GPT-5.6のLuna・Terra・Solをどう選ぶか — 階層で選ぶ時代のモデル選択

GPT-5.6 は2026年7月9日に一般公開されました。ひとつのモデルではなく、Luna・Terra・Sol という3つの階層で構成されています。安いほうから順に Luna、Terra、Sol で、7月30日の値下げを経て、入力価格には25倍の開きがあります。

3つも選択肢を出されると、多くの人は無難に真ん中を選ぶか、迷った末にいちばん高いものを選びます。しかし独立した測定機関のデータを並べてみると、その判断はかなりの確率で損をしていることがわかりました。用途によって階層間の性能差は大きく変わり、価格差とは釣り合っていないからです。

この記事では GPT-5.6 の3階層を、価格・実測性能・用途別の適性という3方向から分解します。どの階層を選ぶべきかは、モデルの優劣ではなく、あなたが何をさせたいかで決まります。

3つの名前が意味するもの

まず構成を確認します。GPT-5.6 は能力順に3つの階層を持ちます。

この価格は2026年7月30日の値下げ後のものです。公開時は Luna が入力1ドル・出力6ドル、Terra が入力2.50ドル・出力15ドルでしたが、OpenAI が Luna を8割引、Terra を2割引にしました（Sol は据え置き）。その結果、最下位の Luna と最上位の Sol では、入力も出力も25倍の差があります。API では gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna という識別子でそれぞれ直接呼び出せます。

命名の変化そのものにも意味があります。従来は世代番号と派生名で区別していたものが、同一世代の内部に明確な3階層を切る形になりました。利用者が日常的に下す判断は「新しい世代へ乗り換えるか」ではなく「この仕事にどの階層を当てるか」に変わります。これは同じ時期に他社も揃って採った設計で、業界全体が同じ方向へ動いた結果です。

共通仕様 — 3階層で変わらないもの

意外に思われるかもしれませんが、3階層は基礎スペックを共有しています。

文脈の長さは3つとも約100万トークン、最大出力は128,000トークン、知識のカットオフは2026年2月です。つまり Luna を選んだからといって、扱える文書が短くなるわけではありません。長い資料を読ませる用途で、その一点のために上位階層を選ぶ必要はないということです。

用語を補っておきます。文脈の長さとは、一度のやり取りで相手が同時に見ていられる情報量の上限です。ここに収まる限り、複数の資料をまとめて渡しても内容を突き合わせた回答が返ってきます。最大出力は一度の返答で書ける長さの上限で、長い文書やコードを一気に生成させるときに効きます。知識のカットオフは学習データが何月時点までかを示すもので、それ以降の出来事は自力では知りません。この三つはモデルの「器」にあたる部分で、階層を下げても狭くならないというのが今回の設計です。

この設計は判断を単純にします。階層間で違うのは推論の深さと、それに伴う品質と価格だけです。文脈長やモダリティで悩む必要がなく、「どれだけ賢く考えてほしいか」という一次元の問いに落とせます。裏を返せば、その一点の判断を誤ると素直に損をします。

価格は25倍差、知能は9ポイント差

では性能はどれだけ違うのか。独立した測定機関である Artificial Analysis の実測を見ます。

この表の読み方を整理しておきましょう。左の数字は複数の試験の成績を合成した総合指数で、絶対的な賢さの尺度ではなく、同じ物差しで測ったときの相対比較です。右の数字は、その指標の課題を1つ解かせるのに実際にかかった金額です。単価が同じでも消費するトークン量が違えば支払額は変わるため、実務では単価表より実測のタスク単価のほうが役に立ちます。

数字を並べると、価格が25倍違うのに対して総合指数の差は9ポイントです。52から61への変化を価格差ぶんの価値と見るかどうかは用途次第ですが、少なくとも比例はしていません。タスク単価で見ても、値下げ前の実測で Luna の0.21ドルに対して Sol は1.04ドルと約5倍の開きがあり、値下げ後の単価で換算すれば、この差はさらに広がります。

ここまでは「安いものは安いなりに、高いものは高いなりに」という常識的な結論に見えます。ところが用途を絞ると、この関係は崩れます。

コーディングでは差が縮む — 5倍の価格差が意味を失う場面

同じ測定機関が、コーディング用途に絞った指標も公開しています。Codex 上で計測した Coding Agent Index の値です。

総合指数では9ポイントあった差が、コーディングでは5ポイントに縮んでいます。割合で見ると、Luna は Sol の約94パーセントの成績を出していることになります。それでいて費用は、値下げ前の実測でも約20パーセント。値下げ後の単価では、計算上さらに5分の1になります。

この非対称は実務上きわめて重要です。コーディング作業の大半をLunaに任せた場合、成績は6パーセント落ちる代わりに費用は5分の1以下になります。中間の Terra も条件が良く、値下げ前の実測で Sol の約96パーセントの成績を約53パーセントの費用で出しています。

なぜコーディングだと差が縮むのでしょうか。ひとつの説明は、この種の作業が道具立てに支えられているからです。コーディング用の実行環境では、ファイルを探す、変更を加える、テストを走らせて結果を確認する、という手順が枠組みとして用意されています。モデルに求められるのは、白紙から答えを閃くことではなく、その手順を確実に回し、失敗の出力を読んで次の一手を決めることです。手順が固定されているぶん、素の推論力が結果に効く割合が下がります。

対照的に、総合指数のほうは難問への正答率を含みます。難易度の高い問いでは、深く考えられるかどうかが直接得点に跳ね返るため、階層差がそのまま現れます。同じモデル群を測っても、課題の性質が違えば差の出方が変わるのは自然なことです。

もちろん、この6パーセントの差が致命的になる領域はあります。設計の骨格を決める判断や、複雑な依存関係をまたぐ変更では、上位階層を使う価値があるでしょう。しかし定型的なリファクタリング、テストの雛形生成、既存コードの読解といった量の出る作業では、下位階層で十分に足ります。

階層の選択は「良い仕事には良いモデル」ではなく「量の出る仕事には安い階層」という配分の問題です。全部を最上位で回すのは、性能を買っているのではなく、判断を省いた代金を払っているのに近い。

OpenAI自身は何と言っているか

ここまでは第三者の実測でした。OpenAI 自身の説明も見ておきます。以下はすべて同社の主張です。

同社は Sol を主力と位置づけ、「これまでで最良のコーディングモデル」と表現しています。加えて「これまでで最も強力なサイバーセキュリティモデル」でもあるとしており、防御的な用途を想定用途として挙げています。想定される適用領域は企業業務、コーディング、科学研究、そしてサイバーセキュリティの4つです。中間層の Terra については、前世代の GPT-5.5 と競合する性能を半額で提供するという位置づけが示されました。公開時の Terra は入力2.50ドルで、この説明と整合します（現在は値下げで入力2ドル）。

トークン効率についても、コーディング用途で54パーセント向上したという主張があります。ここで混同を避けておきたいのですが、先に紹介した独立実測では、総合指標の1タスクあたり出力トークンが GPT-5.5 の16,000に対して Sol は15,000でした。減少率にすると約6パーセントです。数字が大きく食い違いますが、これは測定している対象も条件も違うためで、どちらが正しいという話ではありません。別々の測定として扱い、並べて優劣を論じないのが正しい読み方です。

なお、サイバーセキュリティ能力の中身については、この記事では立ち入りません。同社がどの領域を主戦場と位置づけているかという事実の紹介に留めます。

ChatGPTの各プランでどれが使えるのか

API を直接使う場合、3階層すべてに待機リストなしでアクセスできます。利用量に応じた層の制限を除けば、プランによる制約はありません。

ChatGPT 側は少し複雑です。Plus・Pro・Business・Enterprise の利用者は、Sol を medium 以上の深さ設定で使えます。Pro と Enterprise ではさらに GPT-5.6 Sol Pro という選択肢があり、複雑な課題で最高品質を狙う場合に使えます。Work モードと Codex では、Free と Go の利用者には Terra が割り当てられ、有料層は3階層から自由に選べます。

自分がどの階層を使っているのか把握していない利用者は少なくないはずです。ChatGPT の画面で無意識に既定のまま使っている場合、選択の余地があること自体に気づいていない可能性があります。前世代の構成についてはChatGPT 完全ガイド 2026年5月版 (2026-05-04 公開)にまとめてあり、そこからの変化として読むと階層化の意図がつかみやすくなります。

6月26日から7月9日までの2週間

公開の経緯にも触れておきます。GPT-5.6 は7月9日にいきなり登場したわけではありません。その2週間前、6月26日に信頼できるパートナー限定の限定プレビューとして先行公開されています。

TechCrunch の報道によれば、米政権が6月にロールアウトの制限を求めており、悪用への懸念が理由とされています。限定プレビューから一般公開まで2週間を要した経緯と、この報道は時期的に重なります。ただし、制限の要求が公開時期をどれだけ動かしたのかを断定できる材料は手元にありません。ここでは、限定公開が先行し2週間後に一般公開された、という確認できる事実に留めます。

実務者にとっての含意は、性能とは別の要因で可用性が変わりうる、という一点です。特定のモデルに業務を密結合させると、この種の事情が自分の業務に直接影響します。同種のリスクへの備え方はAIへの依存リスクが現実になった日 (2026-07-29 公開)で整理しています。

他社モデルと並べるとどこに位置するのか

GPT-5.6 の中での比較を終えたので、外との比較も見ておきます。Artificial Analysis の総合指数では、2026年8月時点で Claude Opus 5 が63、Claude Fable 5 が62、GPT-5.6 Sol が61、Kimi K3 が60、Claude Opus 4.8 が57という並びです。

Sol は Fable 5 の1ポイント下につけており、しかも価格は Fable 5 の約3分の1です。上位4モデルが63から60という3ポイントの範囲に収まっている以上、この程度の差で優劣を語るのは無理があります。

しかも指標を変えれば順位は動きます。Epoch AI が公開している Epoch Capabilities Index では、GPT-5.6 が Claude Opus 5 を上回っています。項目反応理論を使って多数のテストを合成する設計で、上位モデルの実力が接近した局面でも差を捉えやすいとされる指標です。総合指数の1位と、この指標の1位は一致していません。

つまり「どれが最強か」という問いには、測る物差しを指定しないと答えられません。実務では、自分の用途に近い指標を1つか2つ選んで判断するほうが健全です。長い文章を書かせたいのに数学の正答率で選んでも意味がありませんし、逆もまた同じです。総合指数はあくまで入口で、最終的な判断は自分の仕事に近い課題で試したときの手応えに委ねるのが確実でしょう。

この団子状態そのものが、2026年7月という時期の特徴でもあります。同じ月に4社が最上位クラスを投入した結果、どこか一社が突き放している状況ではなくなりました。その全体像は2026年7月、AIモデルが一斉に動いた (2026-08-10 公開)に時系列でまとめてあります。

どの階層を選ぶかの判断手順

ここまでの内容を、実際の選び方に落とします。

出発点は Terra です。3階層の中間で、コーディング用途では Sol の約96パーセントの成績を約半分の費用で出します。まずここを既定に置き、上下に動かす理由が見つかったときだけ動かす、という運用が無駄を出しにくい。

Luna へ下げる条件は、量が出る定型作業であることです。分類、要約、整形、既存コードの読解といった、判断の難易度が低く回数が多い処理が該当します。ここでの数倍から数十倍という費用差は、月次の請求で明確に効いてきます。

Sol へ上げる条件は、失敗の代償が大きい判断であることです。設計の骨格を決める、複数のファイルにまたがる変更の影響を見積もる、原因の見当がつかない不具合を追う。こうした場面では6パーセントの成績差が結果を分ける可能性があります。

判断に迷ったときの原則は単純です。その仕事を人間がやり直すコストと、階層を上げるコストを比べる。やり直しのほうが高くつくなら上げ、安く済むなら下げる。この基準なら、タスクごとに一貫した判断ができます。

具体例で確かめます。千件のレビュー文を肯定と否定に分ける作業では、多少の取りこぼしがあっても後から目視で拾えます。やり直しの代償が小さいので Luna が妥当です。一方、稼働中の処理の設定値を書き換える変更で、影響範囲を見積もらせる作業はどうでしょうか。見落としがあれば本番が止まり、復旧に人手と時間がかかります。ここは Sol を選ぶ場面です。両者の中間、たとえば既存機能に近い新機能の実装なら Terra で始め、期待した品質が出なければ上げればよい。

この考え方を運用に落とすなら、頻出するタスクを紙に3つ書き出し、それぞれに階層を割り当ててしまうのが早道です。毎回ゼロから考えるより、決め打ちの表を作って例外だけ判断するほうが、選択のばらつきも手間も減ります。組織で使う場合は、その表を共有するだけでメンバー間の判断の差が縮まります。開発の実装面での使い分けはChatGPT API 開発 (2026-05-09 公開)で扱った呼び出し方の整理とあわせて考えると組み立てやすくなります。

メイカーの実務にどう効くか

3Dプリントや設計の作業に落とすと、階層の使い分けはどう効くでしょうか。

まず量の出る作業に Luna を当てられます。印刷ログから失敗の種類を仕分ける、写真から部品の概寸を読み取る、複数のフィラメントの技術データシートから必要な数値だけを抜き出して表にする。こうした作業は判断の難易度が低く、回数が出ます。値下げ後の入力0.20ドル・出力1.20ドルという価格帯なら、これまで手作業でやっていた仕分けを機械に回す判断がしやすくなります。

設計の中核には Sol か Terra を当てます。筐体のパラメトリックなコードを書かせて干渉を検算させる、公差の設定値を根拠つきで提案させる、といった作業です。ここでの誤りは印刷して初めて発覚し、材料と時間の両方を失います。やり直しのコストが高い以上、階層を上げる判断は妥当です。

そして約100万トークンの文脈が3階層すべてで使える点は、実務上ありがたい設計です。プロジェクトの資料を丸ごと渡す運用を、いちばん安い階層でも試せます。まず Luna で全体像を掴ませ、詰めの判断だけ上位に投げる、という二段構えが組めます。

この二段構えは、費用の面でも理にかなっています。長い資料を読ませる処理では入力トークンが大量に発生しますが、その読み込みを担うのは安い階層でよい。読んだ結果の要点だけを上位階層に渡せば、高い単価がかかるのは短い判断部分だけで済みます。同じ資料を最初から最後まで最上位で処理するのに比べ、支払額は大きく変わります。

注意点も挙げておきます。知識のカットオフが2026年2月である以上、それ以降に登場した機材や材料については、自力では正確に答えられません。新型のプリンターや発売直後のフィラメントについて尋ねると、もっともらしい推測が返ってくる可能性があります。新しい製品を扱うときは、メーカーの資料を自分で渡したうえで質問する。この一手間が、そのまま回答の信頼度になります。工程ごとのAI活用の全体像はAI 3D設計 完全ガイド 2026 (2026-07-19 公開)にまとめてあります。

まとめ — 階層化が利用者に渡したもの

GPT-5.6 の3階層について、確認できたことを整理します。

基礎スペックは共通で、違うのは推論の深さと価格です。入力価格は値下げ後で最大25倍の差がありますが、独立実測での総合指数の差は9ポイント、コーディングに絞れば5ポイントに縮みます。Luna はコーディングで Sol の約94パーセントの成績を、値下げ前の実測でも約20パーセントの費用で出しました。価格差と性能差は釣り合っていません。

この非対称こそが、階層化が利用者に渡したものです。選ばなければ損をする代わりに、選べば得をする構造になりました。全部を最上位で回すのは安全な判断に見えて、実際には何倍もの費用を払って6パーセントの品質を買っている場面が多く含まれます。

出発点は Terra に置き、量の出る定型作業は Luna へ、やり直しの代償が大きい判断は Sol へ。この三分割だけで、多くの利用者の請求額と品質の両方が改善するはずです。物差しを変えれば順位が動くという事実を踏まえれば、他社との最強争いを追いかけるより、手元の作業に合った階層を決めるほうが確実に効きます。

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】

swiftwand

X

AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.