OpenAI「GPT-6 Sol / Luna」正式発表。API価格を大幅に下げ、AIは「性能×コスト」の競争へ

AIモデル競争の軸が「どれが一番賢いか」だけではなくなってきました。OpenAIはGPT-6 SolとGPT-6 Lunaを正式発表し、GPT-6世代の能力をより低いコストで使える選択肢を広げました。特に大量のtokenを使うAIコーディングや常時Agentでは、わずかな単価差が大きな運用費の差になります。

GPT-6 Sol／Lunaとは

OpenAIが9月22日に発表した、GPT-6世代の2つのモデルです。Solは日常の仕事やコーディングで性能と費用を両立させる選択肢、Lunaはさらに低コストで大量の処理を担う選択肢として位置づけられています。

APIでのモデルIDは gpt-6-sol と gpt-6-luna。Reutersも、低価格なモデルを加えてGPT-6の選択肢を広げる動きとして報じています。

Astraとの位置づけ

OpenAIは引き続きAstraを最も能力の高いモデルとして位置づけ、難しい仕事や要求の厳しいプロジェクトに向くとしています。SolとLunaはAstraを一律に置き換えるものではなく、速度や費用とのバランスを選ぶためのモデルです。

どのモデルでも同じ回答になると考えるのではなく、任せる仕事に必要な品質を満たすかを見て選ぶことになります。

API料金はいくら？

9月23日に確認した公式の標準API料金は以下の通りです。単位はすべて100万トークン当たりの米ドルで、入力長272Kトークン以下の料金です。

入力が272Kトークンを超えるリクエストは、リクエスト全体の入力・キャッシュ済み入力が標準の2倍、出力が1.5倍になります。処理モードや地域指定などでも条件が変わるため、表をすべての利用形態に共通する料金とは扱えません。ChatGPTの月額プラン料金とも別です。

GPT-5.6世代から何が変わった？

OpenAIの発表にある価格比較は、旧GPT-5.6モデルのプロモーション料金が基準です。Solは入力4ドルから2ドル、出力20ドルから10ドルで、いずれも50％減になります。

Lunaは入力0.20ドルから0.10ドルで50％減、出力は1.20ドルから0.50ドルで約58％減です。「半額」という言葉だけでまとめず、入力と出力の単価を分けて見ると違いが分かります。

OpenAIは能力面の改善も示していますが、それは同社の評価です。どの仕事でも旧モデルと同じ品質を保証したまま値下げした、という意味ではありません。

prompt cachingの90％割引とは

繰り返し使う入力のうち、キャッシュが適用された入力トークンには、通常入力より90％低い単価が適用されます。Solなら2ドルに対する0.20ドル、Lunaなら0.10ドルに対する0.01ドルです。

出力や新しく送るすべての入力まで90％引きになるわけではありません。実際の節約額は、入力のどの部分を再利用できたかに左右されます。

Solはコーディングを強化

OpenAIは、Solのコーディングやコンピューター操作、専門的な仕事での改善を紹介しています。ソフトウェア開発のように複数回のやり取りが続く用途では、1回の回答だけでなく、仕事を終えるまでの品質・時間・費用が気になるところです。

公表ベンチマークはOpenAIの自社評価で、ツールや設定を含む試験条件があります。普段使うアプリで同じ成績になる保証や、他社モデルとのあらゆる条件での優劣を示すものではありません。

Lunaは低コストの大量処理へ

Lunaの標準入力は100万トークンで0.10ドル、出力は0.50ドル。低い単価は、数多くの処理を回す際の選択肢になります。

ただし、安いモデルを選んでも、修正や再試行が増えれば費用や時間を使います。十分な精度で任せられる処理と、より高い能力を必要とする処理を分けて考えるのがよさそうです。

ChatGPT Work／Codexでの提供範囲

発表ではChatGPT WorkとCodexのPlus、Pro、Business、Enterprise、Edu向けに展開を開始するとしています。FreeとGoでは、デスクトップアプリでLunaを使えると案内されています。段階的な展開のため、すべてのアカウントで同時に表示されるとは限りません。

APIでも提供されますが、発表時点で通常のChatへの展開はまだです。ChatGPT WorkやCodexへの提供と、普段のChatのモデル選択に現れることは区別する必要があります。

常時Agentほどtoken単価が効く

Agentが何度も入力を読み、回答を生成する使い方では、1回の小さな料金差が積み重なります。入力と出力の量、キャッシュの適用量、再試行の回数まで合わせて考えると、運用費の違いが見えやすくなります。

安い単価だけでなく、求める仕事をどれだけ安定して終えられるかも重要です。性能と費用を同時に見る必要があります。

AIは性能だけでなく費用対効果の競争へ

最高性能のモデルを難しい仕事に使い、日常的な処理には必要な能力を持つモデルを選ぶ。SolとLunaの投入は、そうした使い分けを進める動きです。

クラウドを低い単価で使う考え方に対して、手元のMacでAIを動かす構成もあります。機器代や管理の負担まで含めて比べたい方は、AppleのローカルAI戦略も参考にしてください。

Astraで最高性能を狙い、SolとLunaで日常的な大量処理のコストを下げる。GPT-6世代は「一番賢いモデルを使う」だけではなく、仕事ごとに性能と価格のバランスを選ぶ方向がさらに明確になりました。特にAI Agentやコーディングでは、この差がそのまま運用コストへ効いてきます。