「1日中走り続けるAI」、GPT-5.6が変えるモデル選びの基準
米OpenAIは、最新AIモデル「GPT-5.6」シリーズを米国時間7月9日に一般公開すると発表した。最上位のSol、日常用途のTerra、低コストのLunaという3階層構成で、コーディングや科学、サイバーセキュリティの能力を大幅に強化したという。だが今回の注目点は、ベンチマークのスコアではない。先行アクセスしたテスターたちの証言が、口を揃えたように一点に集中しているのだ。いわく、このモデルは特別に「賢い」わけではない。ただ、人間が指示を出さなくても丸一日走り続け、与えられたタスクを最後までやり切る。評価の言葉が「賢さ」から「実行力」へ移り始めている。AIモデルを選ぶ基準そのものが、いま変わろうとしているのかもしれない。
3階層の新体系、価格は最上位でも競合の半額
今回のGPT-5.6シリーズで、OpenAIはモデルの命名体系を刷新した。従来はGPT-5.5のように番号だけでモデルを区別していたが、今回から番号が世代を、名前が性能の等級を表す方式に変わった。最上位のSolは複雑なタスク向けのフラッグシップ、Terraは性能とコストのバランスを取った日常用途向け、Lunaは速度と低価格を重視した普及版という位置づけだ。等級ごとに世代を重ねて進化させていく設計思想で、顧客や開発者がモデルを選びやすくする狙いがあるという。
価格は100万トークンあたり、Solが入力5ドル・出力30ドル、Terraが入力2.5ドル・出力15ドル、Lunaが入力1ドル・出力6ドル。TerraはGPT-5.5と同等の性能を半分の価格で提供するとしている。競合する米Anthropicの最上位モデルClaude Fable 5が入力10ドル・出力50ドルであることを考えると、フラッグシップのSolでさえその半額という強気の値付けだ。
機能面では、実行のさせ方を選べる2つのモードが加わった。複数のサブエージェントを並列に展開して大きなタスクを分担させる「ultra」モードと、単一の推論に大きな計算資源を割り当てて難問をじっくり解かせる「max」モードだ。いずれも、一回の応答の質を競う従来の使い方ではなく、時間のかかる大きな仕事をモデルに任せることを前提にした設計である。そしてこの設計思想こそ、先行アクセスしたテスターたちがこぞって語る、このモデルの本当の強みにつながっている。
「実行の化け物」、テスターの評価は一点に集中
今回の発表で目を引くのは、公式ベンチマークよりむしろ、先行アクセスしたテスターたちの生の証言だ。その評価が、示し合わせたように同じ一点に集中している。
開発者向け教育企業米t3.ggのCEOで、テック業界で発言力のあるYouTuberでもあるTheo氏は、X上で次のように述べている。「Fableほど『賢く』はないが、信じられないほど有能だ。とにかく粘り強い。目標コマンドを使わなくても丸一日走り続ける。サブエージェントの扱いを非常によく理解していて、オーケストレーションがうまい」
AIビジネス分野のインフルエンサーAllie K. Miller氏の評価も同じ方向を向いている。「実行の化け物(execution beast)だ。あまりに大きな飛躍だったので、5.6という名前はまったくふさわしくないと思う」と投稿した上で、「GPT-5.6とFable 5が世に出た以上、私たちはもう、質の悪い実行や遅いバグ修正を許容しなくなるだろう」と続けた。
二人の証言に共通するのは、評価の物差しが「どれだけ賢い回答を返すか」ではなく、「どれだけ長く、自律的に、タスクを最後までやり切るか」に置かれている点だ。賢さではFableに軍配を上げつつ、それでも「多くの用途でgpt-5.6-solが自分のデフォルトになる」とTheo氏が言い切るのは、日常の仕事で効いてくるのが賢さの上限ではなく実行の確実さだからだ。
ただし、割り引いて読むべき点もある。これらの早期テスターは、米政府の審査プロセスを経てOpenAIが選定した限定パートナーだ。選ばれた立場である以上、評価が甘くなりがちなことは頭に入れておく必要がある。それでも、複数のテスターが申し合わせたわけでもなく同じ「実行力」という言葉に行き着いている事実は、単なる宣伝文句として片付けるわけにはいかない。
ベンチマークの数字も、この証言と重なる。端末操作でのタスク遂行能力を測るTerminal-Bench 2.1では、Solが88.8%、サブエージェント並列のultraモードでは91.9%を記録し、Claude Mythos 5の88.0%を上回った。単発の知識を問うテストではなく、一連の作業をやり遂げる能力を測るベンチマークで差がついている点も、テスターたちの実感を裏付けている。
賢さは頭打ち、差がつくのは「やり切る力」
なぜ評価の軸が「実行力」に移りつつあるのか。背景には、AIの使われ方そのものの変化がある。
チャット画面に質問を打ち込み、返ってきた回答の質を吟味する。これがこれまでのAIの使い方だった。この使い方なら、モデルの価値は一回の応答の賢さでほぼ決まる。だが最前線の使われ方は既に変わっている。開発環境やエージェント基盤にモデルを組み込み、「このシステムの移行作業を終わらせておいて」と大きな仕事を丸ごと任せる。モデルは計画を立て、サブエージェントに作業を振り分け、エラーが出れば自分で修正し、数時間から数日かけて成果物を仕上げる。
この使い方では、価値を決める式が変わる。一回の回答が多少賢くても、途中で作業を投げ出したり、指示を仰ぎに戻ってきたりするモデルは使いものにならない。逆に、飛び抜けた賢さはなくても、脱線せずに最後まで走り切るモデルは、人間の作業時間を丸ごと置き換える。Theo氏の証言にあった粘り強さは、まさにこの文脈で効いてくる能力だ。
もう一つの背景は、最上位モデル同士の賢さの差が縮まっていることだ。主要なベンチマークで各社のフラッグシップは数ポイント差にひしめき合い、体感できる差は年々小さくなっている。賢さで差別化できないなら、競争の主戦場は別の場所に移る。それが、長時間の自律動作、サブエージェントの統率、失敗からの復帰といった「実行力」の領域だ。GPT-5.6のultraモードやmaxモードは、この主戦場の移動を製品設計の形で示したものと言える。
つまり、プロンプトを工夫して賢い答えを引き出す時代から、仕事を任せて完遂させる時代へ。GPT-5.6をめぐるテスターたちの証言は、この移行が想像より速く進んでいることを告げている。
「賢さのFable、実行力のGPT-5.6」、二強は住み分けへ
では、GPT-5.6の登場でClaude Fable 5は追い落とされたのか。テスターたちの証言を丁寧に読むと、そう単純な話ではないことが分かる。
前出のTheo氏は、GPT-5.6を絶賛しながらも「Fableほど『賢く』はない」と明言している。別の早期テスターも、価格は魅力的だが実際の使用ではFableが優勢かもしれないとの見方を示した。X上の反応を全体として眺めても、「実行力とコスト効率のGPT-5.6、賢さのFable」という評価軸で語る声が目立つ。
ベンチマークの内訳も、この見立てと重なる。前述の通りTerminal-Bench 2.1ではSolがFable系を上回った一方、実際のソフトウェア開発課題を解かせるSWE-Bench ProではFable 5が80.3%と高水準を記録している。OpenAIはこのベンチマークでのSolのスコアを公表しておらず、コーディング用途での優劣は現時点で判断できない。少なくとも「GPT-5.6が全面的に上回った」と断定できる材料はない。
Anthropic自身も、Fable 5を「数日間走り続けながら、段階をまたいで計画し、サブエージェントに委任し、自分の作業を検証する」モデルだと説明しており、長時間の自律動作という土俵ではOpenAIと真っ向から競合する。つまり両社とも「実行力」の時代に向かっていることは同じで、違いはその上での味付けだ。難問に対する思考の深さを取るならFable、価格を含めた実行の効率を取るならGPT-5.6。二強は当面、この住み分けで併走することになりそうだ。
利用者にとって、これは悪い話ではない。どちらか一方が独走すれば価格決定力は一社に集中する。異なる強みを持つ二強が併走する限り、値下げ圧力と改善競争は続く。TerraがGPT-5.5の半額を打ち出し、Solが競合最上位の半額に値付けされた事実は、この競争が既に価格に反映され始めていることを示している。
政府の審査を経ての公開、米中双方で進む「国家管理」
今回のGPT-5.6には、性能や価格とは別の次元で注目すべき点がある。公開のプロセスそのものだ。
OpenAIは6月26日にGPT-5.6を発表した際、通常のように一般公開せず、米政府の要請に基づき、政府に参加者リストを共有した少数の信頼できるパートナーへの限定プレビューから始めた。背景には、トランプ大統領が6月に署名したAIサイバーセキュリティに関する大統領令がある。最先端モデルを一般公開の前に政府の評価に自主的に提供するよう求める内容で、GPT-5.6はこの枠組みが適用された初の主要モデルとなった。米報道によると、商務省傘下のAI標準・イノベーションセンター(CAISI)が追加テストを実施し、OpenAIは技術専門家をワシントンに派遣して政府側の質問に即応する体制まで敷いたという。
注目すべきは、OpenAIがこの手続きに従いながら、公然と異を唱えている点だ。同社は発表文で「この種の政府アクセスの手続きが長期的な標準になるべきだとは考えていない。最良のツールを、それを必要とするユーザー、開発者、企業、サイバー防御の担い手、世界のパートナーから遠ざけてしまう」と明記した。従うのは早期の一般公開への最短経路だからであり、制度への同意ではない。企業の発表文としては異例の率直さだ。
そしてこの構図は、OpenAIに限った話ではない。競合のAnthropicは6月、米政府の輸出管理指令によりFable 5とMythos 5の提供停止を余儀なくされ、商務省が指令を解除した後の7月1日にようやくアクセスを復旧した経緯がある。一方の中国も、GLM-5.2など自国の最先端モデルへの海外からのアクセス制限を検討している。米中双方で、フロンティアモデルの公開・流通に国家が関与する動きが同時進行しているのだ。
最先端AIはもはや一民間企業の製品ではなく、半導体と同様、国家の戦略資産として扱われ始めている。モデルの公開日程が政府との調整で決まる。この事実自体が、AI産業の新しい現実を物語っている。
AIの競争は、賢さを競うフェーズから、仕事をやり切る実行力を競うフェーズに移った。GPT-5.6をめぐる一連の反応は、その転換点を示しているようだ。
