開いて、上の「最初のAPI呼び出し」のPythonの10行例を貼り付け、"deepseek-v4-flash" を "gpt-5.5" に変更し、両方送ってみてください。レイテンシ、出力スタイル、コストを比較しましょう。これは、どんな料金表よりもモデル選択について多くを学べる5分の演習です。 最初の比較呼び出しを送る——1つのエンドポイント、すべての主要モデル、初期費用ゼロ。

2026年7月27日約1分

あなたはコードを書けます。LLM APIのことは聞いたことがあります。ドキュメントを読もうとしましたが、タブを閉じてしまいました。「トークン数」「コンテキストウィンドウ」「Temperature」「システムプロンプト」。GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro——スターウォーズのドロイドを思わせるモデル名。どのチュートリアルもこれらの用語を投げかけてくるだけで、意味を説明してくれません。どれも読者がすでに知っている前提です。それでスニペットをコピペする。動きます——なんとなく。なぜ動くのか分かりません。微調整もできません。本番に出すのが安全かどうかも分かりません。あるAPI呼び出しは次のものとそっくりですが、不可解なエラー、文字化けした応答、想定外の請求書に出くわすまでは。

このガイドはゼロから始めます。前提知識は不要。説明のない専門用語もありません。「APIキーとは何か」から「アプリを本番で動かす」まで、すべての概念に動作するコードが付いています。すべてのコードブロックはコピペすれば実行できます。読み終わる頃には、最初の本格的なLLMアプリが完成し、なぜ動くのかも正確に理解できているはずです。

LLM APIとは何か——実際にはどう動くのか

30秒バージョン。 LLM APIはHTTPエンドポイントです。テキストを送ると、テキストが返ってきます。エンドポイントの背後では、大規模言語モデル——数十億の文書で学習したニューラルネットワーク——がGPUクラスター上で動いています。モデルが内部でどう動くかを理解する必要はありません。車の運転に燃料噴射の仕組みを知る必要がないのと同じです。

コードが client.chat.completions.create() を呼び出したときに起こること：

Your code —HTTP POST to api.tokspan.com/v1 —GPU cluster processes your text —JSON response —your code

往復時間は通常1〜5秒。送ったテキスト量と使用モデルによって異なります。

トークンであって、単語ではない。 LLMは単語ではなくトークンで数えます。英語では1トークン≈0.75単語。「The quick brown fox」は4単語ですが5トークンです。1,000単語の記事はおよそ1,300トークン。これは重要です。料金はトークン単位だからです。入力トークン（送信するテキスト）は出力トークン（モデルが生成するテキスト）より安くなります。200トークンのプロンプトと500トークンの応答の典型的なAPI呼び出しは、最安モデルで約$0.0001、最高価格モデルで約$0.015です。

コンテキストウィンドウ——モデルが「見る」ことができる量。 各モデルには最大入力サイズがあり、トークンで測られます。2026年現在、主要なフラッグシップモデルは100万トークン——約75万単語、ロード・オブ・ザ・リング三部作全体——をサポートします。会話履歴＋システムプロンプト＋ユーザーメッセージがこの制限を超えると、APIはエラーを返します。古いメッセージを削るか、会話を要約して対応します。

Temperature——モデルがどれだけ「創造的」か。 Temperatureは0から2の範囲です。0ではモデルは常に最も確率の高い次のトークンを選びます——決定的で予測可能、コードや事実ベースの回答に最適です。1ではより広くサンプリングします——多様性があり、創作に最適。2では予測不能になります——ブレインストーミングにはたまに便利、たいていは変なだけ。多くのAPIのデフォルトは1.0。そこから始めましょう。

システムメッセージとユーザーメッセージ。 すべてのAPI呼び出しにはmessages配列があります。「system」メッセージはモデルの振る舞いを設定します：「あなたは親切なコーディングアシスタントです。TypeScriptで回答してください。応答は100語以内にしてください。」「user」メッセージは実際の質問またはリクエストです。モデルは両方に基づいて応答します。

OpenAI互換標準。 2020年には、LLM APIはそれぞれ異なる形式でした。2026年には、90%がOpenAIのChat Completions API形式に従っています——/v1/chat/completions に model、messages、temperature パラメータ。つまり、OpenAI Python SDKをほぼすべてのプロバイダーで使えます。変更するのは base_url と api_key の2行だけです。この標準化は初心者にとって最も重要な理解ポイントです——特定のプロバイダーに縛られないからです。

最初のモデル選び：考えすぎない

モデルの世界は圧倒的です——2026年半ば時点で180以上の選択肢。ここではそれを切り抜けるための判断フレームワークを紹介します。

無料から始める。限界に当たったら上げる。

無料枠：Google AI Studio の Google Gemini 2.5 Flash（1日1,500リクエスト、クレジットカード不要）。Groqの無料枠（Llama 3.3 70B、毎秒300トークン）。GLM-4.7 Flash（永久無料、128Kコンテキスト）。ここから始めましょう。プロトタイプを作り、アイデアを検証します。
低価格帯（100万トークンあたり$0.10〜$0.50）：DeepSeek V4 Flashが定番——$0.14/$0.28、コーディング品質はGPT-4oに1ポイント差。月$10未満で、数千の会話を処理する本番チャットボットを運用できます。
高性能帯（100万トークンあたり$2〜$30）：GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro。最大の推論深度が求められるタスクや、誤答のコストがAPI呼び出しよりも高い場合に使います。

初心者向けのクイックモデル推奨：

作るもの	最初に使う	理由
チャットボット	DeepSeek V4 Flash	$0.14/M、自然な会話を処理
コード生成	DeepSeek V4 Pro	92% HumanEval、$0.44/M
文書分析	Gemini 2.5 Flash	1Mコンテキスト、無料枠あり
ライティング支援	GPT-5.4 Mini	$0.75/M、散文品質が高い
とりあえず試す	Gemini Flash（無料）	ゼロコスト、ゼロ設定、1日1,500リクエスト

初心者にとっての集約プラットフォームの利点。 各モデルを直接プロバイダーから使うには、それぞれアカウント作成が必要です。各サービスに地域要件、検証ステップ、最低入金があります。集約プラットフォームなら、1つのアカウント、1つのAPIキーで、上の表のすべてのモデル（無料のものも含む）にアクセスできます。GPT-5.5、Claude、Geminiを、3つのアカウント作成や最低入金$15なしで並べて試せます。「興味がある」から「応答を得た」までの5分ルートです。

最初のAPI呼び出し：Python + Node.js

Python——10行。

# Install: pip install openai
from openai import OpenAI

client = OpenAI(
    base_url="https://api.tokspan.com/v1",
    api_key="ts-your-key-here"  # Get yours at api.tokspan.com/sign-in
)

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "You are a helpful assistant. Keep answers under 50 words."},
        {"role": "user", "content": "What is an API key?"}
    ]
)

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

Node.js——10行。

// Install: npm install openai
import OpenAI from 'openai';

const client = new OpenAI({
    baseURL: "https://api.tokspan.com/v1",
    apiKey: "ts-your-key-here"
});

const response = await client.chat.completions.create({
    model: "deepseek-v4-flash",
    messages: [
        { role: "system", content: "You are a helpful assistant. Keep answers under 50 words." },
        { role: "user", content: "What is an API key?" }
    ]
});

console.log(response.choices[0].message.content);

応答オブジェクトを理解する。 使う主なフィールド：

response.choices[0].message.content ——モデルのテキスト応答（ユーザーに表示するもの）
response.choices[0].finish_reason ——停止理由："stop"（自然に終了）、"length"（max_tokens到達）、"content_filter"（安全フィルターで遮断）
response.usage.prompt_tokens ——入力が消費したトークン数
response.usage.completion_tokens ——出力が消費したトークン数
response.usage.total_tokens ——両方の合計

初心者のよくあるエラーとその意味：

エラー	原因	対処
`401 Unauthorized`	APIキーが不正または未設定	キーを確認。期限切れでないかも確認。
`429 Too Many Requests`	レート制限に到達	速度を落とす。バックオフ付きリトライを実装。
`403 Forbidden`	地域が未対応またはキーに権限がない	集約エンドポイントでより広いアクセスを利用。
`500 Internal Server Error`	プロバイダー側の問題	バックオフしてリトライ。続くならモデルを変更。
`context_length_exceeded`	入力が長すぎる	会話履歴を削るか、より大きなコンテキストのモデルを使う。

$500の請求書に驚く前に料金を理解する

最初のAPI呼び出しが成功した後、すべての開発者が抱く疑問：「これはいくらかかるのか？」

トークン料金の仕組み。 各モデルは入力トークン（送信するテキスト——プロンプト、会話履歴、システムメッセージ）と出力トークン（モデルが生成するテキスト）を別々に課金します。入力トークンは計算が少なくて済むため安くなります。出力トークンはモデルが1つずつ生成するため高くなります。

GPT-5.5（入力$5.00/M、出力$30.00/M）の例：500入力トークンと1,000出力トークンのリクエストは、(500/1,000,000 × $5) + (1,000/1,000,000 × $30) = $0.0025 + $0.03 = $0.0325。

初心者を驚かせる隠れコスト。 推論トークン——GPT-5.5やClaude Opusなどのモデルが応答前に生成する内部の思考——は出力レートで課金されますが、応答には表示されません。表示される出力トークンが500のリクエストでも、裏で1,500の推論トークンを消費していることがあります。$0.015のリクエストが実際には$0.045になるわけです。

プロンプトの長さの肥大化ももう一つの静かなコスト要因です——200トークンの「単純な分類」プロンプトが、例を追加するうちに2,500トークンに膨らみます。月に一度プロンプトを監査しましょう。

コスト見積もり。 目安：リクエストあたりの平均トークン数（入力＋出力）を求め、1日のリクエスト数と掛け合わせ、全モデルの料金比較ガイドの料金表で月額コストを計算します。DeepSeek V4 Flashで1日200会話・各1,500トークンのチャットボットは月約$2.50。

同じボリュームをGPT-5.5で使うと月約$270。ほとんどのアプリでは、請求額を支配するのはリクエスト数ではなくモデル選択です。

予算アラート。 デプロイ前にプラットフォームレベルでハードな予算上限を設定しましょう。ループが毎回APIを呼び続けると、コーヒーを飲んでいる間に$100分のトークンを消費しかねません。予算上限は自動的に止めてくれます。ほとんどの集約プラットフォームはキーごとの支出上限をサポートしています——開発用$10、ステージング用$100、本番は本番用の予算に設定しましょう。

トークン経済の完全な説明——入出力料金、推論トークン、コンテキストウィンドウ割増、コスト見積もり——は、この記事の上記セクションでカバーしています。本番のキー管理とセキュリティは包括的なセキュリティガイドで別途解説しています。

プロトタイプから本番へ：8項目チェックリスト

プロトタイプは動きます。応答も得られました。実ユーザーが触れる前に必要なことは以下のとおりです。

1. APIキーを環境変数に移す。 ソースコードにキーをハードコードしないこと。公開リポジトリへのプッシュ1回で、数時間のうちに数千ドルの不正利用につながりかねません。os.environ.get("TOKSPAN_API_KEY") か process.env.TOKSPAN_API_KEY を使いましょう。.gitignore に .env を追加します。

2. エラー処理を追加する。 ネットワークタイムアウト、レート制限、プロバイダー障害は起こります。すべてのAPI呼び出しにtry/exceptが必要です——429（バックオフしてリトライ）、5xx（別モデルでリトライ）、タイムアウト（1回リトライしてから優雅に失敗）。3行のフォールバックチェーン——モデルAを試し、例外ならモデルB、それも例外ならエラーを返す——で「チャットボットがダウン」をユーザーに見える問題にしません。

3. ストリーミングを実装する。 非ストリーミング応答ではユーザーは3〜8秒待つことになります。ストリーミングなら最初のトークンを0.3〜0.8秒で表示。体感速度の差は劇的です。stream=True を設定してチャンクを反復処理します——同じコストでUXは大幅に向上します。

4. 自社側でレート制限を追加する。 暴走ループから予算を守ります。毎分60リクエストに制限するシンプルなトークンバケットは10行で実装でき、「スクリプトを一晩回しっぱなしにした」月曜朝のパニックを防げます。

5. ログを設定する。 すべてのAPI呼び出しを記録します：タイムスタンプ、モデル、消費トークン、コスト、ユーザーID。「この$800のAPI請求は何？」とCFOに聞かれたら、ユーザー・機能・モデル別の正確な数字を、質問が終わる前に提示できます。

6. フォールバックモデルを設定する。 プライマリモデルが30秒以上エラーを返したら、自動的にバックアップに切り替えます。ユーザーはどのモデルが応答したか知らず、気にしません——届けばいいのです。

7. プロンプトをバージョン管理する。 プロンプトをコードと同じように扱います。バージョン管理に保存し、デプロイ前に変更をテストする。一見小さなプロンプト変更でも、トークン消費が3倍になったり、出力品質が予想外に変わったりします。

8. コストを毎日監視する。 毎月ではなく毎日。火曜日に検知した$10/日の異常は$50の問題。同じ異常を月末まで放置すると$300の問題になります。10秒で確認できる日次コストサマリーを設定しましょう。

集約プラットフォームという近道

上のチェックリストの各項目は、自分で作ることもできます。あるいは——項目2、5、6、8については——集約プラットフォームがデフォルトで提供します。自動フォールバック。組み込みのコストログ。日次使用量サマリー。プラットフォームレベルのレート制限管理。

個人開発者や小規模チームにとって、問題は「これを自分で作れるか」ではなく「最初の1週間をLLMインフラ構築に使うか、製品開発に使うか」です。集約プラットフォームの答え：製品を作りましょう。インフラはすでにあります。

直接契約が向くケース：プラットフォームにない特定の企業コンプライアンス認証が必要な場合。プラットフォームのトークン単価マークアップ（あれば）が、自前ゲートウェイの構築・運用コストを上回る規模で動いている場合。専任のMLインフラチームがいる場合。それ以外の人にとっては、集約プラットフォームの5分スタートが、直接契約の2週間のインフラ構築よりも優れています。

FAQ

LLM APIを使い始めるのにクレジットカードは必要ですか？

無料枠（Google AI Studio、Groq、GLM-4.7 Flash）や、代替支払い（Alipay、WeChat、PayPal）に対応した集約プラットフォームなら不要です。無料枠の全内訳は最安LLM APIガイドをご覧ください。

LLM APIに最適なプログラミング言語は？

PythonはSDKのサポートとコミュニティが最も充実しています。JavaScript/TypeScriptがそれに続きます。どちらでも問題なく動きます。チームがすでに知っている言語を使いましょう。APIはHTTP＋JSONなので、HTTPクライアントを持つ言語なら呼び出せます。

小規模プロジェクトの運用コストは？

中程度の利用（1日50〜200リクエスト）の個人プロジェクトなら月$5〜20。集約プラットフォームなら$5のプリペイド残高で開始でき、月額コミットメントはありません。TokSpanクイックスタートガイドで正確なセットアップを説明しています。

GPT-5.5とGPT-5.4の違いは？

GPT-5.5は最新のフラッグシップモデル（$5/$30 100万トークンあたり）で、ベンチマークスコアが最高です。GPT-5.4は1世代古いですが2倍安い（$2.50/$15）。要約、分類、単純なコーディングなどほとんどのタスクではGPT-5.4がお得です。最大の推論深度が必要なタスクにGPT-5.5を使いましょう。

アプリを書き直さずに後でモデルを切り替えられますか？

はい。OpenAI SDKパターンを使っていれば、model= パラメータを1つ変えるだけです。集約プラットフォームならさらに簡単——すべてのモデルが同じエンドポイントで利用できます。コードを書き換えるのではなく、設定1行で本番の新モデルをテストできます。

最初のLLM API呼び出しは10行でした。本番チェックリストは8項目。その間を埋めるのは経験です——そして最も早く埋める方法は、別のモデルで、同じSDKで、2回目の呼び出しを送り、応答がどう分岐するかを見ることです。

さあ始めましょう：ターミナルを開いて、上の「最初のAPI呼び出し」のPythonの10行例を貼り付け、"deepseek-v4-flash" を "gpt-5.5" に変更し、両方送ってみてください。レイテンシ、出力スタイル、コストを比較しましょう。これは、どんな料金表よりもモデル選択について多くを学べる5分の演習です。

最初の比較呼び出しを送る——1つのエンドポイント、すべての主要モデル、初期費用ゼロ。