KiroではGPT-5.6 Sol、Terra、Lunaを内蔵モデルとして選べます。通常の利用で行うのは、Kiroにサインインし、premium modelを使えるplanでmodel selectorを切り替えることです。OpenAI PlatformのAPI keyやbase URLをプロジェクトへ追加する作業ではありません。
この区別を曖昧にすると、料金とcontextを取り違えます。Kiroはcreditsで利用量を測り、3モデルのKiro contextを272Kとしています。一方、OpenAI直接APIのtoken単価と1.05M contextは別のsurfaceの仕様です。
最初に「今のアカウントで見えるか」を確認する
Kiroの現行モデル一覧では、GPT-5.6はPro、Pro+、Pro Max、Powerで利用でき、Freeには含まれていません。
IDEではchat入力欄にある現在のmodel名を押し、Sol、Terra、Lunaのいずれかを選びます。選択はそのconversationの後続messageへ反映されます。CLIではまず対話式pickerを開くのが安全です。
text/model
現在のclientとaccountが返すcatalogを確認するなら、次のcommandを使えます。
bashkiro-cli chat --list-models --format json
launch記事に名前があっても、live listにないmodelはそのsessionで利用できるとは扱えません。IDを推測する前にplan、country/region、client version、organization policyを確認します。
7月の記事に残る倍率は現在値ではない
Kiro creditはpromptに応じて実行されたworkの単位です。短い質問と複雑なspec taskでは同じmodelでも消費量が変わります。multiplierはAutoを1.0xとした相対値で、token数や1回の固定料金ではありません。
| Kiro model | 現行multiplier | 最初に試しやすい仕事 |
|---|---|---|
| GPT-5.6 Luna | 0.1x | 大量に繰り返し、testで合否を早く判定できる仕事 |
| GPT-5.6 Terra | 1.0x | 日常の複数step実装、修正、reviewのbaseline |
| GPT-5.6 Sol | 2.4x | 安いtierでは受理条件に届かない長期refactorや複雑なterminal/debug作業 |
7月14日のlaunch時点ではTerra 1.2x、Luna 0.6xでした。しかしKiroは7月31日のupdateでTerraを1.0x、Lunaを0.1xへ変更し、Solは2.4xのままとしています。日本語の初期検証記事に旧値が残っていても、予算には現行表を使います。
一般的な開発ならTerraを基準にし、単純で大量かつ検証しやすい処理はLunaから始められます。Solへ上げるのは、失敗や人手修正が実際に減り、2.4xを正当化できる時です。Autoも比較対象から外しません。
OpenAI直接APIのtoken価格を比較したい場合は、別の GPT-5.6 Sol・Terra・Luna API選択ガイド を使ってください。その価格表でKiro creditsを計算することはできません。
effortを固定しないと比較にならない
Kiroのreasoning effort文書によると、3モデルはいずれも none、low、medium、high、xhigh、max を受け付けます。Kiroが示すbuilt-in defaultは現在 high です。
IDEではmodel selector横のEffort panelから変更します。CLIではpickerか直接指定を使います。
text/effort /effort medium
CLIはmodelとeffortを保存します。前回の max が残ったままなら、速度やcreditsの比較は最初から不公平です。試験前に毎回表示を確認します。
選ぶ基準は最高値ではなく、受理条件を安定して通る最低値です。通常の実装では medium を低latency baselineにし、抜けたedge caseや不完全な判断が観察された場合に high 以上を比較します。深いreasoningが合格率を変えなければ、待ち時間とcreditsだけが増えます。
同じrepository taskで受理結果を測る
vendor benchmarkは公開された評価条件での能力を示しますが、自分のstarting commit、tool権限、test suite、definition of doneまでは評価しません。小さくても本物のtaskを一つ選びます。
- 既存のfailing testを弱めずにbugを直す
- behaviorを変えずに1 moduleをrefactorする
- 明示したacceptance criteriaを満たす小機能を実装する
各modelでprompt、commit、利用tool、test commandを同じにします。記録するのは印象ではなく、次の観測値です。
- 必須testが通り、回帰がないか
- retryと人手修正が何回必要だったか
- diffが依頼範囲内に収まったか
- review可能になるまでの時間
- Kiro dashboardが記録したcredits
比較単位はfirst responseではなくaccepted resultです。0.1xのLunaでも修正が続けばdeveloper timeが増えます。Solが大きく危険なdiffを作れば、flagshipという名前だけで勝ちにはなりません。
modelが表示されない時の順番
- premium modelを含む有料planか確認する。Freeは現在対象外です。
- IDE/CLIをrestartし、Webならrefreshする。Kiroのlaunch案内も最新model取得のためにこの操作を勧めています。
- CLIのlive listを確認し、IDを推測しない。
- enterprise accountならallowlistを確認する。Kiro model governanceでは、管理を有効にした組織に新modelが自動追加されないと説明されています。
- 現在のcountry/region availabilityを確認する。有料planだけで全地域の同一catalogは保証されません。
見えないmodelを直すために別providerのkeyをrepositoryへ書くのは危険です。それはKiro内蔵routeの修復ではなく、credentials、billing、logs、data terms、support ownerが異なる新しいrouteです。
Europe profileでもUS inferenceになる
Kiroの現行inference region表は、GPT-5.6をEurope profileでもUSからserveすると記載しています。さらにexperimental modelはprofile geography外のcommercial AWS Regionsで処理される場合があるという注意があります。
これは保存場所や全enterprise条件を説明するものではありませんが、EU profileならEU inferenceだという前提は否定できます。code、prompt、logsにresidency要件がある場合、実projectを渡す前にKiroの最新data protectionと契約を確認します。
GPT-5.6を採用する条件は、selectorに実際に表示され、planとregionが要件を満たし、代表taskでaccepted-result costまたは信頼性が改善することです。最も安く通りそうなtierから始め、effortを固定して測り、必要な時だけ上げます。Autoや別modelが少ないcreditsと修正で同じtaskを完了するなら、そのまま使う判断が正解です。
