Codexクレジットとは？使い方とモデル別の消費の目安、残高を手作業の削減に使う5つの活用例

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。

画面に「62,500」というCodexのクレジットの数字が出ていました。
これは何に使えるのか。私はその使い方を質問しました。

この記事は、その答えを、OpenAIの公式情報（2026年10月20日に確認）と、OpenAIから届いたお知らせのメールをもとに組み立て直したものです。
残高はあるのに、何を頼むか決められない。そんな経営者や講師の方に向けて書きます。

先に結論です。
この62,500は、購入した分ではありません。Proプランの変更に合わせて、OpenAIが既存のPro加入者に一度だけ付けたクレジットです。期限は2026年12月31日で、申請しなくても、すでに使える状態です。
追加のクレジットは、完成する仕事と、手作業を減らすことに使う。
使い切るために、仕事を増やさない。

Codexクレジットは、月額の利用上限を超えて働くための残高

まず、言葉の整理からです。

ChatGPTの個人プランには、月額の中に含まれる利用量があります。Codexを使うと、先にこの利用量が減ります。
利用上限を超えたあとに減っていくのが、クレジットです。

料理でたとえると、プランの利用量はいつもの仕込みの分。クレジットは、仕込みが尽きた時に取りに行く追加の食材です。

押さえておきたい点

• 対象のアカウントでは、Codex、ChatGPT Work、Word、Excel、PowerPoint で同じ残高を共有します。
• APIのクレジットとは別物です。
• 購入したクレジットの有効期限は、購入から12か月。人に譲ることはできません。今回の62,500は購入分ではなく一度だけの特典なので、期限は2026年12月31日です。
• 自動購入は別の設定です。並行して使うと、処理の終わりに残高がマイナスになることがあります。

最後の点は見落としやすい所です。
自動購入をオフにしていても、同時に走らせた処理の分が、終わった時点で差し引かれることがあります。「オフにしておけば超えない」とは言えません。

62,500は、どこから来た数字か

この62,500は、OpenAIが既存のPro加入者に、一度だけ付けたクレジットです。購入した分ではありませんし、毎月付くものでもありません。

根拠は、OpenAIから届いた2通のメールです。

• 2026年9月30日（日本時間）に届いた「ご利用の Pro プランに関する変更のお知らせ」
• 同じ日に届いた「62,500 credits added to your account」

2通の中身を、表にまとめます。

背景には、Proプランの変更があります。お知らせによると、10月30日から、月200ドルのProプランに含まれるWorkとCodexの利用量が、Plusの20倍から10倍になります。価格は変わらず、10月29日までは今までの利用量のままです。この数字は今回のお知らせの内容で、すべてのプランに共通する仕様ではありません。

公式ヘルプの「About ChatGPT Pro tiers」にも、2026年9月22日から9月29日（太平洋時間の午前10時）までに月200ドルのProを使っていた人は、10月29日まで今までの利用量のまま使え、その後は利用量が少なくなること、対象の人にはメールで詳しく知らせることが書かれています。62,500という数字と12月31日の期限、2,500ドル相当という案内は、ヘルプの本文には無く、メールに書かれています。

OpenAIのクレジットの規約では、購入したクレジットとは別に、特典として付くクレジットがあり、クレジットは現金ではなく、換金や譲渡はできないとされています。2,500ドル相当というのは、サービスで使える量の目安です。お金を受け取ったという意味ではありません。Proプランの月額料金も、今までどおりかかります。

残高と利用量は、次の画面で確かめられます。

• ChatGPTの Settings > Usage、または Usage & Billing（残高と購入）
• Codexの利用量の画面 https://chatgpt.com/codex/settings/usage
• Codex CLIで /status を打つ（利用量の確認）

あわせて、月額プランに含まれる利用量と、その上限に達した後に使う追加のクレジットは別のものです。公式のヘルプでも分けて説明されています（クレジットの使い方／ChatGPTのプランでCodexを使う）。

APIとは何が違う？ChatGPTのクレジットとAPIの料金は別のしくみ

Codexのクレジットを調べていると、「API」という言葉にもよく出会います。
どちらもOpenAIのAIを使う話なので、同じお金に見えます。でも、しくみは別です。

APIは、自分で作ったアプリやプログラムから、OpenAIのAIモデルを呼び出すための接続口です。ChatGPTの画面で話しかけるのとは別の入口で、料金もChatGPTのプランとは分けて請求されます。

OpenAIの公式ヘルプには、ChatGPTのプランで使うクレジットはAPIのクレジットではない、とはっきり書かれています。プランに含まれる利用量が先に使われ、そのあとでクレジットが使われます。クレジットを使える機能はCodex、Work、Word、Excel、PowerPointなどで、アカウントによって変わります（クレジットの使い方）。

ChatGPTとAPIの請求が別のしくみであることは、公式ヘルプにまとめられています（ChatGPTとAPIの請求の管理）。

同じCodexでも、入り方で請求先が変わる

まぎらわしいのは、同じCodexに入り方が2つあることです。個人で使う場合は、ChatGPTのアカウントでサインインする方法と、API PlatformのAPIキーで入る方法があります。CLI、IDE、デスクトップアプリでの手元の作業は、どちらの方法でも動きます。Codex Cloudは、ChatGPTでのサインインが必要です。

APIキーで入ると、ChatGPTに含まれる利用量やクレジットではなく、API Platformの標準料金で請求されます。クラウドの機能の一部も制限されます。CLIを使っているからAPI、とは限りません。

どちらで入っているかは、CLIで次のコマンドを打つと表示されます。入り方を確かめるだけのコマンドです。

codex login status

2つの入り方の違いは、Codexの公式の説明に書かれています（Codexの認証）。

62,500を使う時に気をつけること

• 62,500をCodexで使う時は、ChatGPTでサインインした状態で使います。APIキーで入った作業は、62,500ではなくAPIの料金で請求されます。
• 案内上の2,500ドル相当は、APIに2,500ドルが入金されたという意味ではありません。62,500をAPIの支払いに回すことはできません。
• APIのトークン単価の表で、ChatGPTのプランでできる作業の量を見積もらないでください。公式の料金ページにも、APIの料金はプランの利用量とは別で、含まれる作業の見積もりに使わないよう書かれています。
• ChatGPTのクレジットも、トークンで数えます。「トークン」という言葉が出てきても、それだけでAPIの話とは限りません。このあと紹介する100万トークンあたりの消費量は、ChatGPTのクレジットの単位で、APIのドル単価ではありません。

料金の考え方は、Codexの公式の料金ページで確かめられます（Codexの料金）。

どこでどう使う？Codex・Work・Excelの入口

次は、どこで使うかです。入口は仕事の種類で分かれます。

• Codex: 開発、コード、テスト向け。
• ChatGPT Work: 長い調べもの、文書、表計算、プレゼン向け。
• ChatGPT for Excel: Plus/Pro では利用上限を共有します。

ChatGPTにサインインして使う分は、APIキーの請求とは別です。プランと権限の範囲で動きます（ChatGPT Work と Codex）。

Codexを手元で始める手順

1. ターミナルで codex を実行する
2. ChatGPT でサインインする
3. /status で利用量を確かめる

Codex Cloudは、預けておける台所

Codex Cloudは、OpenAIが管理する環境で動きます。準備が済めば、Macがスリープしても作業が続きます。

ただし、手元のCLIで始めた作業が、自動でCloudに移るわけではありません。どちらで動かすかは、頼む時に自分で選びます。

この選び方は、AI氣道の別の記事でも扱いました。

AIに定期的な仕事を任せたいのに、パソコンを閉じると止まってしまう。そんな人に向けて、Claude Code のルーチン機能を解説した動画を、実演まで順に整理しました。読むと、クラウドで定期実行するか手元で動かすかを、何で決めるかが見えてきます。

出典: AI氣道「Claude Code Routinesとは、パソコンを閉じても動くクラウドの定期実行」（紹介文）

この紹介文が扱っているのはClaude Codeです。でも、決め方の軸はCodexでも同じです。
パソコンを閉じても続いてほしい仕事か。手元のファイルを見ながら進めたい仕事か。
この1問で、CloudとCLIのどちらに頼むかが決まります。

62,500で何ができる？料金とモデルの選び方

クレジットの消費は、どのモデルを選んだかと、AIが読み書きした量によって変わります。

AIが読んだ量が「入力」。書いた量が「出力」。前に読んだ物を使い回した分が「キャッシュ」です。単位はトークン（文字のかけらの数）です。

入力10万＋出力2万トークンで試算すると

ここで出す数字は、キャッシュを使わず、速さをStandardにした場合の目安です。

• GPT-6.1 Sol: 10クレジット
• GPT-6 Astra: 50クレジット
• GPT-6 Luna: 0.5クレジット

同じ量でも、AstraはSolの5倍、LunaならSolの20分の1です。
あくまで計算の見本として出した目安です。1件ごとに決まった料金があるわけではありません。また、この件数を必ずこなせるという保証でもありません。

速さを上げると、減り方も変わる

同じモデルのStandardと比べた倍率は、次のとおりです（速度の設定）。

• 購入したクレジットで使う時: Fast 2倍、Ultrafast 6倍
• プラン内の利用量で使う時: Fast 2.5倍、Ultrafast 8倍

上のSolの例を、購入クレジットのFastで回すと20クレジットの計算になります。

Ultrafastに対応するのは、GPT-6.1 SolとGPT-6 Astraです。使えるのはPro $500と、対象のEnterprise/Eduです。残高があるだけでは使えません。

モデル名の注意と、減らし方のコツ

GPT-5.5は、2026年10月14日にCodexのChatGPTサインインから外れました。古い記事のモデル名を、今の料金表に当てはめないでください。

公式の料金ページが挙げる節約のコツは、頼み方を正確にする、渡す資料を絞る、出力を必要な分に合わせる、の3点です。

迷ったら、まずSolで頼む。結果が足りない所だけ、上のモデルに回す（筆者の考え）。
重いモデルを最初から選ばない方が、残高の減り方を読みやすくなります。

公式事例3選：不具合調査・顧客要望・開発の土台

ここからは、OpenAIが公開している事例です。

最初に1つだけ、はっきり書いておきます。
これらはCodexの使い方の事例です。追加のクレジットを買って出た成果の証拠ではありません。

1Password：10を超える部品にまたがる障害調査

2026年9月8日に公開された事例です。中心にあるのは障害調査です。

10を超えるマイクロサービス（小さく分かれた部品のようなプログラム）にまたがる障害の調査が、約2時間から5〜20分になった。企業としてそう報告しています。

計測された開発の生産性は+20.9%。記事にはROI 553%という数字も出てきます。ただ、これは前提を置いた試算で、実際に出た利益ではありません。

押さえておきたいのは、秘密の情報をモデルに直接渡さない設計と、人が確かめる所を残している点です。

小さな会社での応用（筆者の解釈）: 失敗した時のログと、正しく動いた時の見本を渡して、原因を調べてもらう。直すかどうかは人が決める。

Braintrust：顧客の要望を、数分で試作に

2026年5月29日に公開された事例です。当時はGPT-5.5を使っていました。

顧客から届いた要望を、数分で試作のブランチ（本番とは分けた作業の枝）にして、顧客に見せていたそうです。

速さの裏には準備があります。Codexに渡す前に、要望を再現するテストと、管理された環境を用意していました。

モデル名は当時の物です。今の料金表と重ねて読まないでください。

応用（筆者の解釈）: 本番に触れない見本の画面を作り、要望がそれで合っているかを先に確かめる。

OpenAI社内：見慣れないコードを読む、テストを足す

2026年1月14日に公開された、OpenAI社内の技術チームの使い方です。

挙がっているのは、見慣れないコードの構造をつかむ、よくある置き換えを行う、テストを足す、小さな未完了の修正を前に進める、といった使い方です。

どれも派手な仕事ではありません。読んで、理解して、テストで確かめられる大きさの仕事です。

応用（筆者の解釈）: いきなり作らせる前に、今ある道具のコードを読ませて説明させる。説明が合っていたら、テストを通す形で直しを任せる。

1Passwordは、人が確かめる所を残していました。Braintrustは、要望を再現するテストと管理された環境を、渡す前に用意していました。OpenAI社内の使い方も、テストで確かめられる大きさの仕事が中心です。

クレジットの使い道を決めるより先に、結果をどう確かめるかを決めておく。
事例から借りたいのは、この順番です。

抱え込みを減らす、5つの活用例

ここからが本題です。コードを書かない仕事でも使える例を5つ並べます。

先に約束ごとを1つ。
どの例でも、機密情報の扱い、外への公開、メールやメッセージの送信は、AIに自動で実行させません。受け取るのは下書きと確かめ方まで。出すかどうかは人が決めます。

人が確かめる場所を残す理由は、AI氣道の対談の記事でも書きました。

AIに仕事を任せるほど、人が平均で丸められることや、偽の情報が気になってきます。

出典: AI氣道「佐藤航陽さんと田中悠斗さんの対談から、AIに仕事を任せるとき、人が確かめる役を持つ理由を考える」（紹介文）

任せる量が増えるほど、確かめる所は細くしてはいけない。この1文は、そう読めます。
だから下の5つには、どれも「確かめ方」を一緒に渡す形にしました。

1. 止まった自動化の故障修正

Before

決まった時間に動くはずの処理が止まり、そのたびに手で作業を回している。

After

原因の説明と、直した版と、見本で確かめた結果が返ってくる。

渡す物

失敗した時のログ、処理のコード、正しく動いた時の出力の見本。

受け取る物

原因の説明、変更した所の一覧、見本のデータで実行した結果。

そのままコピーして使える依頼文です。

この自動処理が止まりました。原因を調べて、直した版を作ってください。
・渡す物: 失敗した時のログ、処理のコード、正しく動いた時の出力の見本
・完成の条件: 見本と同じ出力になること。直した所と理由を短く説明すること
・確かめ方: 見本のデータで実行し、結果を見せてください
・してはいけないこと: 本番のデータの書き換え、メールや投稿の送信、パスワードなど秘密の情報の読み取り
・分からない所は、推測で埋めずに質問してください

2. 使っている道具の改善

Before

社内の小さな道具（表計算の関数や、簡単な自動化）の不便を、毎回我慢している。

After

不便な所だけ直した版と、変えていない所が壊れていないことの確認が返ってくる。

渡す物

道具のコードと、困っている操作の説明。あわせて、変えてはいけない動きも書いて渡します。

受け取る物

どこを変えたかの一覧と、テストの結果。うまくいかなかった時に元へ戻す方法も添えてもらいます。

OpenAI社内の事例と同じ順番です。まず今のコードを読ませて、説明が合っているかを見てから、直しを頼みます。

3. 資料からFAQを作る

Before

講座や商品について、同じ質問に毎回ひとつずつ答えている。

After

資料のどこに答えがあるかの印が付いた、FAQの下書きがそろう。

渡す物

講座の資料、個人情報を外した過去の質問。

受け取る物

質問と答えの下書き、それぞれの答えの出典の箇所。

文書の仕事なので、入口はChatGPT Workが向いています。資料に書いていない答えは作らせない。これを依頼文に1行入れておきます。公開するかは、読んでから決めます。

4. CSVの集計

Before

毎月、書き出したCSVを手でコピーして、同じ表を作り直している。

After

集計した表と、来月も同じ集計を回せる手順が手元に残る。

渡す物

個人情報を外したCSV、欲しい表の見本。

受け取る物

集計結果、合計が合っているかの検算の方法。

1回だけ表で見たいならExcelやWork。毎月同じ集計を回すなら、Codexで小さな集計の仕組みにする。この分け方が、残高の減り方を抑える近道かな、と考えています（筆者の考え）。

5. 見本データで試作品を作る

Before

頭の中にある画面や仕組みを、言葉だけで人に説明している。

After

見本データで動く試作品を、相手に見せて確かめられる。

渡す物

本物に似せた見本データ、画面の手描きのメモ、やりたいことの説明。

受け取る物

動く試作品、本番のデータに触れていないことの確認。

Braintrustの事例の小さい版です。作ってから足りない所が見える、という順番はAI氣道のこの記事でも扱いました。

プログラミングの勉強から始めるか、迷っている人へ。イケハヤさんの動画は、勉強はいらない、複数のAIで点検する、作りながら学ぶ、と筋道を立てて話します。

出典: AI氣道「プログラミングの勉強より、まず作る。AIで動く物を作ってから足りない所を学ぶ」（紹介文）

「作りながら学ぶ」と「複数のAIで点検する」は、試作品の頼み方にそのまま使えます。
見本データで作って、動かして、別の目で点検する。本番に触れるのは、その後です。

ひろくんコラム：残高を使い切るより、手作業を1つ減らす

画面で「62,500」を見た時、私が最初にしたのは、何に使えるかを聞くことでした。

数字があると、減らしたくなるものです。使わないと損に見える。
でも、使い切ることを目的にすると、AIに頼む仕事を探しに行くことになります。仕事が増える。これは抱え込みの入口です。

私の軸は「AIに委ねて、人は積み減らして生き直す」です。
積み減らす、です。積み増すために委ねるわけではありません。

AIに何を頼むかを振り返った時、私はこう答えています。

サボると言うか嫌いなこととか後回しすることをAIにやってもらう。ズボラじゃなければ自分でやってたかも。

だから、最初に頼むのは、後回しにしている手作業が向いています。
毎月のCSV。何度も聞かれる質問。止まったままの自動処理。

抱え込みに変わる境目を、私は「結果を自分で所有し、自分の手で完成させなければならないと執着した時」と捉えています。
AIに頼んでも、完成の形と確かめ方を渡さなければ、結局は自分で仕上げ直すことになります。

分身AI日記にも、直す場所を取り違えていた話があります。

自動処理のルールを何度直しても同じ不具合が直らない。実際に原因を辿ったら、ルールの穴ではなく記事の材料を集める仕組みが11日間静かに止まっていた話です。

出典: 分身AI.com「自動化のルールを何度直しても直らない。原因はルールじゃなく「材料の蛇口」だった｜分身AI日記 DAY169」（紹介文）

直したい所と、壊れている所が、違う場所にあることがあります。
故障修正を頼む時に、ルールの文だけでなく、材料が入ってくる流れごと渡したいのはこのためです。ログと、正しく動いた時の見本。この2つがあれば、原因を探す範囲を絞れます。

活用例1の依頼文の最後に「分からない所は、推測で埋めずに質問してください」と入れたのも、同じ理由です。
私がAIに求める最低条件は「わからないことは憶測しないできく。わかることは2度聞かない」だからです。

62,500のクレジットは、2026年12月31日で切れます。
それまでに、手作業を1つ減らす仕事に使う。
減った分の時間は、ワクワクすることに使う。
残高の数字より、自分の手から離れた作業の数を数えてみてください。

AIに委ねる範囲の決め方と、分身AIの考え方は、分身AI.comにまとめています。
https://bunshin-ai.com/