OpenAI GPT-5.6を一般公開｜Sol・Terra・Lunaの3階層で「タスク単価」競争が本格化

OpenAIは7月9日、GPT-5.6シリーズの3モデル「Sol」「Terra」「Luna」を一般提供（GA）として公開した。6月26日のプレビュー開始から約2週間、米政府による任意のセキュリティレビューを経ての全面展開となる。

今回の公開で注目すべきは、モデルの性能そのものだけではない。3階層の価格設定とベンチマーク結果を重ね合わせると、AIモデル競争の焦点が「どのモデルが最強か」から「同じ仕事をいくらで完了できるか」へ移行しつつある構図が浮かび上がる。

GPT-5.6シリーズの構成と価格体系

Sol・Terra・Lunaの3階層

GPT-5.6では、従来の単一モデル提供から明確な3階層構成に移行した。OpenAIの説明によれば、番号（5.6）はモデルの世代を示し、Sol・Terra・Lunaはそれぞれ独立した能力階層を意味する。各階層は今後それぞれのペースで進化する設計だとされている。

「Sol」は最上位のフラッグシップモデルであり、サイバーセキュリティ・科学研究・エージェント型の高度な作業を主要ターゲットとしている。「Terra」は性能と効率のバランスを重視した中間モデルで、日常的な業務利用を想定する。

「Luna」は速度とコスト効率に特化した軽量モデルであり、分類・抽出・ルーティングといった高頻度処理に向く。3モデルとも、APIコンテキストウィンドウは105万トークン、最大出力は12万8,000トークンを共有している。

API価格と競合モデルとの比較

GPT-5.6の価格体系を、主要な競合モデルと並べると以下のとおりである。

モデル	入力（100万トークンあたり）	出力（100万トークンあたり）
GPT-5.6 Sol	$5.00	$30.00
GPT-5.6 Terra	$2.50	$15.00
GPT-5.6 Luna	$1.00	$6.00
Claude Fable 5	$10.00	$50.00
Claude Opus 4.8	$5.00	$25.00

加えて、GPT-5.6ではキャッシュ読み取り時に入力価格の90%割引が適用される。Solの場合、キャッシュ済みトークンの入力コストは100万トークンあたり$0.50まで下がる計算だ。また、明示的なキャッシュブレイクポイントの設定と最低30分のキャッシュ保持も新たに導入された。

ベンチマーク性能と「タスク単価」の関係

Intelligence Indexにおける費用対効果

AIモデル評価プラットフォームArtificial Analysisが公表したIntelligence Index（最大推論モード）によると、GPT-5.6 Sol（max）のスコアは59ポイントである。これはClaude Fable 5（max）の60ポイントに1ポイント差で迫る水準だ。

しかし、より重要なのはタスクあたりのコストである。同プラットフォームの計測では、Intelligence Indexのタスク1件のコストはSolで$1.04、Terraで$0.55、Lunaで$0.21と報告されている。一方、Claude Fable 5は$3.12であった。SolはFable 5の約3分の1のコストで、ほぼ同等のスコアを達成していることになる。

さらに、Agents’ Last Exam（55の専門分野にわたる長時間ワークフロー評価）では、Solが53.6ポイントでFable 5の40.5ポイントを13.1ポイント上回った。Terraですら、Fable 5を11.4ポイント上回り、価格は約4分の1である。ベンチマーク単体の優劣ではなく、「その性能をいくらで使えるか」が競争の争点になりつつあることを示す数字だ。

コーディング領域での評価

コーディング分野では、Artificial AnalysisのCoding Agent Indexにおいて、Sol（max）が80ポイントでトップの座についた。Terra（max）は77ポイント、Luna（max）は75ポイントと続く。

TerminalBench 2.1での比較も興味深い。TerraがClaude Fable 5と同等の84.3%を記録し、前世代のGPT-5.5（83.4%）をわずかに上回った。中間価格帯のモデルが、他社フラッグシップと並ぶ成績を出しているという事実は、価格性能比をめぐる議論において注目に値する。

一方で、SWE-Bench Proでは異なる構図が見える。Fable 5が80%に対し、Solは64.6%と差が開いている。ただし、OpenAIはSWE-Bench Proのタスクのうち約30%に欠陥があるとする分析を公表しており、この数字の解釈には留保が必要である。

Simon Willison氏も、自身がSolを実際に使用した感触として「Fableと比べて複雑なコーディングタスクで明確に優れているとは感じなかった」と述べており、ベンチマークと実務での体感には開きがある可能性も指摘されている。

ultraモードとトークン効率の改善

サブエージェント方式の導入

GPT-5.6では「ultra」モードが新たに導入された。従来の単一エージェントによる処理と異なり、サブエージェントが複雑なプロジェクトを分割して並行処理する方式である。OpenAIの評価では、このアプローチにより複数のエージェント型タスクで性能が向上したとされている。

ultraモードの意義は、単なる性能向上にとどまらない。タスクの分割と並行処理は、1つのモデルに全てを処理させるよりも効率的にトークンを消費する可能性がある。OpenAIは、エージェント型のコーディングタスクにおいてトークン効率が54%改善したと発表しており、同じ成果を出すのに必要なコストが下がることを意味する。

推論インフラの高速化

トークン効率に加えて、推論速度の面でも動きがある。OpenAIはAIチップ企業Cerebrasとの提携により、GPT-5.6 Solを毎秒最大750トークンで稼働させると発表した。推論速度の向上は、同じ時間内により多くのタスクを処理できることを意味し、実質的なタスク単価をさらに引き下げる効果を持つ。

フロンティアモデルの「性能」は、もはやベンチマークスコアだけでは測れない。推論速度とトークン効率を掛け合わせた「単位時間あたり・単位コストあたりの処理能力」が、実務上のモデル選定における重要な指標になりつつある。

「最強モデル」から「タスク完了単価」への転換

3階層戦略が示す市場の方向性

GPT-5.6の3階層構成は、OpenAIが「全てのタスクに最強モデルを使う」時代からの転換を自ら打ち出したものと読み取れる。分類や抽出であればLunaで十分であり、日常的な業務処理はTerraで対応し、最高性能が求められる局面にのみSolを投入する。

この「タスクに応じてモデルを選ぶ」設計思想は、AnthropicのOpus・Sonnet・Haiku構成やGoogleのGemini階層構成と軌を一にしている。

しかし、GPT-5.6が一歩踏み込んだのは、中間層であるTerraの性能が、複数のベンチマークにおいて前世代のフラッグシップGPT-5.5と競合する水準に達しつつ、価格を半分に設定した点である。従来GPT-5.5に支払っていた処理コストが、性能を維持したまま半減する可能性をAPI利用者に提示したことになる。

各社の競争構図と残された論点

2026年7月時点のフロンティアモデル市場では、各社とも複数階層を展開しつつ、異なる価格帯で競合する構図が形成されている。Claude Fable 5はIntelligence Indexでわずかにリードするものの、タスク単価ではGPT-5.6の各階層に大きく水をあけられている。

SWE-Bench Proのコーディング評価ではFable 5が依然として優位に立つが、Coding Agent IndexではSolがトップを奪取しており、コーディング性能の評価自体が一枚岩ではない。

また、Simon Willison氏が指摘するように、トークン単価だけでは実際のコストを正確に把握できないという論点も残る。推論モデルは内部的に消費する推論トークンの量がモデルごとに大きく異なるため、同じタスクに対する実質的な支出は変動する。

そのため、Artificial Analysisが試みているような「タスクあたりのコスト」計測の整備が、今後のモデル比較評価においてますます重要になる可能性がある。

価格性能競争が問いかけるもの

GPT-5.6の一般公開は、AIモデルの競争が新たな段階に入ったことを示している。フロンティアモデル同士の性能差が縮まる中、モデル選定の判断基準は、ベンチマークのスコア差よりも「同等の成果をどのモデルがいくらで出せるか」に移行しつつある。

OpenAIがTerraとLunaで打ち出した「前世代フラッグシップ相当の性能を、半額以下で」という価格設定は、この流れを象徴する動きである。今後の焦点は、各社がフラッグシップの性能をどれだけ早く低価格帯に展開できるか、そして推論効率や推論インフラの最適化によって実質的なタスク単価をどこまで引き下げられるかにある。