Gemini Omni APIの料金: 判明していること、置き換わるもの、そしてコスト (2026年5月)

Gemini Omni API の料金：判明していること、置き換わるもの、そしてコストの見通し（2026年5月）

Google は約5時間前に I/O 2026 で Gemini Omni を発表したばかりだが、Google 自身の料金ページにある Gemini Omni API の料金欄は、まさに空白のままになっている。以下では、現時点で判明していること、Veo 3.1 と Gemini 3.5 Flash を基準に算出した将来の料金の予測計算、そして Omni が単一の呼び出しに集約する4つのモデル構成について紹介する。最終確認日：2026-05-19。Google が API 料金を公開した当日に、この記事を更新する予定だ。

簡潔な回答： 2026年5月19日時点で、Gemini Omni API の料金はまだ公開されていない。コンシューマー向けアクセスは、月額20ドル（AI Plus）、月額30ドル（AI Pro）、月額100ドル（AI Ultra）から利用できる。Vertex AI API の展開は数週間以内と見込まれている。Veo 3.1 と Gemini 3.5 Flash を基準にすると、予測される API 料金は入力トークン100万あたり1.50〜2.50ドル、動画出力は1秒あたり0.20〜0.60ドルとなる。

Gemini Omniとは？

Gemini Omniは、Google初の「any-to-any」マルチモーダルモデルであり、2026年5月19日のI/O 2026で発表されました。テキスト、画像、音声、動画を入力として受け付け、現時点では動画を出力します（画像出力と音声出力については、Google自身の表現によれば「いずれ」対応予定とされています）。ローンチ時には2つのバリアントが提供されます。高速な10秒クリップ向けのOmni Flashと、より長時間・高品質な出力向けのOmni Proです。

スタック設計の観点から、何が興味深いのかを説明します。OmniはGeminiラインナップに機能を1つ追加したものではありません。4つの別々のモデルを1回のAPIコールに統合したものです。従来はテキスト生成＋ビジョン＋音声認識＋動画合成だったものが、1回のラウンドトリップで完結します。このモデルはVeo 3.1の動画基盤上に構築されているため、動画品質の基準はすでに確立されています（そして、はい、すべての出力にSynthIDウォーターマークが付与されます。GoogleのOmniローンチ発表による）。

この記事の続きを読む前に知っておくべき点がいくつかあります：

• Omni Flashの10秒クリップ制限は、Googleが「デプロイ上の判断であり、モデルの制約ではない」と呼んでいるものです。つまり、おそらく今後伸びます。
• DeepMindのモデルカードでは、テキスト＋画像＋音声＋動画の入力に対応し、現時点では動画のみの出力であることが確認されています。
• TechCrunchの分析と9to5Googleのローンチ詳細はともに、「将来的にさらなるモダリティの出力対応」というロードマップをより大きなニュースとして取り上げています。

レート表を目当てに来た方は、次のセクションがまさに求めていた正直な部分です。プロジェクションの計算式が目当ての方は、2つ先のセクションまで飛ばしてください。

Gemini Omni APIの現在の価格は？（ネタバレ：まだ価格は存在しない）

Gemini Omni APIの価格設定はまだ公開されていない。Googleの公式価格設定ページ ai.google.dev/gemini-api/docs/pricing（2026年5月19日確認時点）には、Omniを除くすべてのGeminiモデルが掲載されている。その行は空白だ。一般ユーザー向けのアクセスはGeminiアプリの各プランで利用可能だが、Vertex AI経由でのAPIアクセスは、Google自身の発表によれば「今後数週間以内」に提供予定とのことだ。

私はET（米国東部時間）午前8時に価格設定ページを確認し、午後1時にも再度確認した。どちらの結果も同じだった。ページには14のGeminiモデルが掲載されている。Omniはその中にない。まだ。

出典：ai.google.dev/gemini-api/docs/pricing、2026年5月19日確認時点。

現時点で存在するOmni関連の数値は、一般ユーザー向けプランのサブスクリプション料金のみだ。

• AI Plus: 月額$20
• AI Pro: 月額$30
• AI Ultra: 月額$100

GoogleのAIサブスクリプションに関するブログでは、各プランで利用可能になる機能が紹介されている。APIの提供経路はいつものように2つに分かれる。エンタープライズ向けのコミット契約にはVertex AI（おそらく先に提供開始）、従量課金制にはAI Studio（通常は数週間遅れで提供）という形だ。Omniに関する無料プランの情報は、まだ公開されていない。VentureBeatのエンタープライズ向け解説記事でも「今後数週間」という表現が確認できる。これが現時点で得られる最も具体的な時期のシグナルだ。

だから、もし今日「Gemini Omni API pricing」と検索して、古いGemini 3.1 Proの価格表が並ぶ5つのタブを行ったり来たりしたとしても、あなたに問題はない。価格は文字通り、まだ公開されていないのだ。

Gemini Omni APIの料金体系は実際どうなるのか？（予測計算）

Gemini Omni APIの予測料金を、Veo 3.1（出力1秒あたり$0.05〜$0.60）とGemini 3.5 Flash（100万トークンあたり$1.50/$9）から補間した結果、ローケースでは100万トークンあたり入力$1.50／出力1秒あたり$0.20、ミッドケースでは入力$2.00／出力1秒あたり$0.40、ハイケースでは入力$2.50／出力1秒あたり$0.60となる。音声入力は100万トークンあたり$3〜$5と予測される。ここで示すすべての数値は予測であり、確定値ではない。

以下、その算出根拠を示す。Veo 3.1は現在、動画出力1秒あたり**$0.40**を課金しており、Omni Proも同じ動画基盤の上に構築されている。したがって、Omni Proの秒あたり単価もVeo 3.1の価格帯内に収まる可能性が高い。Gemini 3.5 Flashのテキスト入出力は100万トークンあたり$1.50/$9であり、Omni Flashのテキスト入出力もおそらくその0.7〜1.5倍の範囲に収まるだろう。Googleは従来、新しいマルチモーダル版Flashの価格をテキスト専用版に近い水準に設定してきたためである。

注記のない限り、すべての料金は100万トークンあたり。妥当性の検証のため、OpenAIの料金体系およびAnthropicのClaude料金体系と照合済み。

基本料金に加えて、以下の点が予想される：

• Batch / Flex / Priorityの各ティア。 他のすべてのGeminiモデルでこれらが提供されている。Batchでは通常コストが約50%削減され、Priorityでは割増料金でレイテンシ保証が追加される。Omniもほぼ確実にこのパターンを踏襲するだろう。
• コンテキストティア料金。 Gemini 3.1 Proでは20万トークン超過分について2倍の料金が課される。Omniもおそらく同じルールを引き継ぐだろう。特に動画のフレーム数によってトークン総数が急激に増加するためである。
• 音声入力のトークン化。 音声は秒単位ではなくトークン単位（エンコード後）で課金される。現在のGeminiのレートでは音声1秒あたり約32トークンとなるため、それを踏まえて予算を見積もる必要がある。 Veo 3.1 と Gemini 3.5 Flash を基準に試算すると、Omni Flash の価格は、入力トークン 100 万あたり 1.50〜2.50 ドル、動画出力 1 秒あたり 0.20〜0.60 ドルになると見込まれます。この計算は 2 回行いました（1 回目は Veo のみを基準にした場合、2 回目は Flash と組み合わせた場合）。その結果、いずれの場合も上限は 0.50 ドル/秒の範囲内に収まりました。Omni が登場したら、リクエストを賢く振り分けたくなるでしょう。LLM API コスト削減ガイドでは、今から準備しておく価値のあるゲートウェイルーティングやキャッシュ階層について解説しています。

2026 年 5 月 19 日時点の、予測される Gemini Omni のコスト帯と、競合の入出力混合料金の比較。Omni の数値は Veo 3.1 と Gemini 3.5 Flash から補間したものです。このチャートは、Google が料金を公開した当日に更新されます。

Gemini Omniは何を置き換えるのか？スタック圧縮ワークシート

Omniはマルチモデルのパイプラインを置き換えます。テキストにはGPT-4o、画像スコアリングにはGPT-4o Vision、音声の文字起こしにはWhisper、動画生成にはVeo 3.1を使用しています。ナレーション付きの典型的な30秒動画のワークフローは、現在4回のAPI呼び出しで約12.27ドルかかります。中間シナリオのOmni予測価格では、同じワークフローが1回の呼び出しでクリップあたり4〜18ドルに下がります（確かに上限は期待より幅広いですが、読み進めてください）。

私たちの本番パイプラインでは、現在クライアント向けの動画解説ワークフローにまさにこの4ステップの構成を使用しています。現在の費用の内訳と、中間シナリオの予測レートでOmni Proを使った場合の費用の内訳を比較してみましょう。

正直な注意点があります。予測レンジの上限では、Omni Proはクリップあたりで現在の4ベンダーのパイプラインより実際に高くなる可能性があります。動画出力は主要なコスト項目であり、GoogleがOmni ProをVeo 3.1のフル価格である0.40ドル以上/秒（マルチモーダルコンテキスト用の入力トークンの上乗せを含む）に設定した場合、動画を多用するワークフローでは初日からコスト削減を実感できないかもしれません。

では、実際の削減効果はどこから生まれるのでしょうか？プロのヒント：現在Whisper + Vision + GPT-4o + Veo 3.1に費用を支払っている場合、Omniによる本当のメリットは必ずしも金額ではありません。1回の呼び出しで3つのベンダー、3つのSDK、3つのSLAを削減できることです。CTOが承認するのは、クリップあたりの計算ではなく、この部分です。レイテンシが下がり、エラー処理コードが削減され、リトライロジックが4つのエラー分類にまたがって分岐する必要がなくなります。 APIがダウンした際に、Omniを現在のスタックとA/B比較したい場合は、ハードカットオーバーではなくトラフィックミラーリングで行うのがよいでしょう。GPT-4o Responses APIのチュートリアルでは、Omniが統合するために設計されたマルチモーダルスタックそのものを順を追って解説しており、LLMゲートウェイを使えば、すべての呼び出し箇所を書き換えることなく、並行テストを容易に実施できます。

Gemini OmniはInstagram自動化に価値があるのか？

キャプションのみのInstagram自動化では、100万トークンあたり$0.15/$0.60のGPT-4o-miniが、予測されるOmniの料金よりも依然として安価です。Omniの中位ケースでは100投稿あたり$4〜$10であるのに対し、100投稿あたり約$1.60です。Omniが優位になるのは、ワークフローで画像や動画も生成する場合です。既存の写真に対するテキストのみのキャプションには、GPT-4o-miniチェーンを使い続けてください。これは万人に当てはまる答えではありません。

現在、ほとんどのインディーハッカーが運用しているワークフローはn8nのInstagram自動化テンプレートです。n8n + GPT-4o-miniによるキャプション生成 + GPT-4o Visionによる画像スコアリング + GPT-4o-miniによるハッシュタグ生成 + Bufferによる投稿、という構成です。現在の100投稿あたりの実数値：

• キャプション（GPT-4o-mini、入力約500トークン／出力100トークン × 100投稿）：約$0.30
• Visionスコアリング（GPT-4o Vision、画像1枚 × 100投稿）：約$1.20
• ハッシュタグ生成（GPT-4o-mini、約200トークン × 100）：約$0.10
• 合計： APIの直接コストで100投稿あたり約$1.60

予測されるOmniの中位ケースの料金（投稿ごとに1回のマルチモーダル呼び出し：画像入力とテキスト生成、出力はテキストのみ、静的なInstagram投稿には動画不要）では、100投稿あたり$4〜$10の範囲に収まります。これは、まったく同じ出力に対してGPT-4o-miniチェーンより2.5〜6倍高価です。

率直な結論： Instagramのリール（動画）を生成している場合、30秒の動画を1回の呼び出しで出力できる代替手段は他にないため、APIがリリースされた瞬間にOmniが即決の選択肢になります。AIキャプション付きの静的画像を投稿している場合は、GPT-4o-miniが依然としてコスト面で約3倍優位です。移行すること自体を目的に移行してはいけません。

静的なInstagram投稿では、GPT-4o-miniが依然としてコスト面で優位です。Omniがリードするのは、動画出力が必要な場合のみです。Omniの予測数値は、2026年5月19日時点の中位ケースの料金（Veo 3.1 + Gemini 3.5 Flashのブレンド）に基づいています。 これらのパイプラインの構築が初めての方は、n8n AIエージェントチュートリアルで基本を学ぶことができます。処理量の多いエージェンシーのワークフローには、エンタープライズAIワークフロー自動化パターンで、Omniが組み込まれるルーティングロジックについて解説しています。

Gemini Omni vs GPT-4o vs Claude Sonnet 4.6：正直な比較

現時点で Gemini Omni を GPT-4o や Claude Sonnet 4.6 と比較しても、同じ土俵での比較にはならない。Omni は動画を出力できる（他2つはできない）し、GPT-4o はリアルタイム音声に対応している（Omni はまだ対応していない）し、Claude は長文書作業向けに最大級のコンテキストウィンドウを備えている。正しい問いは「どれが安いか」ではなく、「どのモデルの強みが自分のワークロードに合うか」だ。

料金は OpenAI の価格ページおよび Claude の価格ページから取得し、2026-05-19 に確認済み。

Omni は価格面で GPT-4o や Claude を上回らない。上回っているのはモダリティの網羅性だ。今日、動画出力が必要なら、Omni は3大モデルの中で唯一の選択肢だ（純粋な動画生成では Veo 3.1 が依然として優れているが、Omni にはマルチモーダル入力層が加わる）。リアルタイム音声が必要なら、その領域はまだ GPT-4o の独壇場だ。ドキュメントワークフロー用に 1M トークンのコンテキストウィンドウが必要なら、Claude Opus 4.7 がそれをさらに押し広げている。そしてコスト重視のバッチ処理なら、オープンソースのマルチモーダルな代替モデルが同じ領域をトークン単価ゼロでカバーしている（セットアップや GPU コストに関する独自のトレードオフはあるが）。

Gemini Omniを使うべきでないケース

テキストのみのワークフロー（RAG、分類、チャット）、大量処理で低マージンのパイプライン（10〜50倍低コストのGemini 2.5 Flash-LiteやGPT-4o-miniを使用）、リアルタイム音声アプリ（この領域は今もGPT-4o Realtimeが優勢）、あるいはファインチューニングが必要な用途には、Gemini Omniを使わないでください。Omniはマルチモーダルであること自体が価値提案となるジョブのためのモデルであり、チャットボットを安価に動かすための手段ではありません。

具体的には、以下に該当する場合はOmniを避けてください。

• ワークロードがテキストのみで大量の場合：Gemini 2.5 Flash-Lite（$0.10/$0.40）またはGPT-4o-mini（$0.15/$0.60）を使用
• リアルタイム音声が必要な場合：今もGPT-4o Realtimeが最適解
• ファインチューニングが必要な場合：Veo 3.1はサポートしておらず、Omniも同じ基盤の上に構築されているため、ローンチ時点でファインチューニングはできないと考えるべき
• 今すぐ画像出力が必要な場合：Imagen 4またはDALL-E 3（Omniはローンチ時点で画像ではなく動画を出力）
• 今すぐ音声出力が必要な場合：Omniの音声出力は"後日"対応のため、ElevenLabs、OpenAI TTS、またはGemini TTSを使用
• Flashで10秒を超えるクリップが必要な場合：Proティアを待つか、Veo 3.1を直接使用
• UXで1秒未満のレスポンスが必要な場合：マルチモーダル呼び出しはテキストのみより遅いため、追加のレイテンシを見込む必要がある

本番環境の呼び出しを1つでも置き換える前に、共有の評価スイートを使って現在のスタックに対してOmniをベンチマークしてください。Omniはチャットボット、分類、RAGには不向きです。これはマルチモーダルジョブ特化のモデルであり、安価なトークン提供のモデルではありません。

マイグレーションチートシート：複数回呼び出しから単一の Omni 呼び出しへ

API がリリースされたら、4 回呼び出しのパイプラインから単一の Omni 呼び出しへの移行は、おおよそ 15 行程度のコード変更で済みます。以下に示すのは疑似コードです。実際の SDK シグネチャは API とともに公開されます。Veo 3.1 のパターンに基づくと、Google の命名規則は gemini-omni-flash と gemini-omni-pro を示唆しています。

現時点：2 つのベンダーにまたがる 4 回の個別呼び出し。

# 本日: API呼び出し4回、ベンダー2社、エラー分類4種
from openai import OpenAI
from google import genai

openai = OpenAI()
google = genai.Client()

transcript = openai.audio.transcriptions.create(model="whisper-1", file=audio)
vision = openai.chat.completions.create(model="gpt-4o", messages=[
    {"role": "user", "content": [{"type": "image_url", "image_url": image_url}]}])
caption = openai.chat.completions.create(model="gpt-4o", messages=[
    {"role": "user", "content": f"Caption for {vision.choices[0].message.content}"}])
video = google.models.generate_videos(model="veo-3.1", prompt=caption.choices[0].message.content)

Tomorrow (projected): one call to Omni.

# 予測: Omni の単一呼び出し(疑似コード — 実際の SDK は API と同時にリリース予定)
from google import genai

client = genai.Client()
response = client.models.generate_content(
    model="gemini-omni-flash",  # or "gemini-omni-pro" for longer clips
    contents=[text_prompt, image, audio, video_reference],
    config={"output_modality": "video", "duration_seconds": 10}
)

API がリリースされたら、移行作業のほとんどはコードの削除になります。ローンチ日にはモデル名を確認し、定数に固定しておきましょう。そうすれば、呼び出し箇所を変更せずに、ワークロードごとに omni-flash と omni-pro を切り替えられます。Gemini の現在の Python SDK パターンはすでにマルチモーダルなコンテンツに対応しているため、上記の形もそのままきれいに収まります。

Techsy のオムニマイグレーションに対する考え方

クライアントのモデルスタック入れ替えを評価する際、私たちは常に3つの問いを投げかけます。レイテンシーの許容範囲はどれくらいか、新しいモデルは実際のワークロードで使っているモダリティをカバーしているか、そしてベンダー統合によるメリットは再構築のコストに見合うのか、です。このうち2つは大概すぐに答えが出ます。問題は3つ目で、多くのマイグレーションはこの問いに背中を押される形で、間違った理由のまま始まってしまいます。

現時点で、クライアントに Omni へのリビルドを推奨しているわけではありません。API は未公開で、価格も発表されておらず、予測レンジとはあくまで計画立案のためのツールであって、リファクタリングを出荷してよいというゴーサインではないからです。私たちが今この時点でやるべきだと考えるのは、API が公開された瞬間に Omni と現在のスタックを A/B 比較できるゲートウェイ層を組み込んでおくことです。マルチモーダル呼び出しは積極的にキャッシュし（画像＋音声の入力は十分に決定的なため、キャッシュヒット率を高く保てます）、モデル名用のフィーチャーフラグも用意しておきます。

6週間ごとにやってくるモデルの新登場を、書き直しなしで吸収できる AI スタックを構築したいですか？無料相談はこちら。Omni がどこにフィットするか（あるいはしないか）を、一緒に厳しく検証しましょう。

よくある質問

Gemini Omni APIの料金はいくらですか？

2026年5月19日現在、Gemini Omni APIの料金は公開されていません。Googleの料金ページにはOmniを除くすべてのGeminiモデルが記載されています。Veo 3.1とGemini 3.5 Flashを基準にすると、推定料金は入力トークン100万トークンあたり1.50〜2.50ドル、動画出力1秒あたり0.20〜0.60ドルとなります。これらの数値は推定値であり、確定した料金ではありません。

Gemini Omni APIはいつリリースされる？

Googleは5月19日のI/O 2026において、APIを「今後数週間以内」に展開すると発表した。新しいGeminiモデルでは、通常まずVertex AIでのアクセスが提供され、その数週間後にAI Studioの従量課金制が開始される。公式リリース記事が、タイムラインに関する公式な情報源となる。料金が公開された当日に、この記事を更新する予定だ。

Gemini OmniはGPT-4oより安いのか？

ワークロード次第です。動画出力の場合、GPT-4oは動画を出力できないため、1回の呼び出しで生成を完結できるのはビッグ3の中でOmniだけです。テキストのみの処理では、100万トークンあたり$0.15/$0.60のGPT-4o-miniが、Omniの予想価格より約3倍安くなります。パイプラインが実際に生成するモダリティに合ったモデルを選んでください。

Gemini Omniはスタックの何を置き換えるのか？

マルチモーダルな動画ワークフローにおいて、Omniは4つの個別APIコールを置き換えます。文字起こし用のWhisper、画像理解用のGPT-4o Vision、テキスト生成用のGPT-4o、動画合成用のVeo 3.1です。最大のメリットは、通常、コスト削減そのものではなく、3つのベンダーSDK、3つのSLA、3つのエラー分類体系から解放されることです。クリップごとの計算については、上記のスタック集約ワークシートを参照してください。

Gemini Omni は現在 API で利用できますか？

いいえ。2026年5月19日時点では、API アクセスはまだ利用できません。コンシューマー向けアクセスは Gemini アプリの各プランで提供されています。Google の AI サブスクリプション ブログ によると、AI Plus は月額20ドル、AI Pro は月額30ドル、AI Ultra は月額100ドルです。Vertex AI 経由での API 提供は、Google 自身の表現によれば「今後数週間以内（coming weeks）」とのことです。

Gemini Omni はファインチューニングに対応していますか？

発売日の時点では発表されていません。Veo 3.1 もファインチューニングに対応しておらず、Omni は同じ動画基盤の上に構築されているため、ローンチ時点でファインチューニングは利用できないと考えてください。Google はこれまで、マルチモーダル モデルに対して一般提供開始の数ヶ月後にファインチューニングを追加してきた経緯があるため、2026 年第 3 四半期または第 4 四半期という時期は十分に考えられますが、未確認です。

Gemini Omni の課金仕組みは？

Google の標準的なパターンに従うと見られます。入力（テキスト、画像、音声、動画フレーム）は 100 万トークンあたりの単価、動画出力は秒単位の課金となります。他の Gemini モデルと同様に、Batch（通常は約 50% 割引）、Flex、Priority の各ティアが利用できると考えられます。動画フレームによってトークン数が急速に膨らむため、コンテキストティアによる価格設定（20 万トークン超過分は 2 倍の単価）も適用される可能性が高いでしょう。

Omni FlashとOmni Proの違いは何ですか？

Omni Flashは、最大10秒のクリップに制限された、より高速で低コストなバリアントです。Omni Proは、より高い推定コストで、より長いクリップをより高い忠実度で処理します。どちらも同じモダリティマトリックス（テキスト、画像、音声、動画の入力、現時点では動画の出力）をカバーしています。GoogleはFlashの10秒制限を「モデルの制約ではなく、デプロイ上の判断」と呼んでおり、今後延長されることが見込まれます。

Instagram 自動化で Gemini Omni は GPT-4o の代わりになる？

何を作るかによります。リール（動画出力）の場合：いずれは置き換わるでしょう。30 秒の動画合成を一度の API 呼び出しで行える選択肢は、現時点では Omni しか存在しないからです。AI によるキャプションやハッシュタグ付きの静的な投稿の場合：おそらく置き換わりません。コスト面では GPT-4o-mini が依然として Omni の想定価格の約 3 分の 1 で済みますし、n8n + GPT-4o-mini のワークフローはすでに本番環境で実戦検証済みです。

まとめ

押さえておくべきポイントは3つです。

• Gemini Omni APIの価格は未公開（2026年5月19日時点）。価格ページの該当行は空白のままで、コンシューマー向けプランは月額20〜100ドルで提供中、Vertex AI経由のAPIアクセスは「数週間以内に提供予定」とされています。
• 予測レンジ： 入力トークン100万トークンあたり1.50〜2.50ドル、動画出力1秒あたり0.20〜0.60ドル。Veo 3.1とGemini 3.5 Flashを基準に算出。音声入力は100万トークンあたり3〜5ドルと予測。いずれも予測値であり、確定した事実ではありません。
• スタック統合によるコスト削減は、必ずしも金額に表れるとは限りません。 本質は、1回のマルチモーダル呼び出しで3社のベンダー、3つのSDK、3つのSLAを削減できることにあります。移行計画は、ベンダー統合とレイテンシを中心に組み立ててください。クリップあたりの単価だけで判断しないことが重要です。

最終確認日：2026-05-19（更新SLA：Googleが価格を公開してから24時間以内）。GoogleがAPI価格を公開した当日にこの記事を更新します。ぜひブックマークしてください。

Techsyの編集チームは2024年以降、GPT-4o + Veo 3.1 + Whisperを用いたマルチモーダルパイプラインを構築・運用してきました。GoogleがOmniの価格を公開し次第、この記事を更新します。