GPT-5.6ベンチマーク解説：Sol vs Terra vs Luna、料金体系、最適な活用シーン

OpenAIのGPT-5.6ファミリーには、3つの継続的な性能ティアがあります。最も難易度の高い処理向けの Sol、バランスの取れた本番ワークロード向けの Terra、高速性とコスト効率を重視したトラフィック向けの Luna です。ベンチマークの結果は単純に「Solが勝つ」という話ではありません。TerraとLunaも多くの能力を維持しながら、より低価格なトークンで利用できるため、すべてのリクエストに1つのモデルを選ぶよりも、モデルルーティングの設計が重要になります。

OpenAIは2026年7月9日にGPT-5.6ファミリー全体を公開しました。このガイドでは、公開されたベンチマーク結果、それらが測定する内容、そしてモデル選択時に品質・価格・レイテンシ・リトライ率をどのように組み合わせて考えるべきかを解説します。

データおよび料金確認日：2026年7月19日。 ベンチマーク結果はOpenAIの公開資料に基づき、同資料で説明された設定を使用しています。別のアプリケーションやエージェント環境での結果を直接保証するものではありません。

GPT-5.6ベンチマーク概要

以下の表では、代表的なプロフェッショナル向け評価およびコーディング評価に焦点を当てています。

これらの選択された評価ではSolがリードしています。Terraは複数のコーディングタスクで僅差に迫っています。LunaはGPT-5.5をすべての面で上回るわけではありませんが、最速かつ最も低価格なGPT-5.6ティアとして競争力を維持しています。

この表は、単純な平均スコアだけでは不十分である理由も示しています。サポート分類器、コードレビューエージェント、金融リサーチワークフロー、ブラウザ操作エージェントでは、求められる能力が同じではありません。

GPT-5.6ベンチマークが実際に測定するもの

コーディングエージェント向けベンチマーク

コーディングベンチマークの内容は大きく異なります。モデルがパッチを生成できるかだけを測定するものもあれば、リポジトリ探索、ターミナルコマンド実行、テスト実行、反復的な修正まで含むものもあります。

OpenAIによると、GPT-5.6 SolはArtificial Analysis Coding Agent Indexで80を達成し、比較対象となった複数の最先端モデルより少ないトークン量と短い時間で処理しました。Terraは77.4、Lunaは74.6でした。本番環境のコーディングエージェントでは、次の点を確認することが重要です。

• 正しいファイルを見つけられるか？
• プロジェクトの規約を維持できるか？
• テストを実行し、結果を解釈できるか？
• 失敗したアプローチから復帰できるか？
• 検証済みの結果に到達するまでに必要なモデル呼び出し回数はどれくらいか？

わずかに高いパッチスコアを持つモデルでも、長い推論トレースを生成したり、ツール呼び出しを繰り返したり、高価な人手レビューが必要になったりすると、コスト効率が悪くなる場合があります。

長期エージェント向けベンチマーク

Agents' Last Examは、多様な分野にわたる長時間の専門的ワークフローを評価します。Solは52.7%、TerraとLunaはそれぞれ50.4%、50.3%でした。この差が小さいことは注目に値します。多くの専門的タスクでは、必ずしも最上位ティアを必要としない可能性を示しています。

長期的な評価は、周辺システムの影響を特に受けやすい傾向があります。ツール設計、メモリ、リトライポリシー、権限管理、検証ステップは、ベースモデルそのものと同程度に結果を左右する可能性があります。

ブラウジングとコンピューター操作

OpenAIは、GPT-5.6 SolについてBrowseCompで92.2%、OSWorld 2.0で62.6%という結果を報告しています。これらの結果は、リサーチエージェント、ブラウザワークフロー、自身の出力を検査する必要があるアプリケーションを支援します。

コンピューター操作ベンチマークは、人間の監視なしで完全な信頼性を保証するものとして解釈すべきではありません。本番システムでは、依然として限定的な権限設定、重要操作の確認、タイムアウト、復旧動作が必要です。

ナレッジワークと成果物生成

GPT-5.6は、ドキュメント、スプレッドシート、プレゼンテーション、リサーチ資料、フロントエンド開発にも対応するモデルとして位置付けられています。これらの成果物は、正確性、情報源への忠実性、ビジュアル品質、編集可能性のすべてが重要になるため、1つのベンチマークだけで評価することは困難です。

これらの用途では、社内評価基準を作成しましょう。事実の正確性、構造、参照テンプレートへの適合度、手動修正回数、許容可能な成果物になるまでの時間を評価します。

GPT-5.6 Sol vs Terra vs Luna

高価値で難易度の高い問題にはGPT-5.6 Solを選択

Solはフラッグシップティアです。以下の用途に最適な出発点となります。

• リポジトリ規模のコーディングや高度なデバッグ；
• 複数ツールを利用する長時間エージェント；
• 認可された用途におけるサイバーセキュリティや科学分析；
• 複雑なリサーチや専門的成果物作成；
• 失敗による損失がトークン料金を大きく上回るタスク。

ただし、高頻度トラフィックの標準モデルとしてSolが常に最適とは限りません。公式トークン料金はTerraの2倍、Lunaの5倍です。

バランス型の標準モデルとしてGPT-5.6 Terraを選択

Terraは日常的な本番ワークロード向けに設計されています。以下に適しています。

• コーディング支援やコードレビュー；
• ドキュメント分析やリサーチ支援；
• 社内アシスタント；
• 軽量モデル以上の信頼性が必要なツール利用ワークフロー；
• Solの価格を避けながらGPT-5.6の能力を活用したいプロダクト。

Terraのベンチマークスコアは複数のコーディング評価でSolに近く、本番テストの最初の候補として合理的です。

スループットと予測可能なタスクにはGPT-5.6 Lunaを選択

Lunaは最速かつ最も手頃なティアです。以下の用途に適しています。

• 抽出と分類；
• 構造化コンテンツ処理；
• 軽量サポート；
• 大量自動化；
• 難しいリクエストを上位モデルへ振り分ける最初のルーティング段階。

Lunaは一部のコーディングや専門タスクにも対応できますが、その境界を決める際にベンチマーク平均だけを利用すべきではありません。失敗率やリトライ率によってトークン節約効果が失われ始める地点を検証してください。

GPT-5.6 API料金

OpenAIはGPT-5.6を100万トークン単位で価格設定しています。Poyo.aiでは現在、以下の料金でResponses API経由の3つのティアすべてを提供しています。

OpenAIは、明示的なキャッシュブレークポイント、30分間の最低キャッシュ保持期間、非キャッシュ入力料金の1.25倍となるキャッシュ書き込み料金、非キャッシュ入力から90%割引となるキャッシュ読み取り料金についても説明しています。

現在のPoyo料金、対応モデルID、APIアクセスについては、GPT-5.6 APIモデルページを確認してください。

実際のワークロードコスト比較

10百万の非キャッシュ入力トークンと200万の出力トークンを含む月間ワークロードを考えます。

この計算は有用ですが、完全ではありません。同じモデルが同じ回数の試行で同じ数のタスクを完了することを前提としているためです。

ベンチマークスコアと成功タスクあたりのコスト

本番環境でより重要な指標は次の式です。

effective task cost =
  average API cost per attempt
  × average attempts per successful task
  + human correction cost

Lunaのトークン単価がSolの5分の1でも、難しいワークフローの成功率が3回に1回しかない場合を考えます。Terraなら同じタスクを1回で完了し、ツール呼び出しや人手レビューを減らせる可能性があります。その場合、トークン料金が高くてもTerraのほうが本番コストは低くなります。

最低限、以下を測定してください。

• 成功率；
• 成功1回あたりの試行回数；
• 入出力トークン数；
• 経過時間；
• ツール呼び出し数；
• 人間による修正時間；
• 重大エラー率。

最後の指標は、誤った回答のコストが失敗リクエストのコストを上回るワークフローで特に重要です。

実践的なGPT-5.6ルーティング戦略

3ティア構成の価値は、アプリケーションが処理を意図的にルーティングするときに最大化されます。

タスクは反復的で簡単に検証できる？
├── Yes: Lunaから開始
└── No
    ├── 通常の本番コーディング、分析、ツール利用？
    │   └── Terraから開始
    └── 失敗コストが高い、または非常に難しいタスク？
        └── Solを利用

本番ルーターでは、タスクタイプ、リクエスト価値、過去の失敗、信頼度シグナル、評価結果などを利用できます。一般的なパターンは以下です。

1. 構造化された低リスクのリクエストをLunaへ送る。
2. 一般的な本番推論にはTerraを標準利用する。
3. 失敗したケースや高価値ケースをSolへエスカレーションする。
4. ルートごとの成功タスクあたり最終コストを比較する。

プロンプト長だけを基準にルーティングしないでください。短いセキュリティ問題が、長い抽出処理より難しい場合もあります。

アプリケーションでGPT-5.6を評価する方法

一般的なプロンプトではなく、実際のトラフィックから評価セットを作成してください。

1. 代表的なタスクを30〜100件選択する。
2. 期待される結果と許容できない失敗パターンを定義する。
3. 同等の設定でLuna、Terra、Solに同じタスクを実行する。
4. 品質、レイテンシ、トークン、ツール、リトライ、人間による修正を記録する。
5. タスクタイプごとに結果を分類する。
6. 分類結果からルーティングルールを決定する。
7. プロンプト、ツール、モデル更新後に再評価する。

エージェントでは、難しいケースも含めてください。失敗したツール応答、曖昧なデータ、不足しているファイル、自己修正が必要なタスクなどです。簡単なデモでは、モデルティア間の違いが見えにくくなる傾向があります。

Poyo.aiでGPT-5.6を利用する方法

Poyo.aiでは、gpt-5-6-luna、gpt-5-6-terra、gpt-5-6-solのモデルIDを/v1/responses経由で提供しています。

curl https://api.poyo.ai/v1/responses \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5-6-terra",
    "input": "Review this migration plan and identify the highest-risk assumptions.",
    "reasoning": {"effort": "medium"}
  }'

本番利用前に、Poyo dashboardでキーを作成し、GPT-5.6モデルページを確認してください。

どのGPT-5.6モデルを選ぶべきか？

スループットと簡単な検証が重要なら Luna から始めます。一般的なコーディング、分析、本番エージェントには Terra を開始点にします。問題が非常に難しい場合や失敗によるビジネスコストが高い場合は Sol を利用します。

最適な答えは、常に1つのモデルを固定して使うことではありません。GPT-5.6はファミリーとして設計されており、最も経済的な構成は複数のティアを組み合わせて利用することです。

よくある質問

どのGPT-5.6モデルが最適ですか？

Solは最も高性能なティアですが、Terraは本番利用におけるバランスに優れ、Lunaは単純で大量処理が必要なタスクに対して大幅に低コストです。

GPT-5.6 Lunaはコーディングに適していますか？

Lunaはコーディング作業に対応できますが、公開された評価では選択されたコーディングベンチマークにおいてTerraやSolを下回っています。実際のリポジトリでテストし、検証に失敗するタスクは上位モデルへ切り替えてください。

GPT-5.6 APIの料金はいくらですか？

公式OpenAI料金では、Lunaは100万トークンあたり入力$1、出力$6から始まり、Solは入力$5、出力$30です。Poyo.aiでは現在、3つのティアすべてでより低い従量課金料金を提供しています。

GPT-5.6はResponses APIを使用しますか？

はい。Poyo.aiでは3つのGPT-5.6モデルIDを/v1/responses経由で提供しています。

GPT-5.5をGPT-5.6 Terraに置き換えるべきですか？

Terraは有力な移行候補ですが、すべてのトラフィックを変更する前に、代表的な評価セットでタスク成功率、レイテンシ、トークン数、ツール呼び出し数を比較してください。

参考資料

• OpenAI GPT-5.6のリリース、ベンチマーク、提供状況、料金
• OpenAI API料金
• Poyo.ai GPT-5.6 API