GPT-5.6が一般提供開始。Sol・Terra・Lunaのスコアと料金を確認する

「新しいモデルが出た。とりあえず一番強いものに乗り換えよう」。GPT-5.6の3モデル構成は、その判断を少し難しくします。

OpenAIが2026年7月9日（米国時間）、GPT-5.6の一般提供を開始しました。Sol・Terra・Lunaという性格の異なる3つのモデルが、同じ名前の下に同時に並びます。

この記事では、公表されているスコアと料金を並べ、どのモデルをどの業務に置くかを判断する材料を整理します。

この記事の対象読者

• GPT-5.6の概要とモデル構成を手早く把握したい方
• 生成AI活用のコスト最適化を検討しているIT担当者・経営企画担当者
• ベンチマークのスコアをどこまで信じてモデルを選ぶか迷っている方
• OpenAIの新モデルがビジネスに何をもたらすかを知りたいCTO・IT部門リーダー

何が起きたか

3モデルの位置づけと料金

OpenAIは2026年7月9日（米国時間、日本時間では7月10日）、GPT-5.6を3モデル構成で一般提供開始しました。フラッグシップのSol、中位のTerra、高速低コストのLunaという並びです。

料金と総合指数は、chatgpt-lab.comの検証記事（2026年7月10日公開）によります。総合指数はArtificial Analysisが計測した数値です。

利用経路と移行のしやすさ

利用経路はChatGPT・Codex・APIの3チャネルです。ChatGPTではSolがPlus・Pro・Business・Enterpriseで使え、TerraとLunaはWorkおよびCodex環境で提供されます。APIは3モデルとも公開されており、モデルIDを指定して切り替える形式のため技術的な移行障壁は低めです。

みっちゃくんを見る

スコアをどう読むか

総合指数では僅差、コーディングでは首位

今回の発表で注目されたのが、AnthropicのClaude Fable 5との比較です。Artificial Analysisの総合指数（max reasoning時）では、Sol 59・Terra 55・Luna 51に対し、Claude Fable 5は60でした。総合ではSolが1ポイント下回っています。

一方、同じ検証記事によれば、Coding Agent IndexではSolが80で1位です。ARC-AGI-1で96.5%、ARC-AGI-2で92.5%という結果も報告されています。

総合指数と用途別の指標で順位が入れ替わる。これが、単一のスコアでモデルを決められない理由です。

料金差がコスト試算を変える

Terraの料金はSolのちょうど半額です。chatgpt-lab.comの検証記事は、Terraを「GPT-5.5に競合する性能を半額で提供する中位モデル」と説明しています。

月間数万回のAPI呼び出しが発生する業務を考えてみましょう。Sol一択の設計とTerra中心の設計では、年間コストに無視できない差が生じます。まずは現在の呼び出し回数とトークン量を把握するところからです。

ビジネス活用への含意

問いは「どのモデルが賢いか」ではない

GPT-5.6の登場で直面する本質的な問いは「どのモデルが賢いか」ではありません。「どの業務にどのモデルを割り当てるか、誰がどの基準で決めるか」という設計と意思決定の問題です。

複数モデルを使い分ける設計そのものの考え方は、別の記事でまとめています。ここではGPT-5.6の3モデルを前提にした準備だけを挙げます。

• 業務の棚卸し: 高度な推論が必要な業務と、大量・定型処理が中心の業務を分類する
• コスト感度の確認: 利用頻度と許容できるコスト上限をIT部門だけでなく経営層と合意する
• ガバナンス体制の整備: 複数モデルを運用する場合、APIキー管理・用途別ログ・評価プロセスが必要になる
• 段階的移行の計画: 一度に全用途を切り替えるのではなく、頻度の高い定型業務から検証を始める

使い分けには運用負荷が伴う

モデルを使い分ける設計は、管理コストと人的負荷を伴います。「3モデルを使い分ければいい」という単純な話ではなく、運用体制の成熟度が問われるでしょう。

モデル選定とコスト試算について相談する

よくある質問

ベンチマークのスコアだけでモデルを選んでよいですか？

総合指数と用途別の指標では順位が変わります。Artificial Analysisの総合指数ではSolがClaude Fable 5を1ポイント下回る一方、Coding Agent IndexではSolが1位です（chatgpt-lab.com）。自社の業務に近いタスクで小さく試してから決めるのが確実です。

SolとTerraの使い分けはどう考えればいいですか？

推論の深さや複雑な生成が求められる業務（契約レビュー・高度なコード生成・戦略的文書の起草など）にはSolが向きます。定常的な社内QA対応・要約・整形タスクなど、繰り返し頻度が高く複雑度が中程度の業務にはTerraがコスト面で有利です。

今すぐ既存のGPT-5.5活用をGPT-5.6に切り替えるべきですか？

急いで全面移行する必要はありません。まず現在の利用業務を複雑度・頻度・コスト感度で分類しましょう。TerraやLunaへの段階的移行で費用対効果が改善する領域を特定するところから始めるのが現実的です。

Lunaはどんな業務に適していますか？

大量のテキスト分類・ログの整形・定型フォームへの転記補助など、応答速度とコストを優先する処理に向きます。精度よりスループットが求められる業務での活用が主なユースケースです。

複数モデルを管理するためにIT部門はどんな準備が必要ですか？

APIキーの用途別管理・利用ログのモデル別分離・定期的なコストレビューの仕組みが最低限必要です。加えて、どの業務にどのモデルを使うかを文書化したポリシーを整備しておくと、担当者交代時のリスクを下げられます。

GPT-5.6の3モデル構成は、モデル選びの問いを「どれが一番強いか」から「どの業務にどれを置くか」へ移します。

まず今日、自社のLLM利用業務を1つ選び、複雑度・頻度・月あたりの呼び出し回数を書き出してみてください。上の料金表と突き合わせるだけで、置き換えの候補が見えてきます。