# 入力・出力トークン単価の計算例（単価は $/百万トークン・要確認）
pricing = {
    "gemini-2.5-pro": {"input": 0.30, "output": 1.20},
    "gemini-2.5-flash": {"input": 0.10, "output": 0.40},
    "gemini-2.5-flash-lite": {"input": 0.04, "output": 0.12},
    "gemini-3-pro": {"input": 0.50, "output": 2.00},
    "gemini-3-flash": {"input": 0.15, "output": 0.60},
}
 
def estimate_cost(model_name, input_tokens, output_tokens):
    """API 利用コストを推定"""
    rates = pricing.get(model_name)
    if rates is None:
        raise ValueError(f"未登録のモデルです: {model_name}")
    input_cost = (input_tokens / 1_000_000) * rates["input"]
    output_cost = (output_tokens / 1_000_000) * rates["output"]
    return input_cost + output_cost
 
# 例：100万入力トークン、20万出力トークン
for m in ("gemini-2.5-pro", "gemini-2.5-flash", "gemini-2.5-flash-lite"):
    print(f"{m}: ${estimate_cost(m, 1_000_000, 200_000):.2f}")

from google import genai
from google.genai import types
 
# API キーは環境変数 GEMINI_API_KEY からでも読めます
client = genai.Client(api_key="YOUR_GEMINI_API_KEY")

response = client.models.generate_content(
    model="gemini-2.5-pro",
    contents="""以下の要件を満たす Python クラスを実装してください：
 
    1. 非同期 HTTP クライアントのラッパー
    2. リトライロジック（指数バックオフ）
    3. リクエスト・レスポンスのロギング
    4. タイムアウト設定
    5. キャッシング機能
    """,
    config=types.GenerateContentConfig(max_output_tokens=2048),
)
print(response.text)

documents = [
    "長いニュース記事...",
    "技術ブログ...",
    "研究論文のアブストラクト...",
]
 
for doc in documents:
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=f"以下のテキストを3文で要約してください：\n{doc}",
        config=types.GenerateContentConfig(max_output_tokens=500),
    )
    print(response.text)

def stream_chat(user_message):
    """リアルタイムチャット機能"""
    for chunk in client.models.generate_content_stream(
        model="gemini-2.5-flash-lite",
        contents=user_message,
        config=types.GenerateContentConfig(max_output_tokens=1024),
    ):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    print()
 
stream_chat("Python の async/await について簡潔に説明してください")

response = client.models.generate_content(
    model="gemini-3-pro",
    contents="""市場データを分析して、以下について詳細に説明してください：
 
    1. 現在のマーケットトレンド
    2. 3つの主要なリスク要因
    3. 推奨される戦略
    4. 実装のロードマップ
    """,
    config=types.GenerateContentConfig(max_output_tokens=2048),
)
print(response.text)

def analyze_image(image_path):
    """画像を分析する"""
    with open(image_path, "rb") as f:
        image_bytes = f.read()
 
    response = client.models.generate_content(
        model="gemini-2.5-pro",
        contents=[
            types.Part.from_bytes(data=image_bytes, mime_type="image/jpeg"),
            "この画像に含まれるオブジェクト、テキスト、コンテキストを詳細に説明してください",
        ],
        config=types.GenerateContentConfig(max_output_tokens=1024),
    )
    return response.text
 
print(analyze_image("chart.jpg"))

def process_large_document(document_path, query):
    """大規模ドキュメントから情報を抽出"""
    with open(document_path, "r", encoding="utf-8") as f:
        document_content = f.read()
 
    response = client.models.generate_content(
        model="gemini-3-pro",
        contents=f"""以下のドキュメントに基づいて質問に答えてください：
 
<document>
{document_content}
</document>
 
質問: {query}""",
        config=types.GenerateContentConfig(max_output_tokens=1024),
    )
    return response.text
 
print(process_large_document("annual_report.txt", "2024年の主要な成長ドライバーは何ですか？"))

def smart_model_selection(task_type, input_tokens):
    """タスク複雑度とトークン数に基づいて最適モデルを選択"""
    if input_tokens > 1_500_000:
        return "gemini-3-pro"  # 最大コンテキスト対応
 
    complexity_to_model = {
        "simple_qa": "gemini-2.5-flash-lite",
        "chat": "gemini-2.5-flash",
        "analysis": "gemini-2.5-pro",
        "coding": "gemini-2.5-pro",
        "reasoning": "gemini-3-pro",
    }
    return complexity_to_model.get(task_type, "gemini-2.5-flash")
 
print(smart_model_selection("coding", 50_000))

from datetime import datetime
 
class APIUsageTracker:
    """API 利用コストを追跡"""
 
    def __init__(self):
        self.usage_log = []
        self.pricing = {
            "gemini-2.5-pro": {"input": 0.30, "output": 1.20},
            "gemini-2.5-flash": {"input": 0.10, "output": 0.40},
        }
 
    def log_response(self, model, response):
        """レスポンスの実トークン数からコストを記録"""
        usage = response.usage_metadata
        input_tokens = usage.prompt_token_count
        output_tokens = usage.candidates_token_count
        rates = self.pricing.get(model, {"input": 0, "output": 0})
        cost = (input_tokens / 1_000_000) * rates["input"] + \
               (output_tokens / 1_000_000) * rates["output"]
        self.usage_log.append({
            "timestamp": datetime.now().isoformat(),
            "model": model,
            "input_tokens": input_tokens,
            "output_tokens": output_tokens,
            "cost": cost,
        })
        return cost
 
    def get_daily_cost(self):
        """本日のコストを計算"""
        today = datetime.now().date()
        return sum(
            u["cost"] for u in self.usage_log
            if datetime.fromisoformat(u["timestamp"]).date() == today
        )