OpenAI「GPT-5.6」発表まとめ｜Sol・Terra・Lunaの3階層と何が変わったか

OpenAIが新モデルファミリー「GPT-5.6」を発表しました。限定プレビューを経て、本日よりChatGPT・Codex・OpenAI APIで一般提供が始まっています（提供は約24時間かけて全世界へ順次拡大）。今回のリリースは単なる性能の底上げにとどまらず、モデルの呼び方（命名規則）そのものを見直した点が大きな特徴です。

この記事では、GPT-5.6の要点を「命名の刷新」「3つの階層」「新しい推論モード」「ベンチマーク」「価格」「提供状況」の順で、実務目線でコンパクトに整理します。

命名規則が変わった：世代と能力階層を分離

GPT-5.6でまず押さえておきたいのは、モデル名の意味づけが変わったことです。

• 数字（5.6）：モデルの「世代」を表す
• Sol / Terra / Luna：世代とは独立して進化する「能力階層（tier）」を表す

これまでは「上位版・軽量版」といった区別がバージョン番号と混ざりがちでしたが、GPT-5.6では「どの世代か」と「どのクラスか」を分けて表現するようになりました。階層は世代とは別のペースで改善されていく想定で、用途に応じてクラスを選び、世代が上がっても選び方を引き継げる設計思想です。

3つの階層：Sol・Terra・Luna

GPT-5.6は用途別に3つの階層で提供されます。

加えて、Solには通常より深く時間をかけて推論する高負荷モードが用意されており、最上位の使い方では単一エージェントの枠を超えた処理も想定されています。

新しい推論モード：max と ultra

GPT-5.6では、Solの推論の「深さ」と「進め方」を選べる仕組みが加わりました。

• max（最大推論努力）：xhigh をさらに上回る思考時間を割り当て、推論・代替案の検討・検証・アプローチの見直しにより長く時間をかけるモード。難問向け。
• ultra（マルチエージェント）：既定で4つのエージェントを並列に連携させ、負荷の高いタスクをより短時間・高品質に仕上げるモード（評価では16エージェント構成も提示）。トークン使用量は増える代わりに、スコア〜レイテンシのフロンティアを押し上げます。APIでは Responses API のマルチエージェント（ベータ）で同様の体験を構築できます。

効率面のもう一つの要が、ツールを束ねる軽量プログラムをGPT-5.6自身が書いて実行し、中間結果を絞り込みながらワークフローを進められる点です（Responses API の Programmatic Tool Calling）。開発者が全ステップをスクリプト化したり、すべてのツール応答をモデルへ戻したりしなくても、ツールを多用するタスクを少ないトークン・少ない往復で回せます。

さらに、プロンプトキャッシュも刷新されました。明示的なキャッシュの区切り（cache breakpoint）を指定でき、最低30分のキャッシュ保持が設けられます。キャッシュ書き込みは非キャッシュ入力単価の1.25倍、キャッシュ読み取りは90%割引で、繰り返し処理でのトークン浪費を抑えやすくなっています。長い文脈を何度も使うエージェント型の用途では、コストと速度の両面で効いてくる改善です。

ベンチマーク：コーディングと効率

OpenAI公表の評価表によれば、GPT-5.6 Solは複数のベンチマークで性能と効率の両立を打ち出しています。

• コーディング（Artificial Analysis Coding Agent Index v1.1）：max推論のSolが 80 を記録し新たな最先端。Claude Fable 5（77.2）を2.8ポイント上回りつつ、出力トークンは半分未満・所要時間も半分未満・コストは約3分の1低いとされます。TerraはFable 5をわずかに上回り（77.4）、LunaはOpus 4.8を上回る（74.6）水準を、いずれも約3分の1の時間・約半分の出力トークン・推定コスト約4分の1で実現。
• エージェント型コーディング（Terminal-Bench 2.1）：Sol 88.8%（ultra構成のSolは 91.9%）で、GPT-5.5（85.6%）やClaude Fable 5（83.1%）を上回る新高水準。
• 知的作業・コンピュータ操作：長時間のエージェント作業を測るAgents' Last Examで 52.7%（Fable 5は40.5%）、エージェント型ブラウジングのBrowseCompで 90.4%（ultra 92.2%）、OSWorld 2.0で 62.6% と各所で最先端級。

コーディング以外でも、ライフサイエンス（生物・化学の研究ワークフロー）でGPT-5.5からのパレート改善（より少ないトークン・短い時間で上回る）が示され、サイバーセキュリティ領域でもOpenAIとして過去最高性能とされています。

ポイントは「単にスコアが高い」ではなく、同じ品質をより少ないトークン・より短い時間・より低いコストで出す方向に軸足が移っていることです。

価格：100万トークンあたり

料金は階層ごとに明確に段階化されています。直近の過去モデル（前世代のGPT-5.5・GPT-5.4）も並べると、値付けの狙いが見えてきます（いずれも100万トークンあたり・標準の短コンテキスト時）。

ポイントは「据え置き価格で中身を上げた」ことです。Solは前世代フラッグシップのGPT-5.5と同額のまま性能を引き上げており、すでにGPT-5.5を使っているなら追加コストなしで乗り換えられます。Terraは前世代バランス型のGPT-5.4と同水準の価格で、GPT-5.5に迫る性能を半額で提供する位置づけです。

低コスト帯のLuna（$1/$6）は、前世代の軽量帯にあたるGPT-5.4-mini（$0.75/$4.50）よりわずかに高い水準です。ただしLunaは単なる小型モデルではなく、GPT-5.4本体（$2.50/$15）とGPT-5.4-miniの中間の価格に、フロンティア級の能力を低コストで持ち込んだ位置づけです。「前世代の軽量帯より少し払って、地力の高い最新世代を大量処理に使う」という選択肢が増えた、と捉えると分かりやすいでしょう。

なお、GPT-5.5には長コンテキスト（およそ27万トークン超）で単価が上がる区分もあり、上表は標準の短コンテキスト時の価格です。前々世代のGPT-5は公式の価格表からは退役し、GPT-5.4／5.5系に置き換わっています。

提供状況

GPT-5.6は本日より ChatGPT・Codex・OpenAI API で利用できます。ロールアウトはグローバルで開始され、約24時間かけて完全提供へ段階的に進みます。プランごとの提供は次のとおりです。

• ChatGPT（チャット）：Plus・Pro・Business・EnterpriseがSolを中程度以上の推論設定で利用可能。Pro・Enterpriseは特に高品質な結果向けに Sol Pro も選べます。
• ChatGPT Work・Codex：無料版・ChatGPT GoはTerra。Plus以上はSol/Terra/Lunaを選び推論レベルを設定可能。max はGPT-5.6にアクセスできる全ユーザーが設定で有効化でき、ultra はChatGPT WorkのPro・Enterprise（Codexでは Plus 以上）で利用できます。
• API：Sol/Terra/Lunaを提供。Responses APIの Programmatic Tool Calling（ゼロデータ保持=ZDR対応）と、複数サブエージェントを並列実行して1リクエストに統合する Multi-agent（ベータ）に対応します。

実測比較：GPT・Geminiの最新軽量モデルを叩いてみた

GPT-5.6 Lunaの立ち位置を確かめるため、編集部でOpenAIとGoogleの軽量（mini・nano／flash-lite）帯を横並びで計測しました。OpenAI側は現行の低コスト定番であるGPT-4.1系（mini・nano）を基準に据えています。計算・コード生成・日本語要約の3タスクを同条件（temperature 0）で各5回投げ、最大・最小を除いた中央3件の平均（trimmed mean）で3タスク合計時間を集計しています。速い順に並べたものが下表です。

読み取れることは3つあります。

1. 軽量帯の速度勝者はGemini 3.1 flash-lite（約2.0秒）。 OpenAI勢の最速は超軽量の gpt-4.1-nano（約2.5秒）で、Googleのflash-lite2種と競り合う水準です。

2. 「mini」でも世代で速度は逆転する。 同じmini級でも、現行定番の gpt-4.1-mini は約4.0秒とこの中では最も遅く、新しめの gpt-5.4-mini（約2.8秒）や GPT-5.6 Luna（約3.1秒）が4.1-miniを上回りました（Lunaは4.1-mini比で約23%速い）。ただしLunaは超軽量の gpt-4.1-nano には及ばず、軽量帯の中では中位です。モデル選定は「4.1系だから軽い」ではなく、世代とサイズ（mini／nano）の両方で見る必要があります。

3. この難度では精度差はつかず、差は速度とコスト。 今回の計算・コード・要約では全モデルが正答（5/5）で、精度は横並びでした。一方、思考（thinking）を伴う gemini-3.5-flash は約7.6秒とflash-lite勢の3〜4倍かかり、速度優先の用途では推論の有無が大きく効きます。精度が足りる前提の軽量帯では、選定基準は実質「速度×単価」に絞られます。

※ n=5・3タスク・単一リージョンの軽量計測のため、あくまで傾向把握用です。難しいタスクでは精度差が出るため、用途に応じてタスク種類とサンプル数を増やして確かめてください。

実務への示唆：どう選び分けるか

GPT-5.6の設計は、「1つの万能モデル」ではなく「用途で階層を選ぶ」前提に寄っています。業務でLLMを組み込む立場からは、次のような選び分けが現実的です。

• 難易度が高く正確さが最優先の処理（複雑な問い合わせ対応の下書き、要件整理、コード生成）→ Sol。必要に応じてmax／ultraで深掘り。
• 日常の定型業務を量でこなす処理（FAQ応答、要約、分類、下書き生成）→ Terraでコストと品質のバランスを取る。
• 大量・軽量なバッチ処理（ログ分類、簡易タグ付け）→ Lunaでコストを最小化。

とくに顧客対応やバックオフィス自動化のように「同じ処理を大量に回す」用途では、トークン効率とプロンプトキャッシュの改善がそのまま運用コストに効きます。まずは軽い階層で試し、品質が足りない工程だけ上位階層へ引き上げる、という段階的な組み込みが取り組みやすいでしょう。

まとめ

• GPT-5.6は「世代（数字）」と「能力階層（Sol・Terra・Luna）」を分ける新命名を採用。
• 階層はフラッグシップのSol、バランス型のTerra、高速・低コストのLunaの3つ。
• Solにはmax（xhigh超の深い推論）とultra（既定4エージェントの並列連携）の新モード、プロンプトキャッシュの刷新も。
• ベンチマークは「より少ないトークン・時間・コストで同等以上」を打ち出す効率重視の方向。
• 価格は階層で明確に段階化され、用途に応じた選び分けが前提の設計。

自社の業務にどう組み込むかは、「一番良いモデルを選ぶ」より「工程ごとに適した階層を割り当てる」視点で考えると、コストと品質のバランスを取りやすくなります。