Perplexity Orchestrator APIとは?何が発表されたのか
Perplexity APIの4つの役割分担
Orchestrator API
- 自分のプロンプトとツールでモデルに直接アクセスする
- モデル呼び出しの共通ゲートウェイという立ち位置
Agent API
- Web検索を根拠にした引用付きの回答を得る
室谷代表取締役Perplexity Orchestrator API(オーケストレーターAPI)は、Perplexityが2026年11月17日に発表したAPIサービスで、OpenAI・Anthropic・Google・xAIなどの商用モデルと、Perplexityの推論基盤上で動くオープンウェイトモデルを、1つのAPIキー・1つの請求にまとめて使えるようにするものなんですよね。
テキトー教師DotAI 認定講師単に「モデルがたくさん使えるAPI」という話じゃないんですよ。ポイントは提供元が違っても同じリクエスト形式で呼べて、しかも裏側で空いているデプロイを選んだり、失敗したら同じモデルの別デプロイに振り直したりするところまで面倒を見てくれることです。
室谷代表取締役公式ブログのタイトルが「Orchestrator: One API for reliable inference」、つまり信頼できる推論のための1本のAPIという位置づけですね。Perplexityは自社のモデルレイヤーで毎日数億リクエストを85以上のモデル、十数プロバイダに振り分けて運用していて、その実運用の基盤を開発者に開放したという説明の仕方をしています。
テキトー教師DotAI 認定講師ここは講座でもよく聞かれるところなんですが、「PerplexityのAPI」と一口に言っても、実は役割が分かれているんですよ。整理するとこうです。
- Orchestrator API: 自分のプロンプトとツールでモデルに直接アクセスする
- Agent API: Web検索を根拠にした引用付きの回答を得る
- Search API: 順位付けされたWeb検索結果だけを取得する
- Decisions API: はい/いいえ、選択式、評価系の質問に確率で答える
室谷代表取締役なるほど、Orchestratorは「検索」ではなく「モデル呼び出しの共通ゲートウェイ」という立ち位置なんですね。MYUUUでも複数プロバイダのAPIキーを案件ごとに管理していて、請求書が散らかるのが地味にストレスだったので、この整理は刺さります・・・。
Orchestrator APIでできること——45以上のモデルを1つのAPIキーに
Orchestrator APIでできること
45以上のモデルを1つのAPIキーで
OpenAI・Anthropic・Google・xAIに加え、オープンウェイトモデルまで提供。カタログにはZ.AI・DeepSeek・Moonshot AIなどのプロバイダも並ぶ
プロバイダ接頭辞付きの共通モデルID
openai/gpt-6-luna や perplexity/glm-5.3 の形式。Chat Completions・Responses・Messagesの3形式すべてで共通
1行の書き換えでモデル切替
モデルIDが共通なので、切り替えは1行の書き換えで済む
全モデルが3形式に対応
個別機能はモデル次第。コンテキストウィンドウや最大出力トークンもモデルごとに公開(Claude系は100万トークンのコンテキスト、最大出力128,000トークンの記載)
レートカードとセットで一覧化
モデルごとの違いを毎回ドキュメントで確認せずに済む
ステートレス設計
サーバー側の状態に依存するリクエストフィールドはエラー。Responses形式でも毎回inputに会話全体を入れる必要がある
テキトー教師DotAI 認定講師発表スレッドでは「OpenAI、Anthropic、Google、xAIのモデルに加えてオープンウェイトモデルまで、45以上のモデルを提供する」と説明されています。カタログを見ると、Anthropic・OpenAI・Google・xAI・Z.AI・DeepSeek・Moonshot AIといったプロバイダのモデルが並んでいますね。
室谷代表取締役モデルIDは
これは実装する側からするとかなり効きます。
openai/gpt-6-luna や perplexity/glm-5.3 のようにプロバイダ接頭辞が付いた形式で、これがChat Completions・Responses・Messagesの3形式すべてで共通なんですよね。つまりモデルを切り替えるのが1行の書き換えで済む。これは実装する側からするとかなり効きます。
テキトー教師DotAI 認定講師しかもカタログのモデルは全部が3形式に対応していて、個別機能はモデル次第という整理です。コンテキストウィンドウや最大出力トークンもモデルごとに公開されていて、たとえばClaude系は100万トークンのコンテキストを持つモデルが多く、最大出力は128,000トークンという記載があります。
室谷代表取締役モデルごとの違いを毎回ドキュメントで確認するのは地味に時間を取られるので、レートカードとセットで一覧化されているのはありがたいですね。モデル選びの考え方についてはCursorのモデル選びは料金プランで決まるでも触れていますが、選択肢が増えるほど「どれをいつ使うか」の設計が重くなるんですよ。
テキトー教師DotAI 認定講師そこを自動化するのが後述のルーティング機能というわけですね。あと地味に重要なのが、Orchestrator APIはステートレスだという点です。
サーバー側の状態に依存するリクエストフィールドはエラーを返すので、Responses形式を使う場合も毎回inputに会話全体を入れる必要があります。
サーバー側の状態に依存するリクエストフィールドはエラーを返すので、Responses形式を使う場合も毎回inputに会話全体を入れる必要があります。
室谷代表取締役ステートレスということは、裏側でどのデプロイに振られても会話が壊れない設計になっているということでもありますよね。フェイルオーバーとセットで考えると筋が通っています。
Orchestrator APIの使い方・始め方——既存のOpenAI/Anthropic SDKをそのまま接続
Orchestrator API 接続手順
- 01SDKをインストールOpenAI SDKまたはAnthropic SDK(両方でも可)をインストールする
- 02APIキーを設定環境変数 PERPLEXITY_API_KEY にAPIキーを設定する
- 03ベースURLとモデルIDを変更ベースURLをOrchestratorのものに変え、カタログのモデルID(例: perplexity/glm-5.3)を指定する
テキトー教師DotAI 認定講師導入のハードルはかなり低いです。公式クイックスタートでは、OpenAI SDKかAnthropic SDK、あるいはその両方をインストールして、ベースURLとAPIキーを差し替えるだけで既存の連携を移行できると説明されています。
室谷代表取締役具体的な設定値もきっちり書かれていて、OpenAI SDKは
https://api.perplexity.ai/orchestrator/v1、Anthropic SDKは /v1 を付けずに https://api.perplexity.ai/orchestrator を設定するんですよね。Anthropic SDKは自分で /v1/messages を後ろに付ける仕様だから、ここを間違えると最初の1本でつまずきますw
テキトー教師DotAI 認定講師講座で受講生さんがよく詰まるのもまさにそこです(笑)。整理すると、手順はこの3つだけです。
- OpenAI SDKまたはAnthropic SDKをインストールする
- APIキーを環境変数
PERPLEXITY_API_KEYに設定する - ベースURLをOrchestratorのものに変え、カタログのモデルID(例:
perplexity/glm-5.3)を指定する
室谷代表取締役ストリーミングも普通に使えて、
stream: true に加えて stream_options: {"include_usage": true} を付ければ、最後のチャンクでトークン使用量が返ってくる。コスト管理を考えるとこのオプションは最初から入れておくべきですね。
テキトー教師DotAI 認定講師利用可能なモデルの一覧は
https://api.perplexity.ai/orchestrator/v1/models にGETすれば取得できて、その組織の利用ティアで呼べるモデルがID順で返ります。ただしコンテキストウィンドウや最大出力、perplexity/auto は含まれないので、そこはドキュメントの表を見る必要があります。
室谷代表取締役カタログに無いモデルIDを投げるとHTTP 404で、Responses形式なら
OpenAI APIとの互換性の考え方についてはChatGPT(OpenAI API)連携完全ガイドでも整理しているので、移行の感覚はそちらに近いですね。
model_not_found、Messages形式なら not_found_error が返る。エラーの返り方が形式ごとに違うのも、既存SDKをそのまま使う以上は把握しておきたいところです。OpenAI APIとの互換性の考え方についてはChatGPT(OpenAI API)連携完全ガイドでも整理しているので、移行の感覚はそちらに近いですね。
料金体系と提供範囲——トークン課金・請求の仕組み・日本から使えるか
テキトー教師DotAI 認定講師料金はシンプルで、Orchestrator APIはリクエストごとの固定費がなく、各モデルの公表トークン単価で課金されます。入力と出力で別レート、キャッシュ読み取りはキャッシュ読み取りレート、推論トークンは出力レートで課金という整理です。
室谷代表取締役大事なのが「どのデプロイが応答したかに関係なく、リクエストしたモデルのレートで請求される」という点ですよね。フェイルオーバーでAWS Bedrock側に振られても料金は変わらない。
ここは運用設計上かなり効きます。
ここは運用設計上かなり効きます。
テキトー教師DotAI 認定講師一部のモデルはキャッシュ書き込みにも課金があります。Anthropic系とGPT-6.1・GPT-6・GPT-5.6は、キャッシュに書き込んだトークンが入力レートの1.25倍で一度だけ課金され、Anthropic系は1時間キャッシュも選べて、その場合は入力レートの2倍になります。
室谷代表取締役レートカードの一部を抜くとこんな感じです。数字は公式のモデルページの記載そのままです。
| モデルID | 入力($/1M) | 出力($/1M) | キャッシュ読み取り($/1M) |
|---|---|---|---|
| anthropic/claude-opus-5-5 | 4.00 | 20.00 | 0.20 |
| anthropic/claude-fable-5-2 | 8.00 | 40.00 | 0.20 |
| anthropic/claude-sonnet-5-5 | 2.00 | 10.00 | 0.10 |
| anthropic/claude-haiku-5-5 | 0.10(10万トークン以下) | 0.50(同) | 0.01(同) |
テキトー教師DotAI 認定講師コンテキスト長によってレートが変わるモデルもあるので、表の「(≤100k)」のような条件は見落とさないようにしたいですね。料金の考え方はCursorの料金を徹底解説で扱ったようなプラン定額型とは違い、完全に従量課金です。
室谷代表取締役請求は既存のPerplexity APIプロジェクトと同じプリペイドクレジットから引かれます。APIコンソールでモデル別の支出が見られて、APIキー別に利用を絞り込める。
さらにモデルの許可リストと支出上限を設定できるので、チームで使うときの暴走防止に効きます。クレジットはAWS Marketplaceからも購入できます。
さらにモデルの許可リストと支出上限を設定できるので、チームで使うときの暴走防止に効きます。クレジットはAWS Marketplaceからも購入できます。
テキトー教師DotAI 認定講師利用ティアにも注意が必要です。Google・xAI・オープンウェイトモデルはすべてのティアで使えますが、OpenAIとAnthropicのモデルはTier 1以上、Claude Opus 5・Opus 5.5・Fable系はTier 2以上が必要で、満たさない場合はHTTP 402が返ります。
室谷代表取締役あとゼロデータ保持(ZDR)を有効にしている組織はClaude Fable系を呼べず、HTTP 403になるという記載もあります。エンタープライズでZDRを前提にしている場合は、モデルカタログの段階で除外して考える必要がありますね。
日本から使えるかについては、公式ページに地域制限の記載は見当たらないので、現時点では明らかにされていません。ティアの詳細はrate limitsのドキュメントで確認できます。
日本から使えるかについては、公式ページに地域制限の記載は見当たらないので、現時点では明らかにされていません。ティアの詳細はrate limitsのドキュメントで確認できます。
自動ルーティングとフェイルオーバー——タスクに合うモデルを自動で選び、障害時も止めない仕組み
テキトー教師DotAI 認定講師まずフェイルオーバーの話をすると、あるプロバイダがエラーを返したり、レート制限に当たったり、タイムアウトした場合に、Orchestratorは同じモデルの別デプロイで再試行します。モデル自体は変わらないのがポイントです。
室谷代表取締役公式ブログの例がわかりやすくて、「Claudeを選ぶということは、単一のプロバイダに依存することを意味しなくていい。Anthropicで失敗したリクエストがAWS Bedrockで成功することがある」という説明なんですよね。
1回ごとの試行には最初のトークンまでの時間と全体の時間に上限が設けられていて、だらだら待たないようになっています。
1回ごとの試行には最初のトークンまでの時間と全体の時間に上限が設けられていて、だらだら待たないようになっています。
テキトー教師DotAI 認定講師信頼性の実測も公開されていて、2026年10月4日から11月2日の期間で、Perplexity経由のClaudeとGPTのリクエストは、計測したいずれかの単一プロバイダへのリクエストより成功率が高く、プロバイダ障害時の日次成功率の変動も小さかったとされています。
室谷代表取締役速度の話も面白くて、同じ30日間でClaude Opus 5.5の最速プロバイダはAnthropicが15日、AWS Bedrockが15日と入れ替わっていた。GPT-5.6 SolではAzureの中央値出力速度がOpenAIより27%高かったというデータも示されています。
つまり「速いプロバイダ」は固定じゃないわけです。
つまり「速いプロバイダ」は固定じゃないわけです。
テキトー教師DotAI 認定講師そこで自動ルーティング(プレビュー)です。モデルに
ルート名やモデルIDは決定モデルには見せず、説明文だけを見て判断する仕組みです。
perplexity/auto を指定して、平易な言葉のタスク記述とモデルを対応づけたプロファイルを渡すと、決定モデルが会話を読んで適切なルートを選ぶ。ルート名やモデルIDは決定モデルには見せず、説明文だけを見て判断する仕組みです。
室谷代表取締役カスタムプロファイルは
堅牢側に倒した設計になっています。
default_model と routes で構成して、各ルートにname・description・modelを書く。どのルートにも合致しなければデフォルトモデルに送られ、決定モデル自体が失敗したりタイムアウトした場合もデフォルトが使われる。堅牢側に倒した設計になっています。
テキトー教師DotAI 認定講師公式ブログにはカスタマーサポートの例が載っていて、請求に関する dispute はClaude Opus 5.5、技術的な不具合はGPT-6.1 Sol、それ以外の定型質問はGLM-5.3 Flashに振る、というルート定義が紹介されています。応答ヘッダの
x-perplexity-autoroute-route で選ばれたルート、x-perplexity-autoroute-outcome で処理結果がわかります。
室谷代表取締役会話の途中でタスクが変わっても追従するのもポイントで、サポートの会話がアカウントの質問から請求の dispute、壊れた連携の相談へと移るたびにルートが切り替わり、最後のお礼でGLM-5.3 Flashに戻る例が示されています。
テキトー教師DotAI 認定講師モデルが切り替わってもプロンプトキャッシュは完全に無駄にならないのが面白いところです。各モデルは自分のキャッシュを持っているので、会話がGLM Flashに戻ったとき、ターン1のプレフィックスがまだキャッシュに残っていれば再利用し、その間にOpusやSolが追加した応答は新規入力として処理します。
室谷代表取締役そのためにOrchestratorは関連するリクエストをできるだけ同じデプロイに寄せるし、会話ごとに安定した
prompt_cache_key を使うことが推奨されています。キャッシュの設計はコストに直結するので、ここは実装時に最初に決めておきたいですね。
テキトー教師DotAI 認定講師ルーティングの応用例として、モデルの拒否を回避する使い方も紹介されています。AnthropicのドキュメントではClaude Fable 5.2のセーフガードが良性のサイバーセキュリティやライフサイエンスの作業をブロックすることがあるとされていて、それを63タスクのTerminal-Bench 4.1のサブセットで検証したところ、Fable単体では38タスク、ルーティング構成では41タスクを解けたという結果が示されています。
ただしタスクあたりの推定コストは上がるというトレードオフも併記されています。
ただしタスクあたりの推定コストは上がるというトレードオフも併記されています。
室谷代表取締役ここは誤解されやすいので補足すると、これはOrchestratorの性能を汎用的に示すベンチマークではなく、特定のユースケースでの検証結果です。数字だけが独り歩きしないように読みたいところです。
なぜ今Orchestratorなのか——プロバイダ選びの非効率と速度変動という背景
テキトー教師DotAI 認定講師背景にあるのは、複数プロバイダを使い分けることの運用コストです。プロバイダごとに契約・APIキー・請求・SDKの差異を管理する必要があり、1社に依存すればその障害やレート制限がそのまま自社サービスに波及します。
室谷代表取締役さらに「どのプロバイダが速いか」が時期で変わるという問題があります。先ほどのClaude Opus 5.5の15日ずつ入れ替わりや、GPT-5.6 SolのAzureが27%速いというデータは、速度を追うだけでも運用負荷がかかることを示していますよね。
テキトー教師DotAI 認定講師そこに対して、Perplexityは自社で毎日数億リクエストを85以上のモデル、十数プロバイダに振り分けてきた実運用基盤をそのまま開発者に開放するという打ち手を取ったわけです。
室谷代表取締役個人的には、モデルごとに最適なプロバイダを人間が追い続けるのはもう無理だと思っていて、MYUUUでも「タスクに合うモデルを選ぶ」部分は早めに仕組みに寄せたほうがいいと感じています。自動ルーティングはまだプレビューなので、本番投入はデフォルトモデルを強めに設定しつつ段階的に、というのが現実的ですね。
テキトー教師DotAI 認定講師既存のOpenAI互換の連携をすでに持っているチームなら、まずはベースURLとAPIキーを差し替えて、モデルIDをカタログのものにする。そこで請求とレイテンシを見てから、
perplexity/auto のルーティングに進むという順番が安全だと思います。
室谷代表取締役モデル選びの全体像についてはChatGPT 5完全ガイドのようにモデルごとの特性を押さえる記事も参考になりますが、Orchestratorはその「押さえる対象」自体をAPI側に寄せていく発想なんですよね。
よくある質問
室谷代表取締役最後に、開発者が気になりそうな点を公式ドキュメントの範囲で整理しておきます。
テキトー教師DotAI 認定講師まず、既存のOpenAI/Anthropic SDKはそのまま使えるのか。使えます。
ベースURLとAPIキーを差し替え、カタログのモデルIDを指定するだけで移行できます。ただしOrchestrator APIはステートレスなので、サーバー側の状態に依存するフィールドはエラーになります。
ベースURLとAPIキーを差し替え、カタログのモデルIDを指定するだけで移行できます。ただしOrchestrator APIはステートレスなので、サーバー側の状態に依存するフィールドはエラーになります。
室谷代表取締役料金はどう請求されるのか。リクエストごとの固定費はなく、各モデルの公表トークン単価で、入力・出力・キャッシュ読み取り・推論トークン(出力レート)が課金対象です。
どのデプロイが応答しても、リクエストしたモデルのレートが適用されます。
どのデプロイが応答しても、リクエストしたモデルのレートが適用されます。
perplexity/auto の場合は実際に応答したモデルのレートになります。
テキトー教師DotAI 認定講師どのモデルが使えるかはどう確認するのか。
ただしコンテキストウィンドウや最大出力、
/orchestrator/v1/models にGETリクエストすると、その組織のティアで呼べるモデルが返ります。ただしコンテキストウィンドウや最大出力、
perplexity/auto は含まれないので、ドキュメントのモデル表を参照してください。
室谷代表取締役利用ティアの制限はあるのか。Google・xAI・オープンウェイトモデルは全ティアで利用可能、OpenAIとAnthropicはTier 1以上、Claude Opus 5・Opus 5.5・Fable系はTier 2以上が必要です。
満たない場合はHTTP 402が返ります。
満たない場合はHTTP 402が返ります。
テキトー教師DotAI 認定講師ゼロデータ保持(ZDR)を有効にしている場合はどうなるのか。Claude Fable系は呼び出せず、HTTP 403が返ります。
ZDRを前提とする組織はモデル選定時に注意が必要です。
ZDRを前提とする組織はモデル選定時に注意が必要です。
室谷代表取締役支出の管理はできるのか。APIコンソールでモデル別の支出表示とAPIキー別の絞り込みができ、モデルの許可リストと支出上限を設定できます。
クレジットはAWS Marketplaceからも購入可能です。
クレジットはAWS Marketplaceからも購入可能です。
テキトー教師DotAI 認定講師日本から使えるかについては、公式ページに地域制限の記載が見当たらないため、現時点では明らかにされていません。利用を検討する場合は、公式の窓口(api@perplexity.ai)に確認するのが確実だと思います。
室谷代表取締役自動ルーティングは本番で使えるのか。プレビューとして提供されている段階です。
まずはデフォルトモデルを明確に決めたうえで、ルート定義を絞って試すのがいいでしょう。応答ヘッダでルーティング結果が確認できるので、検証もしやすいですよ。
まずはデフォルトモデルを明確に決めたうえで、ルート定義を絞って試すのがいいでしょう。応答ヘッダでルーティング結果が確認できるので、検証もしやすいですよ。
