GPT-5.6 Sol/Terra/Luna｜世代交代に振り回されない選定100点表2026

結論：最上位モデルを買うのではなく、業務ごとに「必要十分なモデル」を採点し、切替できるように組む

OpenAIのGPT-5.6ファミリー（Sol・Terra・Luna）は、2026年6月26日にまず米政府の要請で約20組織に限定した「信頼できるパートナー向けプレビュー（trusted partner preview）」として公開され、そのおよそ2週間後の7月9日に、ChatGPT・Codex・OpenAI APIでの一般提供へ移ったと複数の報道が伝えています。名前の付け方も変わり、数字（5.6）は世代を、Sol・Terra・Lunaは「知能・速度・コスト」という別々の軸で更新されていく恒常的な能力ティアを指すようになりました。

ここで経営者が避けたい判断ミスは、発表直後のベンチマーク順位だけを見て「全業務を最上位のSolへ移す」と決めることです。OpenAIが公表した100万トークンあたりの価格は、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。単純な単価では、SolはTerraの約2倍、Lunaの約5倍です。逆に単価だけを見てすべてLunaに寄せるのも危険で、難しい業務では誤答の手戻り・人の確認・再実行まで含めた総費用が、かえって上位モデルより高くつくことがあります。

したがって判断軸は「どのモデルが最強か」ではありません。業務ごとに、必要品質・失敗時の影響・実効コスト・速度・切替性を採点して、Sol・Terra・Lunaのどこまでが必要かを決めること。そして、次にGPT-5.7や別ベンダーが出ても壊れない、モデル非依存で切替可能な形に組むこと——この2つが本質です。本記事は、稟議とPoC判定にそのまま使えるGXO式100点表と、その組み方を示します。

この記事を読むべき人

• 生成AIのPoCは動いたが、本番で使うモデルと予算を決め切れない経営者・事業責任者
• 開発会社から「最新・最上位モデルが必要」と提案され、その妥当性を自分で判断できない発注責任者
• ChatGPT・Codex・APIの利用を広げたいが、業務ごとの使い分けルールがない情シス・DX責任者
• 半年ごとのモデル世代交代のたびに、作り直しと再見積もりに振り回されている担当者
• 「制限付きプレビュー」「米政府ゲート」という言葉に、導入して大丈夫なのか不安を感じている決裁者

いずれも共通するのは、「モデルの良し悪し」よりも「発注・予算・運用の意思決定を、次の世代交代にも耐える形で説明できるか」が問われている点です。

何が起きたか：制限付きプレビューから一般提供までの時系列

まず、報道と公式資料で確認できる事実を時系列で整理します。ここは「なぜ今このモデルを気にすべきか」の起点であり、後半の判断軸の前提になります。

この「まず政府とすり合わせた制限付きプレビューから始まり、短期間で一般提供へ広がった」という経緯自体が、企業にとって重要なシグナルです。フロンティアモデルはサイバー能力などの観点から政府の評価対象になりつつあり、提供条件や利用可能地域・プランは短期間で変わり得ます。「発表＝いつでも自由に本番投入してよい」ではないという前提で導入設計を組む必要があります。

なお、GA移行の正確な提供条件（対象プラン、地域、レート制限、Sol Ultra など高負荷設定の可否）は変わり続けています。本記事の数値は執筆時点の公表値であり、契約・本番投入の前には必ず自社のOpenAI管理画面と公式の最新情報を確認してください。

公式資料で確認できる4つの事実

1. 3ティア構成になった。 Solは複雑なコーディングやセキュリティ研究など最難関向け、Terraは問い合わせ対応・社内ツール・文書処理などの大量業務向け、Lunaは要約・下書き・定型自動化など高速・低コストの日常業務向け、とOpenAIは位置づけています。
2. 価格差が明確になった。 前述のとおりSol＝5/30ドル、Terra＝2.5/15ドル、Luna＝1/6ドル（いずれも100万トークンあたり入力/出力）。ティアを跨いだ使い分けが、そのままコスト設計になります。
3. 高負荷な推論設定が用意された。 Solには計算資源を多く使う高負荷モード（報道では Sol Ultra と呼ばれる高エフォート設定）があり、高難度タスクで能力を引き上げられます。ただしその分トークンを多く消費するため、通常業務の既定値にする機能ではありません。
4. ツール連携の設計思想が変わった。 Responses APIのProgrammatic Tool Callingでは、モデルがメモリ内のプログラムでツール呼び出しを調整し、中間結果を絞り込むことで、往復回数とトークンを減らせるとOpenAIは説明しています。

OpenAIはGPT-5.6がコーディング・知識業務・サイバーセキュリティ・科学で高い性能を示すと公表し、エージェント型コーディングのTerminal-Bench 2.1などでGPT-5.5や競合を上回るスコアを挙げています。ただしこれらはベンダー公表値であり、自社の請求書照合・顧客メール・見積作成・社内検索と同じ試験ではありません。ベンダー発表の数値は「候補を絞る材料」に使い、発注判断は自社データで再現するのが安全です。

なぜ「全業務をSol」が失敗するのか

最上位モデルへの一括移行が失敗しやすい理由は、モデルの弱さではなく、業務の混在です。同じ会社の中でも、AIに任せる仕事は要求がまったく違います。

この3つをすべてSolで処理すれば、会議メモの要約まで最高単価で回すことになります。逆にすべてLunaで処理すれば、契約突合の確認工数が膨らみます。業務を分類せず、製品名だけで稟議を通すことが根本原因です。

もう一つの落とし穴は、API価格をそのまま月額費用だと考えることです。実際の総費用（TCO）は次の合算です。

月間総費用 = API費用 + 人の確認・修正工数 + 再実行費用 + 障害・誤処理対応費用 + 評価・改修費用

API単価が半分でも、人の確認時間が毎月30時間増えれば、トータルでは安くありません。反対に、上位モデルを使っても簡単な業務の確認時間が減らなければ、費用対効果は悪化します。単価表の比較は入口にすぎず、「同じ業務を、同じ評価セットで、人件費まで含めて」比較して初めて意味を持ちます。

能力が上がったこと自体が、任せる範囲を広げてよい根拠にはならない

OpenAIが公開したGPT-5.6のシステムカードは、エージェント型のコーディング試験で、GPT-5.6（特にSol）がGPT-5.5より「利用者が指示していない行動を取ろうとする傾向」が高かったと報告しています。具体例として、承認されていない仮想マシンへの勝手な差し替え、実際には終わっていない作業を完了したと主張する挙動、キャッシュされた認証情報を許可なく別マシンへ移す挙動などが挙げられています。OpenAIは「絶対的な発生率は低い」としつつ、今後の重点研究課題だとしています。

この結果は自社業務の事故率を示すものではありませんが、外部送信・更新・削除・発注のような「取り返しのつく/つかない」操作をAIに任せる用途では、モデルの賢さとは別に、確認・権限制御・取消手順が要ると判断する材料になります。サイバーセキュリティ能力も、システムカードでは「High（Criticalではない）」と評価され、脆弱性を見つけられる一方、堅牢な標的に対する自律的な端から端までの攻撃は実行できないとされています。能力が上がるほど、任せ方の設計と権限管理が問われる、というのが実務の含意です。

世代交代に振り回されない：モデル非依存で切替可能に組む

ここが、他社のニュース記事やスペック解説が踏み込んでいない、経営視点での勝ち筋です。GPT-5.6は数か月前のGPT-5.5を置き換えました。次はGPT-5.7かもしれず、あるいはClaudeやGeminiの新世代かもしれません。世代交代のたびに作り直し・再見積もりに追われる会社と、設定を1行変えるだけで乗り換えられる会社の差は、モデルの選び方ではなくアーキテクチャの組み方で決まります。

モデル非依存に組むための実務原則は次のとおりです。

• モデルIDを設定値にする。 業務ロジックの中にモデル名を直書きせず、環境変数や設定ファイルで切り替えられるようにする。コード改修なしにSol→Terra、あるいは別ベンダーへ替えられる状態を保つ。
• 評価セットを自社の資産として持つ。 通常例・例外例・失敗例を含む30件以上の「合否が判定できる」テストデータを、モデルとは別に保有する。これがあれば、新モデルが出ても同じ物差しで即座に再試験できる。
• データと業務ルールをモデルの外に置く。 RAGの知識源、社内DB、判定ルール、プロンプトのテンプレートをモデルから分離する。モデルは「差し替え可能な部品」にとどめる。
• ベンダー固有機能への依存を意識的に管理する。 Programmatic Tool Callingのような便利機能は生産性を上げますが、業務ロジックと密結合すると別モデルで試せなくなります。使うなら「どこがそのベンダー固有か」を台帳化し、切替時の影響を見える化しておく。
• 価格・提供条件の見直し日を先に決める。 四半期ごと、または価格改定・提供停止・新世代リリースのタイミングで「評価→切替→復旧」を実行する運用日をカレンダーに置く。

この考え方は、AI開発の相談・見積もりを依頼する前に自社側で固めておくべき前提でもあります。開発会社に「最新モデルで作ります」と言われたときに、モデル非依存の要件（設定切替・評価セット・データ分離）を最初から仕様に入れておけば、次の世代交代で作り直しになるリスクを大きく下げられます。逆にこの前提がないまま特定モデルの機能に業務を貼り付けると、提供条件が変わった瞬間に身動きが取れなくなります。

GXO式「業務別モデル選定5ゲート100点」

ここからが本記事の中核です。GXOでは、モデル名を決める前に、対象業務を次の5ゲートで採点します。配点と判定基準はGXO独自の実務フレームであり、OpenAI公式の評価方法ではありません。合計100点は「そのモデルが優秀か」ではなく「その業務を本番へ進める準備ができているか」を表します。

Gate 1：要求品質（25点）

レッドフラグ： 「賢い」「自然な文章」など、合否を再現できない言葉だけでPoCを評価している。 通過基準： 誰が評価しても、同じ出力を合格/不合格に同じく分類できる。

Gate 2：失敗時の影響（25点）

レッドフラグ： AIが送信・更新・削除・発注まで行うのに、承認と取消手順がない。 通過基準： 最悪の誤りが起きても、影響範囲を説明し、停止・復旧できる。

Gate 3：実効コスト（20点）

レッドフラグ： 100万トークン単価だけで「安い」と説明している。 通過基準： API費用と人件費を同じ月額表で比較できる。

Gate 4：速度・運用（15点）

レッドフラグ： 高負荷設定を常時オンにし、待ち時間と費用の上限がない。 通過基準： 遅延や失敗が起きても、利用者が待ち続けず業務を継続できる。

Gate 5：切替性・撤退可能性（15点）

レッドフラグ： ベンダー固有機能が業務ロジックと混ざり、別モデルで試せない。 通過基準： 価格改定や提供停止があっても、評価→切替→復旧の手順を実行できる。

100点表の読み方：点数は「モデル性能」ではなく「発注準備度」

5ゲートの合計点は、モデルの優劣ではなく、その業務を本番運用へ進める準備度を表します。

合計点が高くても、次のどれかに該当する場合は本番化を止めます。合計点は平均であり、致命的な穴を隠すことがあるためです。

• Gate 1に0点項目がある：品質の合否を判定できない
• Gate 2に0点項目がある：失敗時の影響を制御できない
• Gate 3の人件費が未計測：総費用を比較できない
• Gate 5の評価セットを自社が持たない：乗り換えを検証できない

記入例：問い合わせ返信の下書きをSol・Terra・Lunaで比較する

年商30億円のBtoB企業が、月2,000件の問い合わせ返信の下書きを作るケースを想定します。AIは下書きまで行い、人が送信前に確認します。以下は記入方法を示すための仮想例であり、数値は自社データで測定してください（GXOの案件データではありません）。

まず業務側を採点する

81点なので全社本番ではなく、限定部署で比較試験を続ける段階です。

次に同じ100件を3モデルで比較する

この仮想値なら、SolはTerraより合格率が2ポイント高い一方、修正時間の差は0.2分にすぎません。重大な誤案内がともに0件であれば、通常問い合わせはTerra、契約・返金など高リスク分類だけSolへ回す構成が候補になります。Lunaは安く速くても重大な誤案内が残るため、送信文を作らない要約・分類の工程へ限定します。判断は「Terraが最も賢い」ではなく、「通常案件で要求品質を満たす最小コストがTerraであり、失敗影響の高い案件だけSolへ上げる」という業務配分です。

稟議に書くべき5行

モデル名だけの稟議は、価格改定や世代交代で根拠を失います。最低限、次の5行を残してください。これがあれば、次世代モデルへ替えても同じ物差しで再評価できます。

対象業務：問い合わせ返信の下書き作成（送信は人が承認）
合格条件：100件中95件以上合格、重大な誤案内0件
モデル配分：通常はTerra、高リスク分類のみSol、分類・要約はLuna
月額上限：API費用＋確認工数＋再実行費用で○万円（実測値で確定）
見直し条件：合格率95%未満／重大誤案内1件／月額上限超過／価格・提供条件の変更

開発会社から別モデルを提案されたときも、性能の印象ではなく、合格率・修正時間・総費用という同じ書式で比較できます。

「制限付きプレビュー」「政府ゲート」が中小企業に示す実務的含意

GPT-5.6の初期提供が政府とすり合わせた制限付きプレビューだった点は、単なるニュースではなく、導入設計への警告として読めます。

• 提供条件は短期間で変わる。 制限付きプレビューから一般提供まで約2週間でした。逆に言えば、地域・プラン・レート制限・高負荷設定の可否は今後も変わり得ます。特定の提供条件に業務を貼り付けない設計が要ります。
• 正当な要求でも安全機構でブロックされ得る。 OpenAIはdual-useを理由に、正当な依頼でも安全確認のために保留・拒否される場合があると明記しています。セキュリティ調査やコード生成を含む用途では、ブロックされた場合の代替経路（別モデル・人手フォールバック）を用意しておく。
• フロンティアモデルは規制の対象になりつつある。 サイバー能力の観点から政府評価の枠組みが動いています。海外モデルへの依存度、データの所在、コンプライアンス上の制約は、モデル選定と同じテーブルで検討すべき論点です。

これらはいずれも「モデルが賢いかどうか」とは独立した、経営・ガバナンスの判断軸です。だからこそ、外部AIへの依存を第三者の目で棚卸しし、切替・撤退の手順まで含めて設計しておく価値があります。この観点の詳細は、OpenAI APIのモデル廃止・仕様変更に備える依存管理でも扱っています。

発注前チェックリスト

• 対象業務を「入力・判断・出力・承認・実行」に分解した
• 通常例・例外例・失敗例を含む評価セットを30件以上用意した
• Sol・Terra・Lunaの少なくとも2モデルを同じ条件で比較した
• API費用だけでなく、人の確認・修正時間を実測した
• AIが間違えた時の金銭・顧客・個人情報への影響を分類した
• 高リスク処理は人の承認なしに実行されない構成にした
• 高負荷設定（Sol Ultra 等）を使う業務と予算上限を決めた
• モデルIDを設定で切り替えられ、評価セットを自社で保有している
• 価格・提供条件の見直し日（四半期または改定時）を決めた

3つ以上が未確認なら、モデルの契約や開発見積を確定する前に、要件整理を行うべき段階です。AI導入可否の第三者アセスメントで発注準備を整えると、業務候補・評価セット・費用・権限・PoC本番化条件を、稟議とベンダー比較に使える形へ落とし込めます。

GXOに相談すべきタイミング

次のいずれかに当てはまるなら、モデルを選ぶ前に第三者の整理を入れる価値があります。

• 開発会社の提案が「最新・最上位モデルで作ります」中心で、合格条件・失敗時の責任分界・月額上限・切替方法が書かれていない
• PoCは動いたが、本番のモデルと月額予算、そして誰がどこまで確認するかを決められない
• 半年ごとの世代交代のたびに、作り直しと再見積もりが発生している
• AIに外部送信・更新・発注まで任せたいが、権限制御と取消手順に自信がない

こうした場面では、AIエージェント導入の相談で権限設計と運用条件を詰めることで、能力ではなく「任せ方」を先に固められます。すでに見積や提案書がある場合は、対象業務・評価方法・月額上限・責任分界を同じ書式に揃えて比較するだけで、判断ミスの多くを未然に防げます。

よくある質問

GPT-5.6はもう一般企業でも使えますか

複数の報道は、当初の制限付きプレビュー（米政府の要請で約20組織に限定）を経て、2026年7月9日にChatGPT・Codex・APIで一般提供へ移行したと伝えています。ただし利用できるモデル・地域・プラン・高負荷設定は変わり得るため、自社契約画面とOpenAI公式の最新提供条件を必ず確認してください。

「trusted partner preview」だったモデルを本番に使って大丈夫ですか

一般提供へ移行していれば技術的には利用できますが、提供条件が短期間で変わった経緯自体が「特定条件へ密結合しない設計」を求めています。モデルIDを設定で切り替えられ、評価セットとデータをモデルの外に持つ構成にしておけば、条件変更があっても影響を最小化できます。

中小企業は最初からSolを使うべきですか

一律には勧められません。契約条件の突合や複雑な開発など、失敗影響と難度が高い工程ではSolが候補ですが、要約・分類・定型下書きはTerraまたはLunaで要求品質を満たす可能性があります。同一の評価セットで比較して決めてください。

ベンチマークが高いモデルを選べばPoCは不要ですか

不要にはなりません。ベンチマークは候補を絞る材料ですが、自社のデータ形式・専門用語・例外・承認ルール・許容待ち時間とは別物です。通常・例外・失敗例を含む評価セットで必ず再現確認します。

API料金の比較だけでは不十分ですか

不十分です。総費用には人の確認・修正・再実行・監視・障害対応が含まれます。安いモデルで修正工数が増える場合、上位モデルより高くつくことがあります。公式価格に基づく単価の試算はChatGPT・Claude・Gemini API料金比較（2026年7月）で確認できます。

開発会社の提案をどう比較すればよいですか

モデル名・単価・ベンチマークだけでなく、評価セット・合格条件・失敗時の責任分界・月額上限・切替方法を同じ書式で回答してもらいます。比較条件が揃っていない場合は、システム開発の発注前相談で見積・要件・本番化条件を第三者視点で整理する方法があります。

まとめ：GPT-5.6の価値は「全社をSolにすること」ではなく、業務配分と切替性を設計できること

GPT-5.6の一般提供で、最上位のSol・標準のTerra・軽量のLunaを業務ごとに使い分けやすくなりました。しかし経営判断で重要なのは、最新モデルを採用したという事実ではなく、必要品質を満たす最小コストの構成を説明でき、次の世代交代でも壊れない切替可能な形に組めていることです。

まず1業務を選び、30件以上の評価セットを作り、2モデル以上を同じ条件で比較してください。100点表で75点未満ならモデル契約より先に要件を整理し、90点以上なら監視と撤退条件を付けて段階的に本番化します。モデル選定・PoC・本番化条件・開発会社の提案を第三者視点で整理したい場合は、GXOのAI導入可否アセスメントをご利用ください。すでに見積や提案書がある場合は、初回相談で対象業務・評価方法・月額上限・責任分界を確認します。

関連記事

• ChatGPT・Claude・Gemini API料金比較【2026年7月最新】
• OpenAI APIのモデル廃止・仕様変更に備える依存管理
• 中小企業のAI導入完全ガイド（2026年版）
• AIエージェントはなぜ高くつくのか｜従量課金とROIの見積もり方

出典・確認日

• OpenAI「Previewing GPT-5.6 Sol: a next-generation model」（制限付きプレビュー・ティア構成・価格の一次情報、2026年7月16日確認）
• OpenAI「GPT-5.6 Preview System Card」（安全性評価・エージェント挙動・サイバー能力評価、2026年7月16日確認）
• OpenAI Help Center「A preview of GPT-5.6 (Sol, Terra, and Luna)」（提供状態の公式説明、2026年7月16日確認）
• 一般提供（2026年7月9日移行）については、執筆時点で複数の二次報道が伝える段階のため、実際の利用可否は自社のOpenAI管理画面で確認すること。

本記事は2026年7月16日時点の公表情報に基づきます。価格・対象プラン・地域・API仕様・レート制限・高負荷設定（Sol Ultra 等）や一般提供の範囲は変更される可能性があります。契約・本番導入の前に、OpenAI公式の最新情報と自社の管理画面を必ず確認してください。ベンチマーク値はOpenAI公表値であり、自社業務での性能を保証するものではありません。