# 入力・出力トークン単価の計算例
pricing = {
    "gemini-2.5-pro": {
        "input": 0.30,      # $0.30 / 百万トークン
        "output": 1.20      # $1.20 / 百万トークン
    },
    "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, {})
    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
cost_pro = estimate_cost("gemini-2.5-pro", 1_000_000, 200_000)
cost_flash = estimate_cost("gemini-2.5-flash", 1_000_000, 200_000)
cost_lite = estimate_cost("gemini-2.5-flash-lite", 1_000_000, 200_000)
 
print(f"2.5 Pro コスト: ${cost_pro:.2f}")
print(f"2.5 Flash コスト: ${cost_flash:.2f}")
print(f"2.5 Flash Lite コスト: ${cost_lite:.2f}")

from anthropic import Anthropic
 
client = Anthropic()
 
# 複雑なコーディングタスクは Pro を使用
response = client.messages.create(
    model="gemini-2.5-pro",
    max_tokens=2048,
    messages=[{
        "role": "user",
        "content": """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
        """
    }]
)
 
print(response.content[0].text)

from anthropic import Anthropic
 
client = Anthropic()
 
# テキスト要約は Flash で十分
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.messages.create(
        model="gemini-2.5-flash",
        max_tokens=500,
        messages=[{
            "role": "user",
            "content": f"以下のテキストを3文で要約してください：\n{doc}"
        }]
    )
    print(response.content[0].text)

from anthropic import Anthropic
 
client = Anthropic()
 
def stream_chat(user_message):
    """リアルタイムチャット機能"""
    with client.messages.stream(
        model="gemini-2.5-flash-lite",
        max_tokens=1024,
        messages=[{
            "role": "user",
            "content": user_message
        }]
    ) as stream:
        for text in stream.text_stream:
            print(text, end="", flush=True)
    print()
 
# 使用例
stream_chat("Python の async/await について簡潔に説明してください")

from anthropic import Anthropic
 
client = Anthropic()
 
# 複雑な分析は最新 Pro を使用
response = client.messages.create(
    model="gemini-3-pro",
    max_tokens=2048,
    messages=[{
        "role": "user",
        "content": """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
        """
    }]
)
 
print(response.content[0].text)

import base64
from pathlib import Path
 
# 画像分析の例
def analyze_image(image_path):
    """画像を分析する"""
    with open(image_path, "rb") as f:
        image_data = base64.standard_b64encode(f.read()).decode("utf-8")
 
    response = client.messages.create(
        model="gemini-2.5-pro",
        max_tokens=1024,
        messages=[{
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/jpeg",
                        "data": image_data
                    }
                },
                {
                    "type": "text",
                    "text": "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"
                }
            ]
        }]
    )
 
    return response.content[0].text
 
# 使用例
analysis = analyze_image("chart.jpg")
print(analysis)

from anthropic import Anthropic
 
client = Anthropic()
 
def process_large_document(document_path, query):
    """大規模ドキュメントから情報を抽出"""
    # ドキュメント読み込み
    with open(document_path, "r") as f:
        document_content = f.read()
 
    # 2M トークンのコンテキストウィンドウを活用
    response = client.messages.create(
        model="gemini-3-pro",
        max_tokens=1024,
        messages=[{
            "role": "user",
            "content": 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}"""
        }]
    )
 
    return response.content[0].text
 
# 使用例
answer = process_large_document("annual_report.txt", "2024年の主要な成長ドライバーは何ですか？")
print(answer)

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")
 
# 使用例
model = smart_model_selection("coding", 50000)
print(f"選択されたモデル: {model}")

import json
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_usage(self, model, input_tokens, output_tokens):
        """利用状況をログに記録"""
        rates = self.pricing.get(model, {})
        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()
        today_usage = [u for u in self.usage_log
                      if datetime.fromisoformat(u["timestamp"]).date() == today]
        return sum(u["cost"] for u in today_usage)
 
# 使用例
tracker = APIUsageTracker()
cost = tracker.log_usage("gemini-2.5-flash", 50000, 10000)
print(f"このリクエストのコスト: ${cost:.4f}")
print(f"本日のコスト: ${tracker.get_daily_cost():.2f}")