レスポンスパラメータの活用

OpenAI Responses API を使いこなす

James Chapman

AI Curriculum Manager, DataCamp

モデルの選択

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

¹ https://platform.openai.com/docs/models

モデルの選択

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

目安: 要件を満たす中で最もコストの低いモデルを選ぶ

モデル	速度	コスト	適した用途
gpt-5.4-mini	高速	低	単純タスク・Q&A
gpt-5.5	中程度	高め	複雑な推論

¹ https://platform.openai.com/docs/models

LLMとトークン

トークン: AIがテキストを理解・解釈するための単位

「How can the OpenAI API deliver business value?」という文で、各トークンが異なる色でハイライトされている。

¹ https://platform.openai.com/tokenizer

LLMとトークン

非推論LLM: プロンプトに続く確率が最も高いトークンを生成する

LLMとトークン

推論エフォート

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",

    reasoning={"effort": "none"}

)

推論エフォート

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"}
)

エフォート	適した用途
none	単純・機械的なタスク
low	速度・コスト優先のシンプルなタスク
medium	推論と効率のバランス（デフォルト）
high	複雑・多段階・論理的なタスク
xhigh	最難関タスク（限界に挑むケース）

推論サマリー

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={
        "effort": "medium",

        "summary": "auto"

    }
)

出力トークン数の制限

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"},

    max_output_tokens=500

)

max_output_tokens には 推論トークン も含まれる

まとめ

シンプルなタスク → 小規模モデル・推論なし・トークン数少なめから開始
複雑なタスク → 中規模モデル・推論ありから始め、段階的に調整

練習しましょう！

OpenAI Responses API を使いこなす