OpenAIが利用枠を共通化へ。なぜ12月からトークン制に変わるのか

この記事のまとめ

12月より、Plus・Pro・Businessの各プランでChatGPTとCodexの利用枠が共通化されます。消費量はメッセージ回数ではなく、処理・生成された情報量を示すトークン単位で計算されます。本記事では、主な変更点と上限到達時の対処法について、4つの要点に整理して解説します。

対象はPlus・Pro・Businessの3プランで、ChatGPTとCodexが同じ利用枠を使います。
利用量はトークンで測られ、高度なモデルや複雑な作業ほど多く消費します。
Instantチャットは利用量に加算されず、合算された残量とリセット時刻は設定の利用状況から確認できます。
上限に達したら、リセットを待つ、プランを上げる、クレジットを買うの3つから選びます。開始日やプランごとの具体的な量は公表されていません。

利用枠共通化で変わること

共有される対象と範囲

まず把握しておきたいのは、どのプランで、どのツール同士が同じ枠を共有するのかという点です。私が実際に複数のプランを使い分けてきた経験からいえば、枠の統合はツール選択の判断に直結するため、早めに理解しておく必要があります。

12月から、Plus、Pro、Businessの各プランの利用枠はChatGPTとCodexで共有されます。これは、Workのエージェント機能をChatGPTの基本機能へ統合することに伴う変更です（参照*1）。

CodexとChatGPT Workが同一の利用枠を消費するため、一方を多く使うともう一方で利用できる残量は減少します（参照*2）。

つまり、コード生成作業と普段の業務リクエストが1つの利用枠を分け合う形となります。コンサルティング支援の現場でも、エンジニアがCodexを使いながら非エンジニアがChatGPT Workで同時並行して作業するケースが増えており、この共通化は組織単位での消費管理を考える際に特に重要な変更点です。なお、適用開始日の詳細やプラン別の具体的な付与量はまだ公表されていません。

利用枠を消費しない機能

枠が共通化された後も、すべての機能利用が残量を減らす対象となるわけではありません。

Instantチャットは利用枠の消費量に加算されません（参照*1）。

ChatGPT Eduの公式資料によると、Instant chatは日常的な用途を想定しており、実質的に上限なく使える仕様と位置づけられています（参照*3）。

ChatGPT Eduでは、簡単な質問や文章作成の相談といった軽微なやり取りであれば、Instant chatを利用できます。

残量とリセットの確認方法

あとどれくらい利用枠が残っているかは、アプリの設定画面から確かめられます。

合算された利用残量とリセットされる日時は、設定メニューの利用状況画面で確認可能です。OpenAIは業務への影響を抑えるため慎重に移行準備を進めており、多くのユーザーは従来ほど頻繁にリセット待ちを経験することはないとの見解を示しています（参照*1）。

ただし、これはOpenAIによる予測であるため、実際の使用感は日頃の使い方によって左右されます。私自身、エージェント系の処理を集中させる日とそうでない日とで消費ペースが大きく変わる経験をしています。残量とリセット時刻が一元管理されることで、現在の余裕度をひと目で把握しやすくなる点は素直に便利です。

トークン制の数え方

トークンという単位

トークンとは、AIモデルが言語データを処理する単位です。

ChatGPTとCodexの利用量は、モデルが読み込みや生成を行うデータ量の単位であるトークン数で計測されます（参照*1）。

OpenAIの経済研究資料によると、大規模言語モデルは入力された文字列を受け取り、次に続く単語やトークンの出現確率を予測・出力する関数として定義されています。トークンは概ね単語に近い単位といえます（参照*4）。

したがって、入出力された情報量が利用実績としてカウントされます。

消費が増える条件

1回のリクエストであっても、タスク内容によって消費ペースは大きく変動します。これは私が日常的にChatGPTやCodexを使い比べている中で実感していることでもあります。

利用枠の減少幅は、指定するモデルの種類や指示するタスク内容によって異なります。一般的には、高性能なモデルを用いたり難易度の高いタスクを依頼したりするほど、より多くの枠が消費されます（参照*1）。

ChatGPT Eduの解説では、クレジット消費量に影響する要素として次の6つが挙げられています（参照*3）。

選択モデル
タスクの複雑性
必要な推論量
添付ファイル等の入力規模
使用ツール
入出力の長さ

参照資料が膨大であったり、外部ツールを交えた長時間処理を行ったりすると、消費量が跳ね上がります。私の経験では、長い議事録の要約や大量のコードを入力としたデバッグ依頼は、単純な質問の数倍以上のトークンを消費することがあります。

回数制との違い

利用回数で区切る仕組みと、処理データ量で管理する仕組みとでは考え方が根本から異なります。

ChatGPT Eduの資料によると、学生が利用できるWorkとCodexには5時間ごとの枠と1週間ごとの枠の2段階が設けられています。5時間枠は順次回復し、週間枠はその週にエージェント機能を使える上限総量を定めています（参照*3）。

さらに同資料では、付与されるクレジットが固定のメッセージ回数と一対一で対応するわけではないと明記されています。同じクレジット残量でも実行可能な作業量はユーザーごとに異なり、重い処理ほど早く消費されます（参照*3）。

従量的なトークン制においては、「あと何回送信できるか」を一律に換算することはできません。回数制のイメージで使っていると、想定より早く上限に達して作業が止まる事態が起きやすいため、この認識の切り替えが重要です。

上限に達したときの選択肢

待つ・上げる・買うの判断

利用上限に達した場合にとれる主な対応方針は3通りあります（参照*1）。

リセット時刻を待つ
上位プランへ移行する
追加クレジットを購入して作業を続行する

もっとも、厳密な利用上限や選べる対処法は、加入プラン、モデル、処理内容、各種設定、アカウントによって差があります。WorkとCodexで枠は共有されるものの、作業履歴や開発環境自体は分かれています（参照*5）。

そのため、実情に応じて画面上の提示条件を確認しながら手段を選ぶ必要があります。プランごとの枠の詳細や追加購入の価格体系は公表されていません。

作業を止めないための備え

上限到達によって進行中の作業が中断してしまう事態は、できれば避けたいところです。特にエージェントを使った長時間の自律処理では、途中で止まると文脈の再構築コストが高くつきます。

同記事では、タスクの切り替えやリセット待ちに入る前に、引き継ぎメモへまとめる内容として次の8項目が提案されています（参照*5）。

目的
現在の進捗
完了項目
決定事項
前提条件
未解決の課題
関連URL
次のアクション

また、原因を確認しないままリクエストの再試行を繰り返す行為には注意が必要です。再送信しても利用枠は増えないため、まずは管理画面で利用状況を確認する手順が基本となります（参照*5）。私自身もリセット待ちの間にコンテキストをまとめ直す習慣をつけてから、作業の中断による損失が減りました。

なお、これは公式が定めた仕様ではなく、同記事が推奨している実用的な対策の考え方です。

トークン制に変わる背景

エージェント利用の急拡大

AIの活用方法は、単発の短い質疑応答から、長時間の自律的な委託作業へと急速にシフトしています。私自身、生成AIを使い始めた当初は一問一答の用途が中心でしたが、今ではエージェントに複数工程を任せる使い方が業務の中心になっています。

OpenAIの発表によれば、エージェント型AIは知識労働を単発のやり取りから自律遂行型の長時間タスクへと進化させています。通常のチャットが一問一答で完結しやすいのに対し、エージェントは外部ツールを駆使し、試行錯誤を繰り返しながら数分から数時間自律稼働します（参照*6）。

同社の社内実績では、2025年8月時点まで全社トークン消費におけるCodexの割合は平均10%未満でした。しかし現在では、法務や人事といった非技術部門を含む全部門でCodexが主要な仕事用AIツールとして使われています（参照*6）。これはエンジニアリング用途に限らず、業務全般でエージェント型AIが浸透しつつあることを示す数字であり、私がコンサルティング現場で感じている変化とも一致します。

加えて2026年6月時点には、上位1%のヘビーユーザーが複数エージェントを同時並行させ、1日あたり60時間を超えるCodex稼働時間を継続創出していたと公表されています（参照*6）。

計算資源とエネルギーの事情

トークン消費量の急激な増加は、サーバーの計算負荷や消費電力の問題と直結しています。利用枠の統合はユーザー側の利便性だけでなく、供給側のリソース管理という文脈でも理解する必要があります。

ある研究調査では、大規模言語モデルをエージェント構成で動かすとトークン消費が大幅に増え、エネルギー消費への懸念が高まっていると指摘されています。しかし独自API経由のモデルは電力消費の把握が難しく、従来の評価手法は出力部分ばかりに着目し、エージェント特有の長大な入力コンテキストによる負荷を軽視しがちでした（参照*7）。

同研究が一般化線形モデルを用いて検証したところ、デコード処理の計算時間と消費電力は出力長に比例する一方、プレフィル処理では入力長に対して線形および二次関数の双方の増加傾向が確認されました（参照*7）。

なお、これらは学術的な測定成果であり、OpenAIが利用枠統合の根拠として直接表明した見解ではありません。

供給と価格のせめぎ合い

ユーザー向けの上限枠の設定は、これまでも緩和と見直しを繰り返しながら調整されてきました。

OpenAIはChatGPTのPro 100、Pro 500およびBusiness Premiumの利用上限を倍増させ、月額200ドルのPro 200で予定していた制限縮小を取り下げました。この方針は2026年10月29日、コア製品・プラットフォーム部門を率いるThibault Sottiaux氏により公式Xで明かされました。OpenAIによれば、枠が2倍になっても処理できる作業量がそのまま倍増するわけではなく、モデルや設定によって実行可能タスク数は大きく変化します（参照*8）。

また「28日間計画」は、CodexとChatGPTを担当するSottiaux氏が10月4日（米国時間）に打ち出した取り組みであり、大半のCodex／Workユーザーに関係する明確な改善、または利用枠の一斉リセットのいずれかを日々提供すると表明していました（参照*9）。

今後の見通しと利用者の備え

組織に求められる管理

トークンベースの課金・制限が広がるにつれ、企業組織にとっては消費量の適切な統制が重要課題となります。私が企業への生成AI導入支援を進める中でも、コスト管理の仕組みを早期に整えられていない組織が、PoC段階で費用が膨らみ展開を止めてしまうケースを複数見てきました。

CISAのガイダンスによれば、第三者の超知能（SI）サービスを組織導入する際、トークン依存の利用形態はコスト、運用性能、重要なサービスへのアクセスに影響を及ぼす可能性があります。適切な管理を怠ると、費用の肥大化や予測困難化、サービスの利用可能性の低下、パフォーマンス低下、トークンの枯渇、トークン拒否攻撃やウォレット拒否攻撃につながるおそれがあると警鐘を鳴らしています（参照*10）。

同資料では実効的な対策として、トークン配分の優先順位付け、効率的なワークフロー設計、ユーザーへの指示文作成指導、キャッシュ機構や再利用可能コンテキストの活用、送信前データの軽量化、継続的な消費監視などが提案されています（参照*10）。

個人が今からできること

個々の利用者レベルでも、日頃の指示出しを工夫することで無駄な消費を減らせます。プロンプト設計はトークン節約の観点からも重要であり、曖昧な依頼はやり直しを生み、結果として消費量を増やします。

ChatGPT Eduの利用指針では、指示のやり直しを防ぐため、対象読者、目的、背景資料、制約、トーン、希望分量、出力形式を明確に指定することが推奨されています（参照*11）。私が実務でプロンプト設計を行う際も、この考え方は変わりません。タスクの難度に応じて最も軽量なモデルを使い分け、高度な推論機能は効果が明確に見込める重要局面へ絞って投入することが、消費効率の面でも品質の面でも有効です。

また、文脈情報の管理も消費を大きく左右します。コンテキスト枠は単一の共通予算であり、システム指示、参照文書、会話履歴、入力文、返答領域が枠を共有しているため、不要な過去ログを放置すると枠を圧迫する要因となります（参照*12）。私は長い会話セッションでは定期的に新しいスレッドを切り直す習慣をつけており、これだけでも消費量のコントロールに効果があります。

おわりに

12月より、Plus、Pro、Businessの各プランでChatGPTとCodexの利用枠が統合され、トークン単位の消費管理へ移行します。高性能モデルや長大タスクほど消費は大きくなりますが、Instantチャットは対象外です。利用残量やリセット時刻は、設定の利用状況画面から確認できます。

上限へ達した際の選択肢は、リセット待ち、上位プランへの移行、追加クレジット購入の3点です。詳細なスケジュールや配分量には、公表されていない部分もあります。今の段階でできる備えは、自分の使い方の傾向を把握し、プロンプト設計と文脈管理を見直しておくことです。

監修者

安達裕哉（あだちゆうや）

デロイトトーマツコンサルティングにて品質マネジメント、人事などの分野でコンサルティングに従事しその後、監査法人トーマツの中小企業向けコンサルティング部門の立ち上げに参画。大阪支社長、東京支社長を歴任したのち2013年5月にwebマーケティング、コンテンツ制作を行う「ティネクト株式会社」を設立。ビジネスメディア「Books&Apps」を運営。
2023年7月に生成AIコンサルティング、およびAIメディア運営を行う「ワークワンダース株式会社」を設立。ICJ2号ファンドによる調達を実施(1.3億円)。
著書「頭のいい人が話す前に考えていること」が、95万部（2026年6月時点）を売り上げる。
（“2023年・2024年上半期に日本で一番売れたビジネス書”（トーハン調べ／日販調べ））