OpenAI が GPT-5.6 シリーズを出した。看板は「もっと深く考えるモード」と、上位版 Sol の ultra。難しいタスクほどAIに考える時間を与えたい、というコーディングエージェント利用者の欲求に真正面から応える構成だ。筆者は複数AIを1画面に束ねるツールを作って以来、モデルを1社に固定しない設計で回している。その財布目線で、Claude Sonnet 5 との価格・特性の見取り図を作る。
目次
何が起きたのか
OpenAI が GPT-5.6 シリーズを発表し、2026-07-09 に一般提供へ到達した。3サイズ構成で、それぞれに推論の深さを選ぶモードが乗る。
- max reasoning effort：既存の low / medium / high の上に積む、最も長く考える設定。難問に時間を割り当てる。
- ultra（Sol 上位）：計算資源を多く使う高負荷モード。報道では既定で複数エージェントが並列に走るとされ、費用は基準のおよそ2〜3倍になる。
価格（per 1M tokens）はこうなっている。入力・出力の順だ。
| モデル | 入力/MTok | 出力/MTok | 位置づけ |
|---|---|---|---|
| Sol | $5.00 | $30.00 | 最上位 |
| Terra | $2.50 | $15.00 | 標準 |
| Luna | $1.00 | $6.00 | 軽量 |
【追記 2026-07-22】GA は予定どおり 2026-07-09 に到達。上表の価格は執筆時アグリゲータ集計のみが根拠だったため再確認し、OpenRouter のモデルページを含む複数の独立ソースで同額を確認した。ultra の内部挙動は一次発表と各紙で表現が割れるため（「高負荷の推論モード」「4エージェント並列」など）、本文では断定を避けて報道の幅として記す。最新の正式価格は OpenAI 料金ページを参照してほしい。
Claude Sonnet 5 と単価を並べる
同じ「主力〜軽量」の帯で、直近リリースの Claude Sonnet 5 と単価を並べるとこうなる。判断材料は速度・品質・上限もあるが、まず単価の骨格を押さえる。
| モデル | 入力/MTok | 出力/MTok |
|---|---|---|
| GPT-5.6 Terra | $2.50 | $15.00 |
| GPT-5.6 Luna | $1.00 | $6.00 |
| Claude Sonnet 5 | $2.00（〜8/31プロモ、標準$3） | $10.00（〜8/31プロモ、標準$15） |
出力単価で見ると、プロモ期の Sonnet 5（$10）は Terra（$15）より安く、Luna（$6）より高い。安さ最優先なら Luna、バランスなら Sonnet 5 か Terra、という構図が見える。
一点、時期の注意がある。Sonnet 5 の $2／$10 は 8月末までのプロモ単価で、標準に戻ると $3／$15 になる（事実）。標準価格だと出力は Terra と並ぶので、9月以降はこの比較図が動く可能性がある（ここは推測）。事実と見通しは分けて見ておきたい。
ただ、単価だけで決めるのは早計だ。同じタスクを何往復で終えるかで総額は逆転する。賢いモデルが1回で片付ける仕事を、安いモデルが3往復かけるなら、後者のほうが高くつく。
単価表を鵜呑みにしない：往復数まで入れて試算する
実際にいくらになるのか。例えば、1万行のリポジトリの一部を読ませて改修を頼む作業を考える。ざっくり入力10万トークン・出力2万トークン、これを1日20回、月20営業日走らせたとする。Terra の単価で計算するとこうなる。
入力: 100,000 tok × 20回 × 20日 = 40,000,000 tok = 40 MTok
出力: 20,000 tok × 20回 × 20日 = 8,000,000 tok = 8 MTok
Terra 月額 = 40 × $2.50 + 8 × $15.00 = $100 + $120 = $220/月同じ条件を Sonnet 5（プロモ単価 入力$2.00 / 出力$10.00）に置き換えると、40 × $2.00 + 8 × $10.00 = $80 + $80 = $160/月。出力が高いほど差が開くのが分かる。ここに ultra や max reasoning を混ぜると、出力トークンが増えるぶん月額はさらに動く。
この計算式は、自分の実ワークロードで一度回してみてほしい。「単価が安い」の印象と、月末の請求額は一致しない。効いてくるのは出力の量と往復数のほうだ。プロンプトキャッシュが使える処理なら入力側はさらに下がるので、キャッシュ前提かどうかも試算に入れておくと精度が上がる。
ultra と max reasoning は「難所限定」で使う
ultra や max reasoning effort は、深く考えるぶん出力トークンを多く吐く。出力は請求の高いほうの半分だ。深く考えさせるほど、待ち時間も費用も膨らむ。これらは無料の性能アップに見えて、実際は出力を増やすコストのレバーそのものだ。
筆者の使い分けはこうだ。設計で詰まった箇所、原因の分からないバグ、アルゴリズムの選定。この手の「1回の質が総作業時間を左右する難所」だけに ultra や max を投入する。ファイルの整形やテストの雛形づくりのような日常作業には、軽量モデルを当てる。難所に高負荷モードを1回打つほうが、安いモデルで何往復も迷うより結局は安く速い、という場面は確かにある。ただし常用はしない。日常の全作業に ultra を当てたら、月額は簡単に跳ね上がる。
能力の伸びしろ自体は本物のようだ。報じられている指標のひとつ、脆弱性検出の ExploitBench では Sol が 73.5%で、前世代の GPT-5.5（47.9%）から大きく伸びたとされる。数字だけ見れば難タスク向きに映る。ただしベンチマークのスコアと自分の日々の作業は別物だ。参考程度に眺めて、判断は実タスクの実測に置く。ここを取り違えると、必要ない場面で最上位モデルを常用して請求だけ膨らむ。
新モデルに振り回されない「差し替えられる設計」
新モデルが出るたびに乗り換えを検討するのは疲れる。その疲れを一番減らせるのは、コードをモデルに直結させないことだ。呼び出しを1枚のラッパー越しにしておけば、プロバイダの切り替えは1箇所の変更で済む。
# モデル呼び出しを1箇所に集約しておくイメージ
def complete(prompt, task="default"):
model = {
"hard": "claude-opus-4-8", # 難所
"daily": "claude-sonnet-5", # 日常
"bulk": "gpt-5.6-luna", # 大量・軽量
}.get(task, "claude-sonnet-5")
return call_provider(model, prompt)こう組んでおけば、GPT-5.6 を実タスクで試して「この用途はこっちが安い／速い」と分かったとき、辞書の1行を書き換えるだけで乗り換えられる。モデルごとに呼び出しコードが散らばっていると、比較検証すら面倒になる。
この形に落ち着いたのには実体験がある。筆者は複数のAIエージェントを1画面に統合するデスクトップツール（Claude Mission Control）を作っている。複数のモデルを1つの画面で扱うと、呼び出しをプロバイダ直結で書くほど、モデルを足すたびの修正が広がってつらくなる。抽象化レイヤに寄せておけば、新モデルの登場は「辞書に1行足すか試すか」の判断だけで済む。乗り換えコストを設計で先に潰しておくと、こういうニュースが「脅威」から「選択肢が増えた」に変わる。
よくある疑問
Q. 結局、3つのどれを選べばいい？
用途で分ける。大量・軽量な処理（要約、分類、整形）は Luna、日常の開発は Terra か Sonnet 5、難所だけ Sol／ultra。1つに固定する理由はない。
Q. ultra はいつ使う価値がある？
「1回の答えの質が、その後の作業時間を大きく変える」場面だ。設計判断・難バグ・アルゴリズム選定など。逆に日常のルーチンに常用すると費用対効果が悪い。
Q. Claude と GPT、どっちに寄せる？
筆者は寄せない。差し替えられる設計にして、タスクごとに単価×往復数で選ぶ。どちらか一方に賭けるより、両方を札として持つほうが総コストは下がる。片方が値上げしたり品質が落ちたりしても、辞書の1行で逃げられる保険にもなる。
実践ポイント
- コスト試算は「単価 × 想定トークン × 想定往復数」で。単価表だけ見て決めない。
- GA直後でも、本番投入は数日〜1週間、実ワークロードで様子を見てから。
- 「深く考えるモード」は待ち時間とコストのトレードオフ。使う場面を難所に絞る。
AIモデルを組み込んだアプリを、プロバイダを差し替えられる形で設計する具体例は バイブコーディングの進め方で解説している。新モデルが出るたびに振り回されない作り方を先に身につけておこう。
まとめ
GPT-5.6 の「深く考える」「並列で加速する」という方向性は、Claude 側の進化とも呼応している。筆者は、価格と特性を地図として持ち、タスクごとに最適な札を切れる状態を作っておけばいいと考えている。ultra や max reasoning は難所限定で。日常作業に常用すると請求が跳ねる。そして何より、コードをモデルに直結させず差し替えられる形にしておくこと。これさえ先に作っておけば、新モデルのニュースが脅威から選択肢の追加に変わる。GA後の実測比較は、自分の作業で走らせてからあらためて届ける。
