GPT-5.6 リリース｜Sol・Terra・Luna の違いとインフラ業務での使い分け

はじめに

2026 年 7 月 9 日（米国時間）、OpenAI が GPT-5.6 ファミリーの一般提供を開始しました。今回のリリースは単一モデルの更新ではなく、フラッグシップの Sol、バランス型の Terra、低コスト型の Luna という 3 つのモデルティアで構成されています。モデルの選択肢が増えた一方で、「自分の業務ではどれを使えばよいのか」「Claude など他モデルとの位置関係はどうなのか」が分かりにくくなったのも事実です。

この記事では、GPT-5.6 の 3 モデルの違いと料金を整理したうえで、インフラエンジニアの業務目線でのモデルの使い分けを解説します。

結論を先に述べると、GPT-5.6 は「トークンあたりの効率」を前面に打ち出したリリースで、多くのタスクでは中位の Terra が費用対効果の軸になり、Sol は長時間・高複雑度のタスクや max・ultra モードと組み合わせる用途に向きます。また、システム構成図やイラストを含むドキュメント作成では、今回強化されたデザイン能力により ChatGPT 側の優位が続くと筆者は見ています。一方、API 利用ではプロンプトキャッシュの課金仕様が変更されており、コスト設計に影響するため注意が必要です。

GPT-5.6 とは｜Sol・Terra・Luna の 3 ティア構成

GPT-5.6 は、2026 年 6 月 26 日から一部の信頼パートナー向けに限定プレビューされていたモデルファミリーで、7 月 9 日に一般提供へ移行しました。ChatGPT・Codex・OpenAI API で順次利用可能になっています。まず 3 モデルの位置づけと、今回から導入された命名体系を整理します。

3 モデルの位置づけと料金

モデル	位置づけ	入力（100 万トークン）	出力（100 万トークン）
GPT-5.6 Sol	フラッグシップ。コーディング・知識労働・サイバーセキュリティ・科学で最高性能	$5	$30
GPT-5.6 Terra	バランス型。GPT-5.5 と同等の性能をより低コストで提供	$2.50	$15
GPT-5.6 Luna	最速・最安。小規模で高速なタスク向け	$1	$6

今回のリリースで注目したいのは、命名体系の変更です。「5.6」という数字が世代を示し、Sol・Terra・Luna は世代をまたいで継続する能力ティアの名称と定義されました。Anthropic の Opus / Sonnet / Haiku に近い体系と捉えると理解しやすい構成です。

参考: GPT-5.6: Frontier intelligence that scales with your ambition（OpenAI 公式）
“Sol, Terra, and Luna are durable capability tiers that can advance on their own cadence”
（Sol・Terra・Luna は、それぞれ独自のペースで進化しうる恒久的な能力ティアである）
https://openai.com/index/gpt-5-6/

参考として、Claude の現行モデルは Opus 4.8 が入力 $5 / 出力 $25、Fable 5 が入力 $10 / 出力 $50 です。単価だけを見ると Sol は Fable 5 の半額ですが、モデルごとに推論トークンの消費量が大きく異なるため、単価の比較だけでは実際のコストは判断できない点は押さえておく必要があります（この点はベンチマークのセクションで改めて扱います）

新機能: max・ultra とプロンプトキャッシュの変更点

GPT-5.6 では、推論の深さを制御する仕組みが拡張されました。従来の xhigh を超える推論設定として max が追加され、さらにその上位に位置する ultra が新設されています。ultra は複数のエージェントを並列に動かして 1 つのタスクに取り組むモードです。

参考: GPT-5.6: Frontier intelligence that scales with your ambition（OpenAI 公式）
“ultra goes further by coordinating four agents in parallel by default”
（ultra はさらに進んで、既定で 4 つのエージェントを並列に協調させる）
https://openai.com/index/gpt-5-6/

トークン消費と引き換えに、複雑なタスクの成功率と完了までの時間を改善する設計で、ChatGPT Work では Pro・Enterprise プラン、Codex では Plus 以上のプランで利用できます。API 側では、モデル自身が軽量なプログラムを書いてツール呼び出しを協調させる Programmatic Tool Calling が Responses API に追加されており、こちらは後述の API 利用のセクションで改めて触れます。

API 利用者にとって見逃せないのが、プロンプトキャッシュの課金仕様の変更です。

• キャッシュの書き込みが、非キャッシュ時の入力単価の 1.25 倍で課金される（GPT-5.6 以降のモデルに適用）
• キャッシュの読み取りは従来どおり 90% 割引が継続
• 明示的なキャッシュブレークポイントの指定と、最低 30 分のキャッシュ保持がサポートされる

従来はキャッシュ書き込みに追加コストがなかったため、長いシステムプロンプトを頻繁に書き換える構成や、キャッシュヒット率の低いワークロードでは、GPT-5.5 までと同じ感覚でコストを見積もると乖離が生じます。一方、キャッシュ保持が最低 30 分保証されたことで、定期実行バッチのようにアクセス間隔が読めるワークロードではヒット率を設計しやすくなりました。キャッシュ戦略を含めたコストの考え方は、使い分けのセクションで具体的に扱います。

ベンチマークで見る GPT-5.6 の実力と Claude との比較

このセクションでは、公開されたベンチマークから GPT-5.6 の位置づけを整理します。ポイントは、GPT-5.6 が「スコアの絶対値」よりも「トークンあたり・コストあたりの効率」を強く打ち出したリリースであることです。

参考: GPT-5.6: Frontier intelligence that scales with your ambition（OpenAI 公式）
“We trained GPT-5.6 to get more useful work from every token”
（私たちは、すべてのトークンからより多くの有用な仕事を引き出せるよう GPT-5.6 を訓練した）
https://openai.com/index/gpt-5-6/

コーディング・知識労働での位置づけ（Fable 5・Opus 4.8 比較）

OpenAI が公表した評価表から、インフラエンジニアの業務に関わりの深い項目を抜粋します。

評価項目	GPT-5.6 Sol	GPT-5.6 Terra	GPT-5.6 Luna	Claude Fable 5	Claude Opus 4.8
Artificial Analysis Coding Agent Index v1.1	80	77.4	74.6	77.2	72.5
SWE-Bench Pro	64.6%	63.4%	62.7%	80%	69.2%
Terminal-Bench 2.1	88.8%	87.4%	84.7%	83.1%	78.9%
Agents’ Last Exam	52.7%	50.4%	50.3%	40.5%	45.2%
Artificial Analysis Intelligence Index v4.1	58.9	55	51.2	59.9	55.7

この表からは、次のような傾向が読み取れます。

コーディング分野では評価項目によって順位が入れ替わる

Coding Agent Index や Terminal-Bench 2.1（ターミナル操作を伴うワークフロー）では Sol が首位に立つ一方、実コードベースでの修正能力を測る SWE-Bench Pro では Fable 5 の 80% に対して Sol は 64.6% と、約 15 ポイントの開きがあります。

長時間のエージェント的ワークフローは GPT-5.6 の強み

55 分野の長時間プロフェッショナルワークフローを測る Agents’ Last Exam では、Luna ですら Fable 5 を上回るスコアが公表されています。

総合知能の指標では Fable 5 が首位を維持

第三者機関 Artificial Analysis の Intelligence Index では、Sol は Fable 5 に 1 ポイント届いていません。

OpenAI が強調するのは、これらのスコアを従来より少ないトークン・短い時間・低いコストで達成している点です。たとえば Coding Agent Index では、Sol は Fable 5 比で半分以下の出力トークンと約 3 分の 2 のコストで上回ったと説明されています。モデルの優劣を単一の物差しで語れる状況ではなくなっており、「どのタスクを」「どれだけのコストで」処理させるかという選択の問題になっている、というのが今回のリリースから読み取るべき実態です。

ベンチマーク数値を読むときの注意点（自社公表値とシミュレーション値）

上記の数値を業務でのモデル選択に反映する前に、押さえておきたい注意点が 3 つあります。

1 つ目は、比較表の大半が OpenAI 自身の公表値である点です。ベンダー公表のベンチマークは、自社モデルに有利な評価項目や設定が選ばれる傾向が一般にあり、これは Anthropic を含む各社に共通する構図です。第三者機関の測定（Artificial Analysis 等）と突き合わせて読むことを推奨します。

2 つ目は、コストとレイテンシの数値がオフラインでのシミュレーション推定である点です。OpenAI 自身が、実運用での結果は大きく変動しうると注記しています。「約 4 分の 1 のコスト」といった表現は、この推定を前提とした値です。

3 つ目は、評価表で比較対象モデルのスコアが「—（未計測・未報告）」となっている項目が少なくない点です。空欄は「劣っている」ことを意味しないため、比較できる項目だけで判断する必要があります。

サイバーセキュリティ能力とセーフガードの強化

GPT-5.6 のリリースで、セキュリティエンジニアが最も注目すべきなのがこのテーマです。サイバー能力の大幅な向上と、それに対応するセーフガードの強化・アクセス階層化がセットで導入されており、その構図は 2026 年 6 月の Claude Fable 5 をめぐる一連の出来事と重なります。

サイバー能力の向上と Trusted Access による段階的開放

公表値では、脆弱なコードへの到達から任意コード実行までの進捗を測る ExploitBench で、Sol は 73.5% と GPT-5.5 の 47.9% から大幅に伸びています。実世界の脆弱性を動作するエクスプロイトに変換する ExploitGym でも、GPT-5.5 のピーク合格率 15.1% に対して、Sol は 2 時間制限で 24.9%、6 時間では 33.7% に達したとされています。

この能力向上に対して、OpenAI はセーフガードを大幅に強化しました。

参考: GPT-5.6: Frontier intelligence that scales with your ambition（OpenAI 公式）
“our GPT-5.6 Sol cyber safeguards block roughly ten times more potentially harmful activity”
（GPT-5.6 Sol のサイバーセーフガードは、潜在的に有害な活動を従来比でおよそ 10 倍多くブロックする）
https://openai.com/index/gpt-5-6/

仕組み面の特徴は次の 3 点です。

推論モニターの導入

分類器のフラグだけで遮断を決めるのではなく、会話の文脈を読んで害の可能性を判定する推論ベースの監視レイヤーを追加。テスト時推論を使うため、分類器の再訓練なしに防御を迅速に更新できるとしています。

誤検知時の逃げ道

セーフガードが正当な利用に摩擦を生むことを OpenAI 自身が認めており、ChatGPT と Codex には下位モデルでプロンプトを再試行するオプションが用意されています。

Trusted Access for Cyber

脆弱性トリアージ、マルウェア解析、検知エンジニアリングなどの高度な防御用途は、本人確認・組織審査を通過した利用者に限定して開放。個人メンバーには 2026 年 9 月 1 日までにハードウェアベースのパスキーによる Advanced Account Security の有効化が求められ、未対応の場合はデフォルトアクセスに戻ります。加えて、高リスクな主体・地域への提供制限も明言されています。

この設計は、再開後の Fable 5 が採用した「分類器でブロックしつつ Claude Opus 4.8 へフォールバックする」方式や、サイバー用途を 4 分類して開示したアプローチと発想が近く、「一般提供では能力に蓋をし、検証済みユーザーにのみ段階的に開放する」というフロンティアモデル共通の運用パターンが定着しつつあることを示しています。Fable 5 側の分類基準とブロック時の挙動については、関連記事『Claude Fable 5 のサイバーセーフガード詳細と CJS フレームワーク』で整理しているので、両社のアプローチを比較する際の参考にしてください。

政府関与下でのリリースという共通点

GPT-5.6 のリリース経緯にも触れておきます。GPT-5.6 は 6 月 26 日のプレビュー開始時点では一般公開されず、米政府の要請により、政府に参加者リストが共有された少数の信頼パートナーへの限定提供から始まりました。OpenAI は当時、この段階的リリースは自社が望んだ方式ではないと表明しています。

7 月 8 日には、商務省のテストを経て政府が広範なリリースを容認したとする Axios の報道が出ましたが、ホワイトハウスは「承認」の事実を明確に否定しました。

参考: White House Denies Giving OpenAI ‘Green Light’ to Publicly Release Its Latest Model（Gizmodo）
“decisions on timing and scope of releases rest entirely with the companies”
（リリースの時期と範囲に関する決定は、完全に企業側にある）
https://gizmodo.com/white-house-denies-giving-openai-green-light-to-publicly-release-its-latest-model-2000782955

政府に事前許可の権限はないという建前と、実際にはプレビュー範囲の限定やテストへの協力が行われているという実態の間に、あいまいな領域が残っている状況です。

この構図は、1 か月前の Claude Fable 5 の事例と対になっています。Fable 5 は一般公開後に商務省の輸出規制ディレクティブで停止に追い込まれたのに対し、GPT-5.6 は公開前の段階的リリースという形で政府関与を織り込みました。事後の強制停止か、事前の限定公開かという違いはあれ、フロンティアモデルの提供可否に米政府の意向が事実上影響する状態は継続しており、特定モデルへの業務依存はリスク要因として織り込む必要があります。Fable 5 停止の経緯と教訓は、関連記事『Claude Fable 5 はなぜ使えない｜米政府ディレクティブの経緯と復旧の行方』を参照してください。

インフラエンジニア目線の使い分け（独自視点）

ここからは、公表情報と筆者の利用経験をもとに、インフラエンジニアの業務タスク別にどのモデルを選ぶかを整理します。前提として、GPT-5.6 世代では「とりあえず最上位モデル」という選び方はコスト効率が悪く、タスクの複雑さと所要時間に応じてティアを切り替える運用が費用対効果の面で合理的です。

業務タスク別のモデル選択マトリクス

筆者が想定する業務タスクと推奨モデルの対応を一覧にします。あくまで公表ベンチマークと価格から導いた出発点であり、実際の精度は自身のワークロードでの検証を推奨します。

業務タスク	推奨	理由
システム構成図・イラスト・提案資料の作成	Sol	デザイン判断と computer use の強化が公式に明言されており、レイアウト品質が要求される用途に合う
IaC・スクリプト作成（Terraform、Ansible、シェル）	Terra	日常的なコーディングは Terra で十分な水準。Coding Agent Index で Fable 5 を上回る
大規模コードベースの改修・レビュー	Sol または Claude	SWE-Bench Pro では Claude Fable 5 が約 15 ポイント優位。併用検証の価値がある領域
ログ分析・設定ファイルの一括変換などの定型処理	Luna	最安単価で、コーディング指標では Opus 4.8 を上回る公表値。大量処理のコストを抑えられる
長時間の調査・複数手順にまたがる障害解析	Sol（max・ultra）	長時間エージェントワークフローが GPT-5.6 の強み。ultra は並列エージェントで時間短縮を狙える
脆弱性情報の調査・PSIRT 確認などの防御業務	Terra ＋ 用途次第で Claude	防御用途は各社とも許可範囲だが、高度な内容はセーフガードの影響を受けるため挙動確認が必要

このマトリクスの考え方はシンプルで、「単発・定型は Luna、日常は Terra、長時間・高品質要求は Sol」という 3 段構えです。特に Terra は GPT-5.5 と同等の性能を半額で提供する位置づけのため、これまで GPT-5.5 を使っていた業務はまず Terra への置き換えを検証する価値があります。

イラスト・システム構成図は ChatGPT が優位という所感

筆者は GPT-5.5 の時点から、ブログや提案資料に使うイラストやシステム構成図の生成は ChatGPT のほうが Claude より仕上がりが良いと感じてきました。構成要素の配置バランスや配色、文字の収まりといった「見た目の判断」を要する場面での差です。

GPT-5.6 では、この方向性が公式に強化ポイントとして明言されました。高レベルの指示だけから実用的なインターフェースを作れるようになったことに加え、生成したコードのレンダリング結果をモデル自身が確認して手直しする仕組みが入っています。

参考: GPT-5.6: Frontier intelligence that scales with your ambition（OpenAI 公式）
“Its stronger computer-use capabilities let it inspect and refine the rendered result”
（強化された computer use 能力により、レンダリングされた結果を自ら検査し、磨き上げることができる）
https://openai.com/index/gpt-5-6/

従来の生成 AI による作図は「コードは正しいが見た目が破綻している」という結果になりがちで、人間側での手直しが前提でした。出力を自分で見て直すループが入ったことは、この弱点への直接的な対策と言えます。プレゼンテーション生成でも、参照デッキのデザインシステム（レイアウト・タイポグラフィ・配色・スライドマスターのルール）を推測して新しい内容に適用する能力の向上が示されており、構成図・ネットワーク図・報告資料といった「見た目が成果物の一部」であるドキュメント作成は、現時点では ChatGPT 側に分があるというのが筆者の見立てです。

一方で、図の中身の正確性（プロトコルの流れや冗長構成の表現が技術的に正しいか）は別問題であり、レビューを省略できる段階にはありません。この点は従来どおり人間の確認が必要です。

コスト目線のモデル選択とキャッシュ戦略

API 利用のコスト設計では、単価表に加えて 2 つの観点を織り込むことを推奨します。

1 つ目は、実効コストは「単価 × 消費トークン量」で決まる点です。前述のとおり、GPT-5.6 は同等タスクをより少ないトークンで完了する効率を打ち出しており、単価が近いモデル同士でも実際の請求額には差が出ます。逆に、max や ultra はトークン消費と引き換えに品質と速度を買う設定のため、常用すると単価表から想像する以上のコストになります。定常処理は既定の推論設定で運用し、max・ultra は障害対応など時間価値の高い場面に限定する運用が現実的です。

2 つ目は、キャッシュ書き込み課金（非キャッシュ入力単価の 1.25 倍）への対応です。長大なシステムプロンプトや共通コンテキストを使い回す構成では、キャッシュブレークポイントを明示して安定部分と可変部分を分離し、書き込みが毎回発生しない設計にすることでコスト増を抑えられます。最低 30 分のキャッシュ保持が保証されたため、実行間隔が 30 分以内に収まる定期ジョブはヒット率を計算に入れやすくなりました。

ChatGPT・API での利用方法とプラン別の提供範囲

最後に、どのプラン・経路でどのモデルが使えるかを整理します。ロールアウトは 7 月 9 日から順次進行しており、全ユーザーへの展開には最大 24 時間程度かかるとされていました。

経路	提供範囲
ChatGPT（チャット）	Plus・Pro・Business・Enterprise で Sol を利用可能（medium 以上の推論設定）。Pro・Enterprise は最高品質の Sol Pro も選択可能
ChatGPT Work・Codex	Free・Go は Terra。有料プランは Sol・Terra・Luna を選択でき、モデルごとに推論設定を指定可能
max モード	ChatGPT Work・Codex で GPT-5.6 を利用できる全ユーザーが設定でオンにできる
ultra モード	ChatGPT Work では Pro・Enterprise、Codex では Plus 以上
OpenAI API	Sol・Terra・Luna の 3 モデルを提供

API 側の新要素として、Responses API に Programmatic Tool Calling が追加されました。モデルが軽量なプログラムを書いて実行し、ツール呼び出しの協調や中間結果の絞り込みをプログラム側で処理する仕組みで、すべてのツール応答をモデルに往復させる必要がなくなります。大量のログやインベントリ情報をツール経由で処理するワークフローでは、トークン消費と往復回数の削減につながる可能性があります。また、ultra に相当する並列エージェント実行は、マルチエージェント機能（ベータ）として API からも利用できます。

なお、無料プランでも ChatGPT Work・Codex 経由で Terra が使える点は、個人での検証を始めるうえでの入口として押さえておく価値があります。

まとめ

GPT-5.6 は、単一の最強モデルではなく、Sol・Terra・Luna という 3 つのティアと推論設定の組み合わせで「タスクに応じて能力とコストを選ぶ」ことを前提としたリリースです。ベンチマークの絶対値では Claude Fable 5 と項目ごとに優劣が分かれる一方、トークン効率と性能単価の改善は明確で、インフラエンジニアにとってはモデルの使い分けを見直す良い機会と言えます。

• GPT-5.6 は Sol・Terra・Luna の 3 ティア構成で一般提供を開始
• 最大の訴求点はスコアよりもトークン効率と性能単価の改善
• SWE-Bench Pro など実コードベースの改修では Claude Fable 5 が依然優位
• 定型処理は Luna、日常業務は Terra、高難度・長時間は Sol の 3 段構えが基本
• 構成図やイラストの作成はデザイン強化により ChatGPT 優位が続く見立て
• キャッシュ書き込み課金の追加により API のコスト設計は見直しが必要
• サイバー能力の本格開放は Trusted Access による本人確認前提の段階制

以上、最後までお読みいただきありがとうございました。