GPT-5.6とは?Sol・Terra・Lunaの違いと料金・使い方を企業向けに解説
GPT-5.6は、OpenAIが2026年7月9日に一般提供を開始したモデルシリーズです(その後、後継モデルとしてGPT-6も登場しています)。Sol・Terra・Lunaという3つのモデルに分かれており、どれを選べばよいか、企業からの関心と戸惑いが同時に広がっています。
ただ、選定の焦点は最上位のSolを導入するか否かではありません。3つのモデルの知能指標の差はわずかで、変化はむしろ処理の効率と、長時間の自律実行に表れました。判断の分かれ目は、自社のどの業務にどのモデルを、どの統制環境で割り当てるかです。
本記事では、GPT-5.6の定義と3つのモデルの違い、料金、安全性、使い方、業務で使う前の注意点を、OpenAIの公表情報をもとにまとめました。読み終えたときに、自社の業務への割り当てを判断できる状態を目指します。
GPT-5.6とは
GPT-5.6とは、OpenAIが2026年7月9日に一般提供を開始したモデルです。ChatGPTとCodex、APIという3つの経路で使えます。単一のモデルとしてではなく、Sol・Terra・Lunaという3つのモデルの総称である点が特徴です。
モデルの名前の付け方も変わりました。OpenAIの説明では、数字が世代を表し、Sol・Terra・Lunaは用途ごとの等級を表す名前として、今後の世代にも引き継がれます。下位モデルをminiやnanoと呼び分けてきた従来の形からの転換です。
3つのモデルに分けた背景には、同じ性能をより低いコストで出すという設計思想があります。GPT-5.6については、1トークンあたりで引き出せる成果を増やすよう訓練したとOpenAIは説明しました。
第三者評価機関のArtificial Analysisが公表した知能指標では、3つのモデルの位置づけが次のように示されています。

図1. GPT-5.6のモデル別の知能指標(Artificial Analysis Intelligence Index v4.1・reasoning=max設定時・2026年7月時点)
出典:Artificial Analysis「GPT-5.6 benchmarks across Intelligence, Speed and Cost」(2026年7月9日)
最上位のSolと最も安価なLunaの差は8ポイントです。指標の値で見ると3つのモデルの差は小さく、選定の決め手は賢さの順位よりも、1件あたりのコストと処理にかかる時間へ移ります。
GPT-5.6の主な特徴と従来モデルからの変更点

モデルの世代交代では、これまで解けなかった問題が解けるようになったかどうかが焦点でした。GPT-5.6の変更点はそこにありません。焦点は、すでに解ける仕事をどれだけ少ない資源で終えるかへ移りました。
この違いは、導入時に検討すべき事柄も変えるものです。精度が業務の水準に届くかを確かめる段階は過ぎ、同じ予算で何件処理できるか、どこまで人が離れてよいかを決める段階に入っています。
決裁に関わる立場では、次の3点を押さえておくと判断しやすくなります。
- トークン効率の向上
- 長時間の自律実行と並列処理
- 資料や文書の作成品質の向上
トークン効率の向上
GPT-5.6は、同じ成果を出すために使うトークンを減らすよう設計されています。OpenAIは、Artificial Analysis Coding Agent IndexでSolが80点の最高値を記録したと説明しました。この際、競合の最上位モデルと比べて出力トークンは半分未満、所要時間も半分未満、コストは約3分の1少なかったとしています。TerraとLunaでも、同種の作業を約3分の1の時間と約半分の出力トークンで終え、コストも4分の1程度に抑えられるという説明です。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
効率が上がれば、同じ予算で処理できる件数は増えます。1日500件の問い合わせ要約を回している業務なら、下がった単価分を件数の上乗せに使うのか、対象業務の拡大に振り向けるのか、という新しい判断が生まれるはずです。
長時間の自律実行と並列処理
GPT-5.6には、推論の時間と並列度を業務に応じて引き上げる設定が加わりました。maxは、従来の最上位設定であるxhighよりさらに長い時間をかけて推論し、代替案の検討や検算、方針の修正まで行う設定です。ultraは既定で4つのエージェントを並行して動かし、トークンの消費と引き換えに、結果の質と速さを高めます。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)/OpenAI「Previewing GPT-5.6 Sol: a next-generation model」(2026年6月26日)
Programmatic Tool Calling(モデルが小さなプログラムを書いて実行し、ツールの呼び出しと中間結果の処理を自ら進める仕組み)は、中間データを絞り込んで必要な部分だけを残す仕組みです。ツールを多く使う作業でも往復の回数とトークンを抑えられるため、手順が長く分岐の多いコーディングやセキュリティの調査で真価を発揮します。
資料や文書の作成品質の向上
知識労働の成果物を、そのまま使える状態で出す方向にも改良が入りました。OpenAIは、GPT-5.6 Solがプレゼンテーションと文書と表計算の品質を高め、仕上がりと正確さの両面で改善したと説明しています。参照ファイルやテンプレートに従う場面での改善は大きく、スライドマスターに埋め込まれた規則を含めて配置や書体、余白、配色の体系を読み取り、新しい内容へ一貫して適用できると述べました。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
SlackやNotion、Microsoft 365、Googleドライブといった業務ツールに散らばった情報を集め、共有できる資料にまとめる用途も想定されています。ChatGPT Workでは、自然言語の指示から図解入りの説明資料を作る使い方も示されました。
GPT-5.6のモデルSol・Terra・Lunaの違い

3つのモデルは、能力の上下だけで分かれているわけではありません。同じ業務をどのモデルでも処理できる場面は多く、割り当てを決めるのは品質よりも単価と速度です。
モデルを選ぶ軸になるのは、任せる業務の難易度と、処理する量の大きさです。難易度だけで決めると件数の多い業務で費用が膨らみ、量だけで決めると精度が要る業務で手戻りが増えます。
上位モデルに統一したほうが運用は簡単だという指摘もあります。本記事は、業務ごとにモデルを割り当てる前提に立ち、切り替えの条件をどう決めるかを扱いました。
3つのモデルそれぞれの位置づけと、向いている業務を整理します。
| モデル | 位置づけ | 向いている業務 |
|---|---|---|
| Sol | 最上位のフラッグシップ | 複雑な推論、長時間のエージェント作業、コーディング |
| Terra | 日常業務向けの中位モデル | 調査、文書作成、定例の分析 |
| Luna | 最も高速で低コスト | 大量で軽い定型処理 |
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
成果が変わらないまま、コストだけが膨らみかねません。求める水準に見合うモデルの選択が、費用を抑える前提です。
Sol:複雑な判断が要る業務に向く最上位モデル
Solは、難易度が高く途中で判断が要る業務に向いた上位のモデルです。OpenAIはGPT-5.6世代における強力なコーディングモデルと位置づけていました(なお、後継モデルとしてGPT-6もリリースされています)。コマンドライン作業を測るTerminal-Bench 2.1で88.8%、実際のコードベースでの長時間の開発を測るDeepSWEで72.7%という結果を公表しました。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
単価は3つの中で最も高く、日常の定型作業まで広げると費用対効果は落ちてしまいます。一方でmaxやultraと組み合わせれば、単独では届かない長い手順まで追い切れるのが強みです。設計レビューや障害調査のような、失敗の代償が大きい業務に絞って使ってください。
Terra:日常の調査と文書作成を担う標準モデル
Terraは、日常の調査や文書作成に向いた中位のモデルです。OpenAIはGPT-5.5に匹敵する性能を持つ低コストのモデルと説明しています。同じ水準の出力を、上位モデルより低い費用で得られる位置づけです。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
切り替えの条件を先に決めておくと、利用部門ごとの判断が揃います。条件を決めないまま部門任せにすると、精度に不安が出るたびSolを既定に置く動きが広がって費用が膨らむためです。出力の誤りが一定の回数続いた場合と、対象データが基幹システムに及ぶ場合の2つに絞っておくと、標準をTerraに保ったまま運用できます。
Luna:大量の定型処理に向く最安モデル
Lunaは、件数が多く1件あたりの判断が軽い処理に向いた最も安価なモデルです。出力の単価はSolの5分の1にとどまります。分類・タグ付け・定型の要約のように、処理できる件数がそのまま成果を左右する業務で差が出ました。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
ただしOpenAIは、事実性の面では規模の大きいモデルの方が良い結果を示す傾向があると述べています。誤りが許容できない出力を扱う業務では、Lunaで一次処理をしたうえで上位モデルか担当者が確認する二段構えが現実的です。単価の低さは、確認の工程を残す前提で初めて成果につながります。
出典:OpenAI「GPT-5.6 System Card」(2026年7月9日)
なお、こうした使い分けを全社で標準化し、利用状況を把握しながら運用するなら、法人向けの「エクサベース AI」が選択肢の一つです。
GPT-5.6のモデル別の料金
GPT-5.6の料金は、APIの従量課金体系が基準です。モデルを選ぶ判断は、性能を比べる作業から、処理する量に単価を掛ける見積もりの作業へ変わりました。
見積もりで詰まるのは、入力より出力の量が読みにくい点です。要約や分類のように出力が短い業務と、資料作成のように出力が長い業務では、同じ件数でも費用が変わります。
3つのモデルのAPI単価を、100万トークンあたりの入力と出力で整理しました。
| モデル | 入力(100万トークン) | 出力(100万トークン) |
|---|---|---|
| Sol | $5 | $30 |
| Terra | $2.50 | $15 |
| Luna | $1 | $6 |
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
どのモデルでも出力の単価は入力の6倍です。費用の見積もりでは、入力の長さより出力の量が結果を左右します。

図2. GPT-5.6のモデル別の出力単価と知能指標の対比(2026年7月時点)
出典:Artificial Analysis「GPT-5.6 benchmarks across Intelligence, Speed and Cost」(2026年7月9日)
出力単価は下位のモデルほど半分前後まで下がる一方、知能指標はほぼ横ばいに並びます。単価の差が金額に表れるのは、件数を掛けた総額の段階です。出力量が読めている業務ほど、下位のモデルへ寄せる余地を見積もれます。
プロンプトキャッシュ(同じ前提部分を保存して再送の課金を抑える仕組み)は、区切り位置を明示的に指定する方法と、30分の最小保持に対応しました。読み出しには通常の入力から90%の割引が続く一方、書き込みは通常の入力単価の1.25倍です。長い前提を毎回送る設計では、再利用の頻度を見積もったうえで区切り位置を決める必要が出ます。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)/Artificial Analysis「GPT-5.6 benchmarks across Intelligence, Speed and Cost」(2026年7月9日)
料金は2026年7月時点の公表値です。改定される場合があるため、契約時にOpenAIの公式サイトで確認してください。
GPT-5.6の安全性評価
OpenAIは、能力の向上に合わせて安全の仕組みも作り直しています。特徴は、価格の安いモデルでも安全性の扱いが軽くならない点です。
OpenAIはシステムカードで、リスク評価の枠組みであるPreparedness Frameworkに照らし、3つのモデルすべてをサイバーセキュリティと生物・化学の両分野でHigh capability(最上位のCriticalの1つ下にあたる水準)として扱うと明記しました。小型で高速なモデルのHigh指定は、同社として初めてです。
出典:OpenAI「GPT-5.6 System Card」(2026年7月9日)
脆弱性の発見と悪用の技術を競うCTF(Capture the Flag)課題でも、3つのモデルの差は限られています。

図3. GPT-5.6のモデル別のCTF課題における正答率(2026年7月時点)
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
正答率はいずれのモデルもHighのしきい値を超えました。ただし最上位のCriticalには達していません。
対策が保守的に働く分、正当な業務でも応答が制限されることがあります。その際の代替として、ChatGPTとCodexには下位のモデルへ切り替えて試せる導線も用意済みです。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
なお、こうした安全上の要件を満たしたうえで全社に展開したい場合は、国内で提供され、利用状況の把握と入力範囲の制御ができる「エクサベース AI」が選択肢になります。
▼関連記事|1日中走り続けるAI、GPT-5.6が変えるモデル選びの基準
GPT-5.6の使い方(ChatGPT・Codex・API)

GPT-5.6は、ChatGPTとCodex、APIの3つの経路で提供されています。利用できるモデルと推論の設定はこの区分ごとに決まるため、全社での利用を前提にするなら、範囲を把握したうえで部門ごとの標準を決めてください。
- ChatGPTでSolを選んで使う
- ChatGPT WorkとCodexで3つのモデルを使い分ける
- APIから呼び出して自社システムに組み込む
ChatGPTでSolを選んで使う
ChatGPTの画面から使う場合、標準で案内されるのはSolです。OpenAIの案内では、Plus・Pro・Business・Enterpriseの各プランで、推論設定を中程度以上にするとSolを利用できます。複雑な作業に向けたGPT-5.6 Sol Proを選べるのは、ProとEnterpriseの2つです。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
画面から都度指示する使い方であれば、推論設定をどこまで上げるかが実質的な選択になります。プランを割り当てる段階で、Sol Proが必要な部門を切り分けておくと運用が簡単です。
ChatGPT WorkとCodexで3つのモデルを使い分ける
ChatGPT WorkとCodexは、3つのモデルと推論の深さを組み合わせられる仕様です。OpenAIの案内では、FreeとGoのプランでTerraが提供され、Plus以上のプランではSolとTerraとLunaを選んだうえで、推論の深さを個別に調整できます。maxは、GPT-5.6を使えるすべての利用者に開放されています。ultraについては、ChatGPT WorkではProとEnterpriseが対象です。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
全社で導入する場合、どの部門にどのプランを割り当てるかが、そのまま使えるモデルの範囲を左右します。標準の部門はTerraが使える範囲にとどめ、上位への切り替えが必要な部門だけをPlus以上に寄せる形なら、費用と能力の両方を管理しやすいはずです。
APIから呼び出して自社システムに組み込む
自社の業務システムへ組み込む場合はAPIを使い、Sol・Terra・Lunaの3つすべてを呼び出せます。Responses APIのProgrammatic Tool Callingは、モデルが書いたプログラムをメモリ上で実行してツールを統合する仕組みです。Zero Data Retention(入力と出力をOpenAI側に保存しない運用)にも対応しています。複数のサブエージェントを1回のリクエストで動かすマルチエージェント機能も、ベータで提供が始まりました。
出典:OpenAI「GPT-5.6: Frontier intelligence that scales with your ambition」(2026年7月9日)
組み込みの設計では、業務ごとにモデルを固定せず、難易度に応じて切り替えられる形にしておくと費用を抑えられます。入力のうち毎回変わらない前提部分をキャッシュの区切りとして扱う設計も、単価に直結します。
なお、社内のデータを扱う業務でGPT-5.6を使う場合は、入力したデータが学習に使われず、管理者が利用状況を把握できる法人向けの環境を選ぶと、部門ごとの運用を揃えやすくなります。国内で提供される「エクサベース AI」もその一つです。
▼関連記事|【2026年版】生成AI導入のロードマップ 失敗しない5つのステップと費用・補助金まとめ
GPT-5.6を業務で使うときの注意点

能力が上がったモデルほど、任せる範囲を決めないまま使うと運用の負担が増えかねません。GPT-5.6では自律的に作業を進める性質が強まった分、確認の工程と権限の設計が成果を左右します。
運用の設計で要になるのは、出力の確認、入力データの管理、そして自律実行を許す範囲です。
- 出力の誤りを前提に人の確認を残す
- 入力データの管理と学習不使用を前提に統制する
- 自律実行の許可範囲を社内ポリシーで決める
出力の誤りを前提に人の確認を残す
生成AIの出力には誤りが混じるため、業務へ組み込むときは確認の工程を残します。OpenAIは、GPT-5.6 Solが事実の誤りを出す頻度はGPT-5.5よりわずかに少なく、利用者から報告された誤りを繰り返す割合は大きく下がったと説明しています。その一方で、事実性については規模の大きいモデルほど良い結果を示す傾向があるとも述べました。
出典:OpenAI「GPT-5.6 System Card」(2026年7月9日)
確認の重さは業務ごとに変えてください。社外に出す文書や金額の計算を含む出力は担当者の確認を必須とし、社内向けの下書きや要約は抜き取りにとどめる線引きが現実的です。
入力データの管理と学習不使用を前提に統制する
社内のデータを扱う場合は、入力してよい情報の範囲と、そのデータが学習に使われないことを先に決めます。個人契約の環境と法人向けの環境では、データの扱いも管理の機能も同じではありません。全社で使うのであれば、管理者が利用状況を把握でき、入力範囲を制御できる環境が前提です。
運用では、機密の区分ごとに使ってよい経路を定める方法が有効です。公開情報だけを扱う業務は制限を緩め、顧客情報や未公開の財務情報を扱う業務は統制された環境に限る形にすると、部門ごとの判断のばらつきが減ります。
自律実行を許す範囲を社内ポリシーで線引きする
GPT-5.6では、maxやultra、Programmatic Tool Callingによって、人が途中で確認しなくても複数の工程を続けて実行できます。この自律性をどこまで許すかを、業務ごとに社内ポリシーで決めておく必要があります。
判断の基準は、失敗したときの代償の大きさです。社外への送信、金額の確定、コードの本番反映のように、誤りが後戻りしにくい処理は、実行の前に人の承認を挟む設定にします。社内資料の下書きや情報の整理のように、やり直しの効く処理は、自律実行の範囲を広げても構いません。
GPT-5.6は3つのモデルすべてがサイバーセキュリティと生物・化学の分野でHighと評価されています。そのため、価格の安いLunaに任せる処理であっても、実行範囲の線引きは欠かせません。どの業務を人の承認なしに進めてよいかを一覧にして共有しておくと、部門ごとの判断のばらつきを防げます。
出典:OpenAI「GPT-5.6 System Card」(2026年7月9日)
入力データを学習に使わせず管理された環境でモデルを使うなら
許可範囲と入力データの管理を全社で揃えるには、管理機能を備えた法人向けの環境を土台にする方法があります。エクサウィザーズグループの「エクサベース AI」は、管理者による利用状況の把握と、入力したデータを学習に使わせない運用に対応しています。
統制された環境でGPT-5.6を使う選択肢:エクサベース AI
業務ごとにモデルを割り当て、許可範囲を決めて運用するには、利用状況を把握できる環境が欠かせません。エクサウィザーズグループが提供する「エクサベース AI」は、GPT-5.6 Solをはじめとする各種モデルを法人の統制下で使えるのが特徴です。自社のファイルをアップロードし、その内容をもとに対話や生成を行うこともできます。
出典:株式会社エクサウィザーズ「エクサベース AI、GPT-5.6(Sol)を提供開始」(2026年7月15日)
入力したデータが学習に使われることはありません。管理者による利用状況の確認や、禁止ワードの登録による入力の制御も備わっています。
出典:エクサウィザーズ「エクサベース AI」サービスサイト(2026年7月時点)
導入した企業は1,700社、利用者数は15万IDに達しています(2026年7月時点)。全社での標準化を検討する段階であれば、対象の業務と統制の要件を整理したうえで、サービス資料から機能と運用の範囲を確認する進め方が現実的です。
出典:株式会社エクサウィザーズ「エクサベース AI、利用ユーザー数15万人・導入社数1,700社を突破」(2026年7月9日)
まとめ
GPT-5.6は、Sol・Terra・Lunaという3つのモデルで構成されるシリーズです。知能指標の差は8ポイントに収まる一方で、出力の単価には5倍の開きがあります。
選定の基準は、最上位を使うかどうかではなく、業務の難易度と処理する量に応じてどのモデルを割り当てるかです。日常業務はTerraを基準に置き、難易度の高い業務をSolへ、大量で軽い処理をLunaへ振り分けると組み立てやすくなります。
安全面では、3つのモデルすべてがサイバーセキュリティと生物・化学の分野でHighと評価されており、安価なモデルを選んでも扱いは軽くなりません。自律実行を許す範囲と入力データの管理を社内のポリシーで定め、統制された環境で運用する設計が必要です。
※ 料金やモデルの仕様、利用上限などの最新情報は変更される可能性があるため、導入検討の際は必ず各サービスの公式ウェブサイトにて最新の金額・情報をご確認ください。
※ 記載されている会社名、製品・サービス名は、各社の登録商標または商標です。



