GPT-5.6を一般提供、Sol・Terra・Lunaで性能と費用を分化

OpenAI は GPT-5.6を一般提供しました。最上位のSol、性能と費用を両立するTerra、高速・低価格のLunaをChatGPT、Codex、OpenAI APIへ展開し、難しい仕事にはmax推論と複数エージェントを使うultraを用意します。

要点

• API価格は100万トークン当たりSolが入力5ドル・出力30ドル、Terraが2.5ドル・15ドル、Lunaが1ドル・6ドルです。
• maxはxhighより長く推論し、ultraは既定で4エージェントを並列実行します。APIではResponses APIの複数エージェント機能がベータです。
• 生物・サイバー能力は従来より高いものの、OpenAIの評価ではCriticalしきい値未満です。約70万A100e GPU時間の自動レッドチームも実施しています。

今回のブログ記事で語られていること

GPT-5.6は、限定プレビューを経て三つの階層で一般提供されます。Solは最上位、Terraは日常業務向けの均衡型、Lunaは最速・最低価格です。世代番号の5.6とは別に、Sol・Terra・Lunaは今後それぞれの周期で更新される継続的な能力階層と説明されています。固定された性能差が永続すると想定せず、利用時点のモデル仕様を確認する必要があります。

モデルは既定の効率だけでなく、投入する計算量を選べます。maxは従来のxhighより長く推論し、代案の探索、確認、修正へ時間を使います。ultraは既定で4つのエージェントを並列調整し、難しい仕事の完了時間と品質を改善する設定です。評価には16エージェント構成もありますが、通常のultraが16並列という意味ではありません。

ChatではPlus、Pro、Business、Enterpriseが中以上の推論量でSolを利用し、ProとEnterpriseはSol Proも選べます。ChatGPT WorkとCodexではFree・GoがTerra、Plus以上は三モデルと推論量を選択できます。maxはGPT-5.6へアクセスできる利用者が設定から有効化でき、ultraはWorkではPro・Enterprise、CodexではPlus以上が対象です。世界展開は発表から24時間かけて段階的に進みます。

APIでは三モデルを利用できます。Responses APIのプログラムによるツール呼び出しは、モデルがメモリー内で軽量プログラムを実行し、ツールの調整や中間結果の絞り込みを行います。全結果をモデルへ往復させる必要を減らし、ゼロデータ保持と互換性があると説明されています。複数エージェント機能はベータで、並列の下位エージェントを一つの要求内で実行し、結果を統合します。

価格は100万トークン当たり、Solが入力5ドル・出力30ドル、Terraが入力2.5ドル・出力15ドル、Lunaが入力1ドル・出力6ドルです。キャッシュ書き込みは未キャッシュ入力単価の1.25倍、読み取りはキャッシュ入力の90%割引を維持します。明示的なキャッシュ境界と最低30分のキャッシュ寿命も追加されます。単価だけでなく、出力トークン、並列数、推論量、キャッシュ書き込みを含む総費用で比較します。

長期業務の評価ではSolが53.6を記録し、中程度の推論でも比較対象より11.4ポイント高く、推定費用は約4分の1とされています。BrowseCompはSolが90.4%、ultraで92.2%、OSWorld 2.0は62.6%です。これらは指定された評価条件の結果であり、自社の業務精度や費用削減を保証しません。

コーディングではArtificial Analysisのコーディングエージェント指数でSolのmaxが80、Terminal-Bench 2.1ではSolが88.8%、ultraが91.9%です。プログラムによるツール呼び出しは、中間データを絞り込んでモデル往復を減らすため、ツール数が多い調査やエージェント処理で効果を測る価値があります。一方、生成したプログラムに与える権限、実行時間、出力検証を別途制御する必要があります。

文書・表・スライドでは、参照資料のレイアウト、書体、余白、色、スライドマスターの規則を推定し、編集可能な成果物へ反映する能力を強調しています。Computer Useも、生成物を画面で確認して見た目と動作を修正する用途へ広がります。テンプレート適合は、数値の正しさ、出典、数式、アクセシビリティとは別に検証します。

サイバー評価ではExploitBench 2が73.5%でGPT-5.5の47.9%、SEC-Bench Proが71.2%で45.8%を上回ります。防御用途のTrusted Accessは本人確認済みの個人・組織向けで、最も高い能力を維持する個人は9月1日までにハードウェア保護パスキーを使う高度なアカウントセキュリティが必要です。未対応者は既定アクセスへ戻ります。

安全面では、生物・サイバーの能力は上昇したもののCriticalしきい値を超えないというOpenAIの評価です。モデル内保護、リアルタイム確認、継続監視、アカウント単位の執行、推論モニターを重ねます。Solのサイバー保護は以前より潜在的に有害な活動を約10倍多く止めるため、正当な処理が阻まれた場合はChatGPTとCodexで低能力モデルへ再試行できます。

一般提供前には人手のレッドチーム、外部専門家との試験、大規模自動評価を行い、ブラックボックス自動レッドチームだけで約70万A100e GPU時間を使ったとしています。それでも完全な安全はないと明記し、脆弱性・バイオ報奨金、迅速な修正、監視結果を継続的な評価へ戻します。高いベンチマークと安全策の存在を、無監督利用の根拠にはできません。

今回のブログ記事が関係する人

OpenAIモデルを選定するAI基盤・開発チーム、長時間のコーディングや知識業務を設計する担当者、サイバー・生命科学用途のアクセスと安全策を管理する組織が対象です。

どう読むと価値があるか

• Sol、Terra、Lunaを同じ業務評価で比較し、階層名だけで選ばない。
• maxとultraは品質、完了時間、総トークン、並列実行費用を併記する。
• プログラムによるツール呼び出しと複数エージェントに最小権限・停止条件を設定する。
• キャッシュ書き込み単価、30分の最低寿命、読み取り割引を費用計算へ入れる。
• Trusted Access、パスキー、低能力モデルへの再試行を運用手順へ反映する。

実務へのつながり

低リスクの代表タスクを三階層で実行し、正答、根拠、修正回数、処理時間、入出力トークンを記録します。次にSolの通常、max、ultraを難しい一件で比較し、並列化が本当に時間短縮と品質向上につながるか測ります。ツール処理は読み取り専用から始め、監視・承認・停止を確認してから書き込み権限を検討します。

結局、今回のブログ記事をどう読むべきか

GPT-5.6は、一つの最上位モデルではなく、三階層と複数の推論・並列設定で品質、時間、費用を選ぶ世代です。ツール実行、文書作成、サイバー・科学能力も上がるため、単価比較だけでなく権限と安全策を含む業務別評価が必要です。