2026年9月22日、OpenAIが「GPT-6 Sol」と「GPT-6 Luna」を発表しました（公式：Introducing GPT-6 Sol and Luna）。
同じ月に最上位のGPT-6 Astraが登場したばかりなので、モデル追加のペースはかなり速いです。
今回いちばん気になったのは、「新しいモデルが増えた」ことより、性能を上げながら、AIを使う単価そのものをかなり下げてきたことです。
以前の記事「GPT-6 Astra登場。普段使いは5.6 Lunaでいいのかもしれない」では、Astraの性能に対して、日常作業ではGPT-5.6 Lunaのコスト効率が魅力だと書きました。
今回のSol / Lunaを見ると、その考え方をさらに一段進めてもよさそうです。
GPT-6 SolとLunaは、5.6世代より安くなった
OpenAIはGPT-6 Sol / Lunaについて、Astraで得た進歩をより高速・低コストなモデルへ展開したものと説明しています。
特に分かりやすいのがAPI価格です。
| モデル | 入力 / 100万トークン | 出力 / 100万トークン |
|---|---|---|
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Luna | $0.10 | $0.50 |
| GPT-5.6 Sol（プロモーション価格） | $4.00 | $20.00 |
| GPT-5.6 Terra | $2.00 | $12.00 |
| GPT-5.6 Luna（プロモーション価格） | $0.20 | $1.20 |
GPT-6 SolはGPT-5.6 Solのプロモーション価格から入力・出力ともに50%安くなりました。
Lunaも入力は半額、出力は$1.20から$0.50へ下がっています。
OpenAIはこの値下げについて、推論処理とキャッシュ効率の改善によるものと説明しています。価格の詳細はOpenAI API Pricingでも確認できます。
単に廉価版を追加したわけではなく、性能を上げたうえで単価も下げたのが今回のポイントです。
Solは「安くなった5.6 Sol」ではなく、普通に強くなっている
安くなった分だけ性能を抑えているわけでもありません。
OpenAIの内部評価では、GPT-6 Solは事実性評価でGPT-5.6 Solのおよそ半分まで誤りを減らしたと説明されています。
コーディングでも、実際のコードベースへの変更がマージ可能な品質かを見るFrontierCodeでGPT-5.6 Solから大きく改善したとされています。
さらにDeepSWE v1.1では、GPT-6 Solのmax reasoningが68.8%を記録しています。
ベンチマークは実際の利用感をそのまま表すものではありませんが、少なくとも「価格を半分にした代わりに能力も落とした」というモデルではなさそうです。
むしろ、5.6 Solより高性能なモデルを、5.6 Terraに近い価格帯へ降ろしてきたと見る方が感覚に近いです。
Lunaの進化は、エージェント用途でさらに効きそう
GPT-6 Lunaも面白いです。
OpenAIのAutomationBenchでは、高reasoning時にGPT-5.6 Lunaから5.4ポイント改善しながら、1タスクあたりのコストを58%下げたとしています。
OSWorld 2.0では、GPT-6 Lunaのmax reasoningがGPT-5.6 Solのmedium reasoningを上回りながら、コストは約10分の1だったと説明されています。
また、GPT-6 LunaはAPIで none、low、medium、high、xhigh、max のreasoning effortを選べます（公式：GPT-6 Luna Model）。
これはエージェント運用とかなり相性がよさそうです。
コード検索、分類、既存パターンに沿った修正、テスト追加、軽い調査など、エージェントが処理する仕事の全部に最高性能モデルが必要なわけではありません。
安いモデルを大量に動かし、難しいところだけ上位モデルへ渡す方が自然です。
筆者なら、現時点では次のような使い分けを考えます。
- GPT-6 Luna: 探索、分類、小さな修正、大量のサブタスク
- GPT-6 Sol: 普段の実装、レビュー、ある程度複雑なエージェント作業
- GPT-6 Astra: 設計、難しい調査、原因が見えない問題、長いend-to-end作業
以前は「普段は5.6 Luna、難所だけAstra」くらいでもよさそうだと考えていましたが、GPT-6 Solがこの価格なら、日常の主力はSolへ寄せてもよさそうです。
100k入力・20k出力なら、SolはAstraの5分の1
キャッシュを使わず、1タスクで入力100,000トークン、出力20,000トークンを使ったと仮定します。
| モデル | 概算料金 |
|---|---|
| GPT-6 Astra | 約$2.00 |
| GPT-6 Sol | 約$0.40 |
| GPT-6 Luna | 約$0.02 |
| GPT-5.6 Sol（プロモーション価格） | 約$0.80 |
| GPT-5.6 Terra | 約$0.44 |
| GPT-5.6 Luna（プロモーション価格） | 約$0.044 |
GPT-6 SolはAstraの約5分の1で、5.6 Terraとほぼ同じコストです。
Lunaに至っては、同じ単純計算なら約2セントです。
実際にはreasoning token、tool call、キャッシュ、長文コンテキストなどで料金は変わりますが、エージェントが何度も試行する前提では、この単価差はかなり大きいです。
AIが十分に賢くなってくると、次に効いてくるのは「この処理をAIに任せられるか」よりも、「毎回AIに任せても採算が合うか」で、今回の更新はその境界をかなり動かしてきたと思います。
Terraはどこへ行ったのか
モデル名は、さらに分かりにくくなりました。
GPT-5.6はSol / Terra / Lunaの3階層でした。
OpenAIは当時、これらを「durable capability tiers」と説明し、世代番号とは別に継続する能力階層のような位置づけを示していました（公式：GPT-5.6）。
ところがGPT-6では、現時点の主なラインナップがAstra / Sol / Lunaになっています。
TerraはGPT-6の現行モデル一覧にはありませんが、公式に「Terraを廃止した」「Solへ統合した」と説明されているわけではないので、そこまで断定はできません。
ただ、利用者目線では、
- GPT-5.6 Sol → GPT-6 Astraに近い最上位ポジション
- GPT-5.6 Terra → GPT-6 Solに近い普段使いポジション
- GPT-5.6 Luna → GPT-6 Luna
のように、役割がひとつずつずれたようにも見えます。
もうひとつ細かいところでは、「GPT-5.6」の次が「GPT-6」なのも少し落ち着きません。
ソフトウェアのバージョン番号として見慣れた感覚だと、つい「GPT-6.0」と書きたくなります。ただしOpenAIの公式表記は一貫して「GPT-6」であり、この記事でも正式名称に合わせています。
こうした違和感も含めて、モデル名から世代と性能階層を直感的に把握しにくくなっていると感じます。
GPT-6 Sol自体の性能は5.6 Solを上回っているので、単純な後継関係ではありません。
それにしても、同じ「Sol」という名前なのに、世代が変わると製品内での立ち位置まで変わって見えるのはかなりややこしい。
Claudeで例えるなら、前世代のOpusに近い役割を次世代ではSonnetが担うような感覚です。
愛称としてSol / Terra / Luna / Astraは悪くなく、コードネームとしてはむしろ覚えやすいです。Astra > Sol > Terra > Lunaと、実在する対象が大きいほど性能が高いんだな、となんとなく連想できるからです。
ただ、外向けの製品名として使うなら、Fast / Standard / Pro や S / M / L のように性能階層が一目で分かる名前の方が長期的には扱いやすいと思います。
モデル名はブランディングであると同時にUXでもあります。
ここはそろそろ整理してほしいところです。
Plusユーザーにとっては、GPT-6 Solがいちばん気になる
筆者はChatGPT Plusを使っていて、通常のChatではGPT-5.6 Solと話す機会が多いため、個人的にいちばん気になるのはAstraよりもGPT-6 Solです。
記事執筆時点で、GPT-6 Sol / LunaはPlus、Pro、Business、Enterprise、Edu向けのChatGPT WorkとCodexで提供されていますが、通常のChatについてはOpenAIがまだ利用できないと案内しています。
Plusユーザーが通常Chatで5.6 Solから6 Solへ、そのまま移行できる状態ではありません。
GPT-6 Astraについては、Plusを含むChatGPTユーザーへ段階的に展開すると発表されています。
6 SolもAPI価格と性能のバランスを見る限り、通常Chatの主力モデルとしてかなり自然な位置に見えます。
ここは筆者の推測ですが、OpenAIは通常ChatへのGPT-6 Sol提供時期をまだ明言していません。
Plusユーザーとしては、ここが次に気になるところです。
Codexの「Default」は、モデル選択を隠す方向かもしれない
今回の発表とほぼ同じタイミングで、Codexのモデル選択にも「Default」という項目が加わっています。
OpenAIの公式ヘルプでは、Defaultについて「モデルとreasoning levelを1本のスライダーにまとめる」仕組みだと説明されています（公式：ChatGPT Work and Codex）。
特定のモデルを手動で選んだ場合は、その選択をCodexが保持します。
記事執筆時点の公式説明だけでは、Defaultがタスク内容を見てLuna / Sol / Astraを自動的に切り替えるのか、あらかじめ決められたモデルとreasoning levelの組み合わせをスライダー上で選ばせているのかまでは分かりません。
少なくとも、「簡単な仕事はLuna、難しい仕事はSolやAstra」と利用者が毎回モデル名を意識して切り替える必要を減らす方向には見えます。
OpenAIのモデル選択ガイドでも、細かな編集や範囲の決まった問題にはLuna Low、明確な要件からの実装にはLuna Mediumなど、まず低コストな構成から選ぶ考え方が示されています（公式：Model selection）。
もしDefaultが将来的にこうした選択をうまく吸収してくれるなら、モデル名の分かりにくさはUI側で隠せます。
逆に言えば、モデルが増え続けるほど「利用者に毎回SKUを選ばせる」設計には限界があります。
個人的には、モデル名を覚えるより「速さ・コスト・考える深さ」を選べば、裏側で適したモデルへ寄せてくれる方が自然です。
現在のDefaultがそこまで動的なルーティングをしているとは、公式には確認できていません。ここは今後の挙動を見たいところです。
速いモデル更新より、コスト曲線が下がる方がうれしい
GPT-5.6が7月、GPT-6 Astraが9月上旬、Sol / Lunaが9月下旬。
AI開発をどこまで加速させるべきかという議論が続く一方で、製品としてのモデル更新はかなり速いペースで続いています。
新モデルが数か月おきに出てくる状況は、追う側としては正直かなり大変で、名前まで毎回ややこしい。
今回の方向性にはかなり好感があって、ベンチマークを数ポイント上げるだけではなく、キャッシュや推論効率を改善して、同じ予算でより多くAIを使えるようにする。
エージェントが長時間動き、サブエージェントを複数立ち上げる使い方が増えるほど、こちらの方が実運用には効いてきます。
Astraのような最上位モデルをさらに賢くする研究は必要ですが、その成果をSolやLunaへ落とし込み、安く広く使えるようにする。
GPT-6世代で見えてきたこの二段構えは、かなり健全に感じます。
少なくとも筆者にとっては、「また少し賢くなった」より「この性能をこの値段で何度でも使える」の方がうれしい進化です。
コメント