GPT-5.6 Sol・Terra・Lunaの違い：料金と用途で選ぶ実務ガイド

日常の混在タスクは GPT-5.6 Terra から始め、範囲を固定できる大量処理では GPT-5.6 Luna をシャドー運用し、難題・長文脈・失敗コストの高い仕事だけ GPT-5.6 Sol に上げるのが安全です。最強モデルや最安モデルを一つ決めるのではなく、再試行とレビューを含めた 合格出力あたりのコストでルートを選びます。

2026年7月11日時点の標準API料金で、入力20万トークン・出力4万トークンの同一処理は、Sol 2.20ドル、Terra 1.10ドル、Luna 0.44ドルです。ただし、これはトークン請求だけの比較です。一度の全面的な再試行でモデル費用は倍になり、レビュー担当者の数十分はそれ以上に高くなることがあります。

“

**本番の中止条件：**同じタスクで合格出力あたりのコストが下がり、許容できない境界違反が増えず、旧ルートへ戻せることを確認するまで、既定モデルを変更しません。

Sol・Terra・Lunaの違いを一覧で確認

OpenAIはGPT-5.6の発表で、3つを一時的なプレビューではなく継続的な能力ティアとして示しています。実務上の差は名称の強さではなく、各タスクでどれだけの能力余裕に料金を払うかです。

現在、短い gpt-5.6 エイリアスはSolを選択します。コスト管理と再現性を重視するなら、明示的な3つのIDを使ってください。エイリアスを「自動で最適なティアを選ぶ名前」と考えると、意図せず最も高いルートを利用し、後からどのモデルが結果を作ったか追跡できなくなります。

また、Proは4つ目のモデルではなくリクエストモードです。3モデルとも推論強度は none、low、medium、high、xhigh、max を使えます。ティア比較では推論強度を揃えます。Lunaをlow、Solをmaxにして比較すると、モデルと設定を同時に変えたことになり、差の原因を特定できません。

用途別に最初のモデルを決める

混在した実務ではTerraを基準ルートにする

実際のキューには、コード修正、資料分析、ツール呼び出し、文章整理、通常の質問が混在します。TerraはSolの半額であり、OpenAIが公開した複数のエージェント・知識系評価ではSolとの差が比較的小さいため、最初のコントロールとして合理的です。

ただし「Terraが常に最良」という意味ではありません。Terraを先に使う目的は、仕事の分布を明らかにすることです。一回で合格するタスク、再試行が必要なタスク、重大な制約を外すタスクを分けます。特定のタスク群が同じ重要基準を何度も落とした場合だけ、その群をSolへ上げます。全リクエストを一括で高くする必要はありません。

コード修正ならテスト、型検査、lint、ブラウザ確認、レビューを同一基準にできます。調査なら必須事実、出典の有効性、引用の正確さを固定します。TerraとSolが両方合格するなら、語調の豪華さではなく、総費用と合格までの時間で判断します。

Lunaは範囲を限定し、シャドー運用から始める

Lunaの標準料金は入力・出力ともSolの5分の1です。分類、決まったschemaへの抽出、短い変換、ルーティング、制約付きリライトなど、境界を狭く定義できる仕事では大きな節約候補になります。

しかし、最初から本番回答をLunaに置き換えてはいけません。実トラフィックの一部を複製し、既存ルートをユーザー向けの正解として残したままLunaの出力を採点します。これがシャドー運用です。構造の妥当性、項目精度、制約の脱落、ツール成功率、遅延、再試行、レビュー時間を蓄積します。

次のいずれかが起きたらLunaのレーンを止めます。

• 長い入力全体から正確な想起が必要なのに精度が落ちる
• ツールや構造化出力の失敗で再試行が連続する
• レビュー担当者が抜けた制約を再構成しなければならない
• 固定した合格基準を通る出力がゼロになる
• わずかなプロンプト変更で結果が不安定になる

長文脈には特に注意が必要です。OpenAIが公表したMRCR 256K–512Kの行はSol 91.5%、Terra 89.6%、Luna **41.3%**でした。提供者の評価であり、すべての長文タスクを代表する数字ではありません。それでも、Lunaを長文脈の既定にする前に独自テストを必須とする十分な警告です。

難題と高リスク処理はSolへ上げる

Solは複雑なエージェント処理、難しい推論、長文脈の統合、壊れやすい移行、運用・セキュリティ・規制上の失敗が高くつく仕事に向きます。ここで買うのは名称ではなく、能力余裕と重大失敗を減らす可能性です。

それでもSolは割増料金を正当化しなければなりません。Terraが同じテストを同じレビュー負担で通るなら、2倍の料金は新しい合格出力を作っていません。具体的なルールとして、Terraが同一の重大基準を2回外したら当該タスク群だけSolへ上げる、という形にできます。高リスクに分類した仕事は最初からSolでも構いませんが、結果と戻し方は必ず記録します。

利用条件、API料金、キャッシュを混同しない

2026年7月11日の公式情報では、FreeとGoはChatGPT WorkおよびCodexでTerraを利用し、Plus以上は対応画面で3ティアを選択できます。サブスクリプションの利用条件は無料API枠ではなく、API価格もChatGPTの月額料金ではありません。

キャッシュは入力費用の構成を変えますが、出力料金の比率は変えません。高ヒット率の仕事では出力とレビューが支配的になり、書き込みが多い仕事では入力費用が増えます。一律に「キャッシュで安い」とせず、実際のヒット率を測定してください。

価格、プラン、エイリアス、キャッシュ条件、推論モードは変わり得ます。本番前には公式料金、最新モデルガイド、変更履歴を再確認します。

トークン単価ではなく合格出力のコストを計算する

同じ20万入力・4万出力ならSol $2.20、Terra $1.10、Luna $0.44です。ここへ再試行と人件費を加え、合格数で割ります。

text
合格出力あたりのコスト =
  （初回API費 + 再試行費 + レビュー分数 × 時給 / 60）
  / 合格出力数

説明用に各ティア20件、レビュー時給60ドルと仮定します。

これはモデル性能の実測結果ではなく、計算方法を示す仮想データです。この例ではTerraが僅差で最安、Solは一つ多く合格し、Lunaはトークン請求が最小でもレビューが高くつきます。タスク、時給、合格数を変えれば結果も変わります。だからこそ、実ワークロードの分母が必要です。

合格数がゼロなら割り算を続けません。そのルートは失敗です。安いトークンを効率と呼ばず、自動再試行を止め、失敗の種類を分類して、範囲を狭めるか上位ティアへ移すか決めます。

公式ベンチマークは試す順番だけを決める

公式表は仮説に使えますが、プロンプト、ツール、実行環境、データ、遅延条件、合格基準の代わりにはなりません。ターミナル、ブラウジング、長文想起、知識試験を平均して独自の総合点を作ると、異なる失敗コストが消えてしまいます。

現在の表からは、SolとTerraが近い行ではTerraを先に試す、高リスクでは小さな差も重大失敗を減らす可能性があるためSolを候補にする、Lunaの長文脈は専用の中止条件を設ける、という三つの行動だけを取り出せます。1〜2点の差を万能な順位に変換しないでください。

同じ20タスクで受け入れテストを行う

実際にルーティングする予定の仕事から20件を選びます。三つのモデルでタスク、プロンプト、入力順、ツール、権限、推論強度、時間制限、最大ターン、再試行、レビュー基準を固定します。特定ティアだけ短い文脈や高い推論設定を与えた場合、それは別ルートとして記録します。

コードならテスト、型、lint、ブラウザ確認、レビューを合格条件にできます。抽出ならschema妥当性と項目精度、調査なら出典と必須事実を使います。捏造、破壊的ツール操作、必須項目欠落、セキュリティ境界違反は事前にハード失敗として定義し、流暢な文章で相殺しません。

各結果には、要求・実効モデルID、入出力とキャッシュ、遅延、合格までの時間、再試行と理由、レビュー分数、合否、失敗分類を残します。可能ならモデル名を隠し、順番をランダム化して同じ採点者が評価します。

たとえば、合格出力コストを10%以上削減し、追加のハード失敗がなく、遅延予算内なら昇格、と先に決めます。最初は90%を既存ルート、10%をシャドーまたはカナリアにし、代表期間を通過してから拡大します。

他社モデルとコーディング環境を含めて選ぶ場合は、GPT-5.6 SolとClaude Fable 5の比較を参照してください。モデルだけでなくCodexとClaude Codeのツール、課金、実効モデルを分ける必要があるため、本文の同一ファミリー比較とは別の判断です。

選択を観測可能なルーティング規則にする

テスト後に「Terraを標準にする」と会話だけで決めてはいけません。規則をバージョン管理し、各呼び出しに規則の版、タスク群、リスク、要求モデル、実効モデル、キャッシュ、再試行理由、合否、ロールバックの有無を残します。価格やエイリアスが変わったとき、過去の判断を同じ材料から再計算できます。

保守的な初期規則は単純です。高リスクまたは未検証の長文脈はSol、Lunaのシャドー試験に合格したタスク群だけLuna、それ以外はTerraにします。通常の失敗1回で自動昇格せず、事前に定義した重大な合格基準を外したときだけSolへ上げます。境界違反や合格ゼロが続いた場合は自動再試行を止め、人が失敗分類を確認します。

監視画面にはティア別の件数と料金だけでなく、初回合格率、再試行後の合格率、レビュー分数、ハード失敗、ロールバック回数を並べます。HTTP成功率だけでは業務上の不合格が見えず、平均遅延だけでは末尾の遅さが消え、トークン費だけでは人手修正が隠れます。さらにタスク群ごとに分解し、Lunaが抽出では有利でも長文統合では不利、といった差を見つけます。

カナリアは10%、25%、50%と段階を分け、各段階に停止条件を設けます。費用改善が閾値を下回る、同じハード失敗が続く、遅延予算を超える場合は拡大を凍結し、旧ルートへ戻します。ロールバックは評価の失敗ではなく、実データから安全に学ぶ仕組みです。

タスク分布やキャッシュヒット率も変わるため、標準ルートは定期的に再評価します。週次で異常を確認し、月次で代表サンプルを再実行し、公式価格、モデルID、エイリアス、推論モードに変更があれば直ちに検証します。本番ルーターは発売日の順位表ではなく、継続的に校正する運用ポリシーです。

また、タイムアウトやレート制限のような可用性障害と、誤情報・権限逸脱・schema不正のような品質障害を分けて記録します。前者は検証済みの予備ルートで復旧できますが、後者を無限再試行で隠してはいけません。原因別の指標があれば、一時的なサービス障害を長期のモデル選択と取り違えずに済みます。

よくある質問

Terraは最良の既定モデルですか？

Terraは混在タスクで最初に試す合理的な基準であり、永久の勝者ではありません。Solの半額という利点が、再試行、レビュー、合格率、失敗影響を含めても残るか確認します。

最も安いティアはどれですか？

Lunaは100万入力1ドル、出力6ドルで標準単価が最安です。ただし、これは1トークンの価格です。再試行とレビューが増えれば、合格出力は最も高くなる場合があります。

長文脈はどれを使いますか？

高リスクまたは未検証の長文脈はSolから始め、Terraを低価格の挑戦者にします。Lunaは256K–512Kの公式MRCR行で大きな低下があるため、独自証拠なしに本番へ昇格しません。

gpt-5.6はどのモデルですか？

現在はSolを選びます。再現性と費用を管理する場合は完全IDを指定し、将来の導入時に変更履歴を再確認します。

FreeとGoで3モデルを選べますか？

現在の公式条件ではFreeとGoはChatGPT WorkとCodexでTerraを利用します。Plus以上は対応画面で3ティアを選択できます。製品プランは無料API利用を意味しません。

本番の既定を変えるタイミングは？

代表的な同一テストで、事前に決めたコスト改善を達成し、ハード境界違反が増えず、遅延予算内で、ロールバックできる場合だけです。段階的に増やし、発売直後のベンチマークだけで全量を移しません。

結論

Terraを混在タスクの基準、Lunaを限定した大量処理のシャドールート、Solを難題と高失敗コストの上位ルートにします。20件の実タスクで変数を固定し、再試行・レビュー・合格率を記録してください。昇格条件を満たすまで、現在の既定ルートを残すことが最も安全です。