Azure OpenAI Serviceの料金は？課金方式・モデル別単価・月額の見積もり方【2026年版】

#AIツール #AI料金

公開日

2026.08.25

Azure OpenAI Serviceの料金は？課金方式・モデル別単価・月額の見積もり方【2026年版】

自社のシステムに生成AIを組み込む手段として、Microsoftの基盤の上でOpenAIのモデルを使える「Azure OpenAI Service」があります。ただ、公式の料金ページを開くと、課金方式・デプロイの種類・モデルが細かく分かれていて、自社だと月額がいくらになるのかが読み取りにくいのも確かです。

料金は、課金方式・処理する場所・モデルという複数の選択肢の組み合わせで決まります。仕組みを理解すれば、自社の使い方に合わせて月額を見積もり、コスト抑制のポイントも判断できます。価格は2026年6月時点の公開情報をもとにしています。

Azure OpenAI Serviceの料金が決まる3つの要素

Azure OpenAI Serviceの料金は、毎月の固定額ではなく、使った分だけ支払う従量制が基本です。ChatGPTの法人プランのような1人あたりの月額（席数による課金）ではなく、処理した量に応じて課金される点を最初に押さえておきましょう。支払う金額は「どの課金方式を使うか」「どこで処理するか」「どのモデルを使うか」の3つの組み合わせで決まります。

なおAzure OpenAI Serviceは、2025年11月に基盤がAzure AI FoundryからMicrosoft Foundryへ改称され、「Azure OpenAI in Foundry Models」と位置づけられましたが、サービス自体は継続しており料金の考え方も変わっていません。

無料で試せる枠も用意されているため、まず小さく動かしてから判断できます（始め方と無料枠の詳細については後半で説明します）。

初期費用や最低利用料金はなく、従量課金（Standard）なら使った分だけの支払いです。容量予約（Provisioned）を選んだ場合だけ、確保した処理能力の分が最低限の費用として発生します。

出典：Azure OpenAI Service の価格｜Microsoft Azure ／ Azure OpenAI in Foundry Models｜Microsoft Azure ／ What’s new in Microsoft Foundry | October and November 2025｜Microsoft Foundry Blog

使った量に応じた課金の基本

料金の計算には「トークン」という単位を使います。トークンは文章を処理するときの最小単位で、英語ではおおむね1単語が1〜1.3トークン、日本語では1文字が1〜2トークン程度が目安です。

課金は入力（モデルに渡すプロンプトや会話履歴）と出力（モデルが返す回答）に分かれ、それぞれ別の単価が設定されています。多くのモデルでは出力の単価が入力より高く、長い回答を生成するほど費用が増えます。

同じプロンプトを繰り返し送る場合は、入力の一部が割引対象になるキャッシュ入力の仕組みもあります。システムへの指示文や共通の前置きが多い処理ほど効果が出やすく、割引は入力の単価に対して適用されます。まずは入力と出力で単価が違い、トークン量に比例して増えるという点を押さえれば十分です。

出典：コストの計画と管理｜Microsoft Learn

目的別の早見表

検討の入り口として、目的ごとに向いている課金方式とモデルを示します。詳しい中身はこのあとの各セクションで取り上げていきます。

目的・状況	向いている課金方式	まず選ぶモデル
小さく試す・検証する	従量課金（Standard）	GPT-5 mini／GPT-4.1 mini
社内チャットや要約を安定運用する	従量課金（量が増えたら容量予約も検討）	GPT-5／GPT-4.1
即時性が不要な大量処理をまとめて回す	一括処理（Batch）	用途に合うモデル
高負荷でも応答を安定させたい	容量予約（Provisioned）	用途に合うモデル

3つの課金方式の選び方

Azure OpenAI Serviceの課金方式は、Standard（従量課金）、Provisioned（容量予約）、Batch（一括処理）の3つに分かれます。どれを選ぶかで月額費用が変動するため、最初に違いを押さえておくと見積もりがぶれません。

従量課金（Standard）

Standardは、使った分のトークンに応じて支払う方式です。リクエストの量が増減しても、その分だけ課金されるため、利用量が読みにくい段階や小規模な検証に適しています。

固定費がかからず、使わない限り料金は発生しません。まずStandardで始め、量が安定してきた段階で他の方式に切り替える進め方が無理のない流れです。

容量予約（Provisioned）

Provisionedは、一定の処理能力（プロビジョニングされたスループット、PTU）をあらかじめ確保し、確保した分について時間あたりで支払う方式です。使用量にかかわらず時間課金が発生する代わりに、月単位・年単位の予約を組むと割引が受けられます。

応答速度を安定させたい本番運用や、トラフィックが読める高負荷の用途で力を発揮します。Globalで利用する場合の最小PTU数は15からで、月単位・年単位の予約を組むほど時間あたりの単価が下がります。

時間あたりで課金されるため、使わない時間帯が長いほど割高になります。利用が一日を通して平準化している用途ほど、従量課金より有利になりやすい方式です。

一括処理（Batch）

Batchは、すぐに結果が必要でない処理を非同期でまとめて投げる方式です。Globalのデプロイと一部のリージョンで使え、24時間以内に結果を返す代わりに、Global標準の従量課金と比べて約50%の割引が適用されます。

夜間にまとめて大量の文書を要約・分類するような、即時性を求めない処理で使います。対話のように即座の応答が必要な用途には使えません。

主な違いを整理すると次のとおりです。

課金方式	支払いの単位	割引・予約	向いている処理
Standard（従量課金）	入力・出力のトークン量	キャッシュ入力の割引	変動する負荷・検証
Provisioned（容量予約）	確保した処理能力の時間	月・年の予約割引	高負荷で安定が必要な本番
Batch（一括処理）	入力・出力のトークン量	Global標準比で約50%割引	即時性が不要な大量処理

選び方の基準は次のとおりです。

検証や小規模ならStandardで始める。固定費がなく、無駄が出にくい。
量が読める高負荷ならProvisionedの予約で単価と応答を安定させる。最小PTU数があるため小規模には不向き。
夜間の一括処理などはBatchに振り分ける。割引は大きいが、結果が出るまで時間がかかる点に注意する。

出典：Azure OpenAI Service の価格｜Microsoft Azure

モデル別の単価と料金が変わる仕組み

ここからは、ほとんどの場面で使うStandard（従量課金）の単価を、主要なモデル別に見ていきます。価格はGlobalで処理する場合の100万トークンあたりの料金で、米ドルと円の両方を示します。

モデル	入力（100万トークン）	出力（100万トークン）
GPT-5	$1.25（約199円）	$10.00（約1,595円）
GPT-5 mini	$0.25（約40円）	$2.00（約319円）
GPT-4.1	$2.00（約319円）	$8.00（約1,276円）
GPT-4.1 mini	$0.40（約64円）	$1.60（約255円）
GPT-4o	$2.50（約399円）	$10.00（約1,595円）
o4-mini（推論向け）	$1.10（約175円）	$4.40（約702円）

※価格は2026年6月時点のGlobal標準の公開単価です。円はMicrosoftが公開している円建て価格（1ドル＝159.5円相当）で、米ドルを基準に毎月為替で見直されるため、契約前に公式の価格ページで最新の金額を確認してください。

同じ「出力」で比べると、新しいGPT-5はGPT-4oと同じ単価ながら、入力はおよそ半分に下がっています。小さな処理が中心なら、miniやnanoといった小型モデルを選ぶと費用を大きく抑えられます。

使えるモデルと利用上限

選べるモデルは表に挙げたもの以外にも広がっています。文章生成のGPT-5系・GPT-4.1系・GPT-4o系に加え、推論向けのo3やo4-mini、画像生成のGPT-ImageやDALL·E、音声のWhisperやGPT-realtime、検索やRAGで使うtext-embedding-3などがあります。

GPT-5系はその後もGPT-5.1・GPT-5.2・GPT-5.5と後継が順次追加されており（一部はプレビュー提供）、単価や提供状況はモデルごとに異なるため、採用時は公式のモデル一覧で最新の対応状況を確かめると確実です。

扱える文脈の長さもモデルで異なり、GPT-4.1系は100万トークン、o4-miniは20万トークンまで対応します。利用上限はクォータ（1分あたりに処理できるトークン数やリクエスト数の上限）としてデプロイ単位で設定され、足りなければ引き上げを申請できます。

クォータはリージョンとサブスクリプション、モデルごとに割り当てられます。たとえばGPT-4.1のGlobal標準では、1分あたり500万トークン・5,000リクエストが既定の上限とされており、これを超える規模では事前に引き上げを申請しておくと安全です。

出典：コストの計画と管理｜Microsoft Learn ／クォータと制限｜Microsoft Learn／ Azureが提供するFoundryモデル｜Microsoft Learn

同じモデルでも料金が変わる理由

Azure OpenAI Serviceでは、モデルを「どこに配置して処理するか」（デプロイ方式）によっても単価が変わります。配置の選択肢は、Global（広い範囲で処理し最も安く、新しいモデルにも早く対応）、Data Zone（米国やEUなど地域内で処理）、Regional（東日本などの特定リージョンで処理）の3つです。

たとえばGPT-4oの入力（100万トークン）は、Globalが約399円、Data Zoneが約439円、東日本リージョン指定が約483円です。Globalより約2割高くなり、同じモデルでも配置によって費用が動きます。Data Zoneは、米国やEUといった地域の中に処理を収めたい場合の中間的な選択肢です。

出典：Azure OpenAI Service の価格｜Microsoft Azure

国内で処理したい場合のリージョン選び

個人情報や機密情報を扱う場合は、データの所在地（データを保存・処理する場所）が国外に出ることが、社内規程や業界の規制で問題となる場合があります。金融・医療・公共など要件が厳しい用途では、東日本や西日本で処理するRegionalを選びます。

その分の単価はGlobalより高いため、データを国内に留める必要性と費用のバランスで判断します。最新モデルはGlobalから先に対応が進むため、使いたいモデルが国内リージョンで提供されているかどうかも事前に調べておくと安全です。

東日本と西日本のどちらを選ぶかは、使いたいモデルの提供状況と、社内のデータ所在地の要件で決めます。可用性を高めたい場合は両方のリージョンに分けてデプロイする構成も取れますが、その分の管理は増えます。

テキスト以外で別に発生する料金

Azure OpenAI Serviceは文章の生成以外にも機能が広く、用途によって課金の対象（メーター）が増えます。テキストとは別の単価が設定されるものをつかんでおくと、見積もりがぶれません。

音声：文字起こしや音声合成、リアルタイム音声は、テキストとは別のメーターで課金される。
画像：画像生成は画像用のメーター（入力・出力）で課金される。
埋め込み：検索やRAG向けにテキストをベクトル化する処理は専用の単価がある。
ファインチューニング：学習（トークン量）、ホスティング（使っていなくても時間単位）、推論の3つで課金される。ホスティング時間の課金は見落としやすい。
組み込みツール：コードインタープリターやファイル検索などは、呼び出し回数やセッション単位で別途課金される。

出典：コストの計画と管理｜Microsoft Learn

OpenAIのAPIを直接使う場合との違い

「OpenAIのAPIを直接使うのと何が違うのか」という疑問もよくあります。使えるモデルは基本的に同じで、課金もトークンベースの従量制という点は共通です。

違いは料金そのものより、付いてくる前提にあります。Azure OpenAI Serviceでは、企業向けのSLA（サービス品質の保証）やデータ保護、処理する地域を選べる仕組みが標準で備わり、既にAzureを使っている場合は請求や権限管理を一本化できます。

セキュリティや内部統制の要件が厳しい企業や、すでにAzureを基盤にしている企業は、Azure OpenAI Serviceの方が導入を進めやすいといえます。請求やアクセス権限を既存のAzure環境にまとめられるため、情報システム部門の管理負担も抑えられます。一方、小規模な検証だけなら、OpenAIのAPIを直接使う方が手軽な場合もあります。

出典：Azure OpenAI in Foundry Models｜Microsoft Azure

利用の始め方と無料枠・支払い方法

Azure OpenAI Serviceは、Azureというクラウドの上で動くサービスです。そのため、Azureの契約と支払いの準備を整えたうえで利用を始めます。

利用を始めるまでの流れ

セルフサービスで始められ、おおまかな流れは次のとおりです。以前は利用申請と承認が必要でしたが、現在は原則として申請なしで使い始められます。ただし、コンテンツフィルターや不正利用監視の設定を通常より緩めたい場合など、一部の用途では別途申請と承認が必要です。

Azureのアカウントと有効なサブスクリプション（契約）を用意する。
Azure OpenAI Service（またはMicrosoft Foundry）のリソースを作成する。
使いたいモデルをデプロイ（利用できる状態に配置）する。
発行されたエンドポイントとキーを使い、APIから呼び出す。

リソースを作るときに処理するリージョンを選び、モデルごとにデプロイ名を付けて利用します。検証用と本番用でデプロイを分けておくと、利用量やコストを切り分けて追いやすくなります。

デプロイ時にはモデルのバージョンも選びます。新しい版へ自動で切り替える設定にもできますが、本番では出力の挙動が変わると影響が出るため、バージョンを固定して検証を挟む運用が無難です。

出典：Azure OpenAI Service への限定アクセス｜Microsoft Learn

無料で試せるか

Azureには無料アカウントがあり、サインアップから30日間、200ドル分のクレジットを使って各種サービスを検証できます。Azure OpenAI Serviceもこの範囲で試せます。

クレジットを使い切るか30日を過ぎると、サブスクリプションはいったん無効になり、そのままでは利用を続けられません。Azure OpenAI Serviceの利用分もこの200ドルから差し引かれるため、大きな処理を流すほどクレジットの消費は早くなっていきます。本格運用の前に、想定する処理を小さく流して費用感を掴んでおくと、その後の判断がしやすくなります。

無料アカウントの作成時にはクレジットカードの登録を求められますが、無料枠の範囲内であれば課金されません。意図せず有料分が発生しないよう、検証中も利用量の目安を持っておくと安心できます。30日の期限後も使い続ける場合は、従量課金の有料プランへ切り替える手続きが必要です。

切り替えたあとも一部のサービスは12か月間は無料枠が続き、その範囲を超えた分だけが課金の対象です。検証をそのまま本番につなげたい場合は、期限が来る前に切り替えておくと利用が途切れません。

出典：Azure OpenAI Service の価格｜Microsoft Azure ／ Azure無料アカウントで課金を回避する｜Microsoft Learn

支払い方法

既定の支払い方法はクレジットカード（またはデビットカード）です。オンラインで申し込むタイプの契約では、毎月の利用分がカードから自動で引き落とされます。

請求書払い（銀行振込）は、Microsoft担当者経由の契約やMicrosoft顧客契約・Enterprise Agreementで利用でき、従量課金の契約でも一定の取引実績などの条件を満たして申請すれば切り替えられます。新規契約の時点ではカード払いから始める形が基本のため、経理規程で請求書払いが必須の場合は、契約形態を早めに把握しておくとつまずきません。

請求は月単位で、ある月の利用分は締め後に確定して翌月に請求されます。月の途中では確定額が見えにくいため、コスト管理ツールで日々の利用額を確認しておくと予算管理がしやすくなります。

出典：支払い方法のタスク｜Microsoft Learn ／請求書（銀行振込）での支払い｜Microsoft Learn

Azure OpenAI Serviceは、開発者がAPIで自社システムに組み込み、リソースの管理・コストの管理・利用ルールの整備までを自社で担う基盤です。社内業務の効率化が主な目的で、データを国内リージョンで処理しつつ、利用状況の管理や複数モデルの使い分け、定着までをまとめて任せたい場合は、管理型のサービスという選択肢があります。

当社は法人向け生成AIサービス「エクサベース AI」を提供しています。ChatGPT・Gemini・Claudeなどを用途に応じて使い分けられ、データ処理を国内リージョンで完結し、管理者が利用状況の把握や禁止ワードの登録を行えます。サービスの詳細は、エクサベース AI のサービスページからご確認いただけます。

月額費用の見積もりとコストを抑える進め方

単価表だけを見ても、月にいくらかかるかは読めません。実際の費用は「処理するトークン量 × 利用頻度 × 追加のメーター」の積み上げで決まるためです。

ここでは用途別の概算と、見落としやすい費用、そして抑えるための進め方を順に示します。

月額の概算

前提を置いて試算すると、規模によって費用は大きく変わります。いずれもStandard（従量課金）のGlobalで処理した場合の概算で、月20営業日として計算します。なお、ここに挙げる金額はテキストの入出力分のみで、音声や画像、ログ保存などの追加分は含みません。

小規模の社内Q&A（GPT-5 mini）：1日500回、入力1,500トークン・出力500トークン。月の入力は1,500万トークンで約600円、出力は500万トークンで約1,595円、合わせて月約2,200円。
中規模の文書要約・議事録（GPT-4.1）：1日300回、入力4,000トークン・出力1,500トークン。月の入力は2,400万トークンで約7,700円、出力は900万トークンで約1万1,500円、合わせて月約1万9,000円。
大規模のRAG＋大量処理（GPT-5）：1日3,000回、入力6,000トークン・出力800トークン。月の入力は3億6,000万トークンで約7万2,000円、出力は4,800万トークンで約7万7,000円、合わせて月約14万8,000円。

入力トークンが大きいほど総額を押し上げるため、RAGで渡す参照文書の量や会話履歴の長さが費用を左右します。即時性が不要な処理をBatchに回したり、繰り返しの多いプロンプトでキャッシュ入力を活かしたりすると、ここからさらに下げられます。実際の見積もりは、自社の処理量を当てはめて料金計算ツールで試算すると精度が上がります。

見落としやすい追加の費用

概算から外れやすいのが、入力側に積み上がるトークンです。会話の履歴やシステムプロンプト、RAGで渡す参照文書はすべて入力トークンとして毎回課金されるため、やり取りが長くなるほど費用が膨らみます。

ファインチューニングを使う場合は、モデルを置いておくホスティングの時間課金が、使っていない間も発生します。音声・画像・組み込みツールのメーターや、ログ・監視・ストレージといったAzureの他サービスの費用も、合算で見ておく必要があります。とくにRAGでは、検索基盤やベクトル化の処理が別に積み上がるため、モデルの単価だけで全体像を判断しないことが大切です。

出典：コストの計画と管理｜Microsoft Learn

費用を抑える進め方

抑え方にはいくつかの定石があります。それぞれ、注意したい点も添えます。

用途に対して過剰でないモデルを選ぶ：要約や分類はminiやnanoで足りることが多い。性能だけで上位モデルを選ぶと割高になる。
即時性が不要な処理はBatchに回す：割引が大きい。結果が出るまで時間がかかるため、対話用途には使わない。
キャッシュ入力を活かす：共通の前置きが多い処理で効果が出やすい。プロンプトの組み方で効き方が変わる。
量が読めるならProvisionedの予約を組む：単価と応答が安定する。最小PTU数があるため、量が固まる前は割高になりやすい。
プロンプトと会話履歴を絞る：入力トークンが減る。文脈を削りすぎると回答品質が落ちるので調整が必要。
Globalで足りるならGlobalにする：最も安い。データを国内に留める要件があるときだけRegionalを選ぶ。
利用量を監視してアラートを設定する：Azureのコスト管理ツールで予算とアラートを組める。リソースを部門で共用すると内訳が見えにくいため、用途ごとにデプロイを分けると追いやすい。

ここで挙げた試算は、前提が変われば金額も大きく動きます。トークンの単価が安く見えても、開発・運用・保守やAzureの他サービスの費用まで含めた総額で見ないと、想定より膨らみかねません。生成AIのツールは導入しても使われ続けなければ利用率が下がりやすく、かけた費用に見合う効果を出すには、現場で使われ続ける仕組みづくりまで含めて考える必要があります。

運用と管理の負担を抑えるエクサベース AIという選択肢

ここまで見たように、Azure OpenAI Serviceは料金の自由度が高い一方で、課金方式やデプロイ方式の選択、コストの管理、利用ルールの整備までを自社で担う前提の基盤です。社内業務の効率化が目的の場合、これらを自前で抱える負担が課題として残ります。

※2026年7月時点

当社がご支援する企業でも、基盤の選定そのものより「国内でデータを処理しながら、利用状況を管理し、定着まで進める」運用の部分で行き詰まる例があります。記事で挙げた観点ごとに、自前運用で生じやすい課題と、当社の「エクサベース AI」でできることを整理します。

この記事で挙げた観点	自前運用で生じやすい課題	エクサベース AIでできること
データの所在地	リージョン選択や設定を自社で管理する	データ処理を国内リージョンで完結する
モデルの使い分け	モデルごとに実装・切り替えを作り込む	GPT・Gemini・Claudeなどを用途に応じて使い分ける
利用状況の管理	コストや利用ログの集計基盤を自前で作る	管理者が利用状況の把握や禁止ワードの登録を行える
定着・効果測定	現場の使い方づくりは担当者任せになりがち	導入から定着までを専任担当者が伴走支援する