GPT-5.6とは？Sol・Terra・Lunaの違いと何ができるかを詳しく解説

GPT-5.6は、単に「前世代より賢くなったモデル」ではありません。OpenAIは今回、モデル名の付け方そのものを整理し、世代を示す数字と、能力・速度・コストの階層を示す名称を分けました。

GPT-5.6という数字はモデル世代を表し、Sol・Terra・Lunaはそれぞれ独立して更新され得る能力ティアを表します。つまり今後は、「最新世代かどうか」と「どの用途向けのモデルか」を別々に判断しやすくなります。

この記事では、OpenAIの公式発表、ChatGPT Help Center、GPT-5.6 Preview System Cardを基に、GPT-5.6で何が変わったのかを整理します。公式に確認できる事実と、Each Spirit編集部による実務上の解説は分けて記載します。

GPT-5.6とは

GPT-5.6は、OpenAIが2026年7月に限定プレビューを開始した新しいモデルシリーズです。公式発表では、GPT-5.6 Solを「これまでで最も強力なモデル」と位置付け、コーディング、生物学、サイバーセキュリティ、長時間のエージェント作業で改善を示しています。

ただし、ここで重要なのは「GPT-5.6」という単一モデルがあるわけではないことです。GPT-5.6は次の3モデルから構成されます。

OpenAIはTerraについて、GPT-5.5と競争力のある性能を持ちながら、価格を約半分に抑えたモデルと説明しています。LunaはGPT-5.6シリーズで最も低コストかつ高速なモデルです。

「数字」と「名前」が別々に更新される

GPT-5.6から導入された命名方式では、5.6が世代、Sol / Terra / Lunaが能力ティアです。

これは、従来のようにモデル名だけを見て「どちらが上位か」を推測するよりも明確です。たとえば、同じGPT-5.6世代でも、Solは最高性能、Terraはバランス、Lunaは速度と価格を優先します。

一方で、OpenAIは各ティアが独自の周期で進化できると説明しています。そのため将来的には、同じ世代番号の中でも、特定ティアだけが先に改善される可能性があります。

GPT-5.5 Instantは引き続き日常会話の標準

GPT-5.6が登場しても、ChatGPTの高速な日常応答がすべてGPT-5.6へ置き換わったわけではありません。

OpenAI Help Centerによると、通常の素早い応答には引き続きGPT-5.5 Instantが使われます。複雑な依頼でChatGPTが自動的に推論を増やす場合や、ユーザーがMedium以上の推論レベルを選んだ場合に、GPT-5.6 Solが使われます。

この設計は合理的です。簡単な質問に最上位モデルを毎回使うと、応答時間と計算コストが増えるからです。GPT-5.6は、難しい問題に必要なときだけ投入される「高性能な推論レイヤー」と考えると分かりやすいでしょう。

Sol・Terra・Lunaの違い

GPT-5.6 Sol：複雑な仕事を最後まで進める最上位モデル

Solは、GPT-5.6シリーズのフラッグシップです。OpenAIは、コーディング、知識労働、研究、サイバーセキュリティ、科学、コンピューター操作、デザインなどの複雑な仕事向けに設計したと説明しています。

特に注目すべきなのは、単発の質問回答だけでなく、計画を立て、ツールを使い、途中結果を確認し、失敗したら修正する作業が強化されている点です。

OpenAIが紹介したTerminal-Bench 2.1は、コマンドライン上で計画、反復、ツール連携を必要とするタスクを評価するベンチマークです。Solはこの評価で新しい最高水準を示したとされています。

これは「コードを一度生成する能力」だけを意味しません。実務では、リポジトリを読む、依存関係を確認する、コマンドを実行する、テスト結果から修正する、といった一連の工程が重要です。Solの強みは、このような複数段階の作業にあります。

GPT-5.6 Terra：日常業務に最も使いやすいバランス型

Terraは、能力、速度、価格のバランスを重視したモデルです。OpenAIは、GPT-5.5と競争力のある性能を保ちながら、API価格を約半分にしたと説明しています。

実務上は、Solほど深い推論を必要としないものの、Lunaでは精度不足になりやすい処理に向きます。

• 社内文書の整理
• 複数資料の比較
• 定型的なコード修正
• 調査結果の構造化
• ツールを使う業務エージェント
• カスタマーサポートの下書き
• データ抽出後の判断

Terraは通常のChatGPT会話ではモデルピッカーから直接選べません。Work in ChatGPT、Codex、OpenAI APIで利用するモデルとして位置付けられています。

GPT-5.6 Luna：大量処理に向く高速・低コストモデル

Lunaは、GPT-5.6シリーズで最も高速かつ低コストのモデルです。複雑な研究や難しい設計判断よりも、短時間で大量の処理を繰り返す用途に向きます。

• テキスト分類
• 情報抽出
• タグ付け
• 短い要約
• 入力チェック
• ルーティング
• 軽量なチャット応答

APIを使うシステムでは、すべての処理をSolへ送る必要はありません。最初にLunaで依頼を分類し、難しい案件だけTerraやSolへ送る構成にすると、品質を維持しながらコストと待ち時間を抑えられます。

3モデルのAPI価格

OpenAI公式発表時点の通常API価格は、100万トークンあたり次のとおりです。

出力料金は入力料金より高いため、API設計では「何を入力するか」だけでなく、「どこまで長く出力させるか」も重要です。大量の中間説明を毎回生成させるより、必要な形式だけを返すように制約した方が、速度と料金の両方を改善できます。

Developer Note：モデル選択を固定しすぎない

開発者が陥りやすいのは、アプリ全体で1つのモデルを固定する設計です。

実際には、処理を次のように分けた方が効率的です。

• Luna：分類、抽出、簡単な変換
• Terra：通常の推論、文書処理、一般的なツール実行
• Sol：複雑な設計、難しいデバッグ、長時間のエージェント処理

モデルルーティングを入れる場合は、単に文章の長さで決めるのではなく、必要な判断の深さ、ツール数、失敗時の損失、再試行コストを基準にすると実用的です。

ChatGPTではどのGPT-5.6を使える？

標準のChatGPT会話で選択できるGPT-5.6はSolです。TerraとLunaは通常会話のモデルピッカーには表示されません。

GPT-5.6 Solは、対象プランで次の推論レベルに対応します。

PlusではMediumとHigh、Pro・Business・EnterpriseではMedium、High、Extra Highが利用できます。ProモデルはProプランで利用できます。FreeとGoの標準会話ではGPT-5.6 Solは提供されません。

ただし、CodexではFreeとGoにTerraが提供され、Plus、Pro、Business、EnterpriseではSol、Terra、Lunaを利用できます。また、Work in ChatGPTでは対象の有料プランで3モデルを選択できます。

maxとultraは何が違う？

GPT-5.6では、Solの能力を引き出すためにmaxとultraという新しい実行方式が導入されました。

max：単一モデルにより長く考えさせる

maxは、GPT-5.6 Solへより多くの推論時間を与えるreasoning effortです。通常の推論よりも長く検討し、複数の可能性を比較しながら回答を組み立てます。

向いているのは、次のような課題です。

• 複雑なアルゴリズム設計
• 数学や物理の多段階計算
• 法務・制度情報の論点整理
• 大規模リポジトリの設計レビュー
• 複数資料を横断する調査
• 制約条件の多い計画作成

maxを選べば必ず正解するわけではありません。推論時間が増えても、入力資料が不足していたり、前提が誤っていたりすれば結論も不安定になります。重要なのは、必要な資料、判断基準、出力形式を明確に与えることです。

ultra：複数のサブエージェントで複雑な仕事を並行処理する

ultraは、単一モデルの推論時間を延ばすだけではなく、複数のサブエージェントを利用して複雑な仕事を加速する方式です。

たとえば、競合調査を行う場合、単一エージェントが順番に全社を調べるのではなく、複数のサブエージェントが企業別、製品別、価格別などに分担し、最後に結果を統合するイメージです。

ultraが適するのは、作業を独立した小課題へ分割できるケースです。

• 多数の資料を並行して調べる
• 複数案を別々に設計して比較する
• コード、テスト、ドキュメントを並行確認する
• 複数市場や競合を同じ基準で評価する
• 大量の候補から根拠付きで絞り込む

一方、前の計算結果が次の工程に必須となる直列的な問題では、サブエージェントを増やしても効果が限定されることがあります。

Work in ChatGPT、Codex、APIで何ができる？

GPT-5.6の使い方は、通常のチャットだけではありません。OpenAI Help Centerでは、Work in ChatGPT、Codex、OpenAI APIでSol・Terra・Lunaを使い分ける構成が案内されています。

Work in ChatGPT：会話ではなく「仕事」を進める

Work in ChatGPTでは、対象となるPlus、Pro、Business、EnterpriseプランでSol・Terra・Lunaを利用できます。

通常会話が質問と回答を中心とするのに対し、Workは資料確認、ツール操作、複数工程の実行など、完了条件を持つ仕事に適しています。

モデルの使い分けは次のように考えられます。

• Luna：ファイル分類、項目抽出、形式変換
• Terra：資料比較、調査整理、日常的な業務フロー
• Sol：重要な判断、複雑な分析、長時間の作業

企業利用では、最上位モデルを全社員の全処理へ使うよりも、業務の難度に応じてモデルを分ける方が現実的です。

Codex：コード生成からエージェント型開発へ

Codexでは、FreeとGoでTerra、Plus、Pro、Business、EnterpriseでSol・Terra・Lunaを利用できます。

GPT-5.6世代で注目すべき点は、単一ファイルのコード補完よりも、リポジトリ全体を扱うエージェント型開発です。

典型的な流れは次のとおりです。

1. リポジトリ構造を調査する
2. 関連ファイルと依存関係を特定する
3. 変更計画を作る
4. コードを編集する
5. 型チェックやテストを実行する
6. エラーを基に再修正する
7. 差分と残課題を報告する

Terminal-Bench 2.1が評価しているのも、このような計画、反復、ツール連携を伴うコマンドライン作業です。

Developer Note：プロンプトより実行環境が重要になる

エージェント型開発では、長いプロンプトを書くことだけでは品質を保証できません。

• テストコマンドが整備されているか
• 型チェックが実行できるか
• リンターがあるか
• 変更範囲を確認できるか
• 秘密情報へのアクセスが制限されているか
• 失敗時にロールバックできるか

こうした環境側の設計が、モデル性能と同じくらい重要です。モデルに自由度を与えるほど、検証可能な実行環境が必要になります。

API料金とプロンプトキャッシュ

GPT-5.6では、プロンプトキャッシュの扱いも更新されました。OpenAIは、明示的なキャッシュブレークポイントと、最低30分のキャッシュ保持時間を導入しています。

GPT-5.6以降では、キャッシュへの書き込みは通常の未キャッシュ入力料金の1.25倍、キャッシュ読み取りにはキャッシュ入力の90%割引が適用されます。

プロンプトキャッシュとは

APIでは、システム指示、長い仕様書、共通資料など、同じ入力を繰り返し送ることがあります。プロンプトキャッシュは、共通部分を再利用して、毎回すべてを同じコストで処理することを避ける仕組みです。

たとえば、5万トークンの製品仕様書を参照して100件の問い合わせへ回答する場合、仕様書部分を毎回未キャッシュ入力として処理するより、共通部分をキャッシュして読み出す方が大幅に安くなる可能性があります。

ただし、書き込みには1.25倍の料金がかかるため、一度しか使わない巨大プロンプトをキャッシュしても得とは限りません。再利用回数を考えて設計する必要があります。

ベンチマークは何を示しているのか

AIモデルの記事では、ベンチマークの数字だけが強調されがちです。しかし、ベンチマークは用途ごとに測っている能力が違います。

Terminal-Bench 2.1

コマンドライン環境で、計画、反復、ツール連携を必要とする作業を評価します。単純なコード問題ではなく、実際に環境を操作しながらゴールへ到達できるかを見る評価です。

Solが高い性能を示したことは、開発エージェントやコンピューター操作型の仕事にとって重要です。ただし、ベンチマーク環境と実際の社内システムでは、権限、依存関係、テスト品質が異なるため、実運用で同じ成功率になるとは限りません。

GeneBench v1

長時間にわたるゲノミクスおよび定量生物学の分析を評価します。OpenAIは、SolがGPT-5.5より強い結果を示しながら、使用トークンを減らしたと説明しています。

ここで見るべきなのは、正答率だけではなく、長い研究工程を少ないトークンで進めた点です。研究支援では、モデルの能力だけでなく、再現性、根拠確認、計算過程の検証が不可欠です。

ExploitBenchとExploitGym

ExploitBenchは、脆弱性調査やエクスプロイトに関する長時間タスクを評価します。ExploitGymは、推論量を増やしたときのサイバー能力の変化を調べる評価です。

OpenAIは、Solが脆弱性の発見と修正支援で強くなった一方、テスト条件下では堅牢な標的に対する自律的なエンドツーエンド攻撃を完遂できなかったと説明しています。

この点は重要です。「サイバー能力が上がった」ことと、「完全自律攻撃が可能になった」ことは同じではありません。

誰にとって何が変わるのか

一般ユーザー

一般ユーザーにとっての変化は、日常会話が常に別物になることではありません。難しい依頼で自動的に推論が増えたり、MediumやHighを選んだときに、複雑な条件を維持しながら回答しやすくなる点が中心です。

旅行計画、複数商品の比較、契約書の論点整理、家計のシミュレーションなど、条件が多い依頼で恩恵を感じやすいでしょう。

学生

学生は、答えを直接作らせるよりも、理解を深める相手として使う方が有効です。

• 自分の解答の誤りを指摘させる
• 複数の解法を比較させる
• 前提知識を段階別に説明させる
• 参考文献の主張と限界を整理させる
• 口頭試問形式で理解を確認する

研究者

研究者にとっては、文献整理、仮説比較、コード作成、実験計画のレビューに価値があります。ただし、出典の存在確認、数値の再計算、研究倫理上の判断をモデルへ委ねることはできません。

GPT-5.6の生物学性能が向上していても、モデル出力は一次資料や実験結果の代替ではありません。専門家による検証を前提とした支援ツールとして扱う必要があります。

エンジニア

エンジニアにとっての最大の変化は、生成コードの見栄えよりも、調査、実装、検証を連続して進める能力です。

特に有効なのは、次のような仕事です。

• 既存リポジトリの責務と依存関係の把握
• バグの再現条件と原因候補の整理
• 複数ファイルにまたがる変更
• マイグレーションと後方互換性の確認
• テスト不足箇所の検出
• 実装案ごとのトレードオフ比較

ただし、エージェントがコマンドを実行できるからといって、本番環境へ無制限に接続してよいわけではありません。読み取り専用環境、開発ブランチ、権限を絞った認証情報、破壊的操作前の確認を組み合わせる必要があります。

企業・組織

企業では、GPT-5.6の導入可否よりも、どの処理をどのモデルへ任せるかが重要です。

低リスクで定型的な処理はLuna、通常の知識労働はTerra、重要な分析や複雑なワークフローはSolというように分けると、コストを管理しやすくなります。

さらに、業務導入では次の設計が欠かせません。

• AIが参照できるデータの範囲
• 出力を承認する責任者
• 個人情報・機密情報の取り扱い
• 誤回答が起きた場合の修正手順
• ツール操作の権限
• ログと監査方法
• モデル更新時の再評価

モデル性能が高くても、業務ルールが曖昧なままでは、誤った回答を高速に広げるだけになる可能性があります。

GPT-5.6の安全性はどう強化された？

OpenAIは、GPT-5.6 Solをこれまでで最も能力の高いモデルと位置付ける一方、単一の拒否機能だけでは十分でないとして、多層的な安全対策を導入しています。

公式発表とSystem Cardで説明されている主な層は次のとおりです。

1. モデル自体に組み込まれた安全学習
2. 生成中に出力を確認するリアルタイム検査
3. 会話単位を超えたアカウントレベルのシグナル
4. 能力やリスクに応じたアクセス制御
5. 監視、執行、継続的なテスト
6. 自動および人間の専門家によるレッドチーミング

高リスクと判定されるサイバー・生物学関連の出力では、生成が一時停止され、別の判定処理によって内容が確認される場合があります。禁止内容と判定されれば、出力はユーザーへ届く前に遮断されます。

プロンプトインジェクションへの耐性

ツールやコネクターを使うAIでは、外部の文書や検索結果に「これまでの指示を無視せよ」といった悪意ある命令が埋め込まれる可能性があります。これがプロンプトインジェクションです。

System Cardでは、検索やFunction Callingを含む既知の攻撃に対する耐性を評価しています。ただし、耐性評価があることは、攻撃を完全に防げることを意味しません。

実務では次の対策も必要です。

• 外部コンテンツを命令ではなくデータとして扱う
• 読み取りと書き込みの権限を分ける
• 送信、削除、購入などの操作前に確認する
• ツールの引数をアプリ側でも検証する
• AIの判断だけで秘密情報を開示しない

誤操作とデータ上書き

GPT-5.6は、ユーザーの変更やデータを意図せず上書きしない能力についても評価されています。Solは複雑なタスクで、TerraやLunaより編集競合を避けながら作業を完了しやすい傾向が示されています。

ただし、安全性評価はバックアップの代替ではありません。Git、DBバックアップ、トランザクション、権限分離など、通常の安全設計は引き続き必要です。

ハルシネーションはなくなっていない

OpenAIの評価では、SolはGPT-5.5より事実誤認がわずかに少なく、過去にユーザーが報告した誤りを再現する割合も低下しました。

しかし、これはハルシネーションが解消されたという意味ではありません。特に次の情報は一次資料で確認する必要があります。

• 現在の価格や提供状況
• 法律、医療、金融に関する判断
• 論文名、著者名、DOI
• API仕様や廃止予定
• 引用文とページ番号
• 最新ニュース

GPT-5.6はどのモデルを選ぶべき？

最上位モデルを常に選ぶことが最適とは限りません。速度、料金、正確性、失敗時の影響を考え、仕事ごとに選ぶことが重要です。

まとめ

GPT-5.6は、Sol・Terra・Lunaという3つの能力ティアによって、知能、速度、コストの選択を分かりやすくしたモデルシリーズです。

Solは複雑な推論や長時間のエージェント作業、Terraは日常業務のバランス、Lunaは高速・低コストの大量処理に向きます。さらに、Solには深い推論を行うmaxと、複数のサブエージェントを活用するultraが導入されました。

一方で、能力が上がっても、出典確認、権限管理、テスト、バックアップ、人間による承認は不要になりません。GPT-5.6の価値は、人の判断を完全に置き換えることではなく、調査、比較、実行、検証のサイクルをより広い範囲で支援できる点にあります。

使いこなす鍵は、最上位モデルへすべてを任せることではありません。仕事を分解し、適切なモデルと推論レベルを選び、結果を検証できる仕組みを用意することです。