GPT-6 Sol - OpenAIがGPT-6 Sol・Lunaを公開。API料金は半額、Codexでも使える anchor left anchor right

Sep 23 2026 AIニュース

OpenAIがGPT-6 Sol・Lunaを公開。API料金は半額、Codexでも使える

anchor left anchor right

GPT-6 Sol は、OpenAIが2026年9月22日に公開した新モデルで、API料金を前世代の半額となる100万トークンあたり入力2ドル・出力10ドルに設定しています。

📖 この記事で分かること

  • GPT-6 Sol・LunaのAPI料金と前世代との差
  • コーディング性能がどの水準に届いたか
  • ChatGPTやCodexのどこで使えるか
  • 同日発表のClaude Opus 5.5との関係

💡 知っておきたい用語

  • トークン: AIが文章を扱うときの最小単位。料金は「100万トークンあたり何ドル」で示されます
  • プロンプトキャッシュ: 毎回同じ指示文を送るとき、2回目以降を安く速く処理する仕組み

最終更新日: 2026年9月23日

▶ 公式ページ

GPT-6 Sol - OpenAIがGPT-6 Sol・Lunaを公開。API料金は半額、Codexでも使える

GPT-6 Sol・Lunaで何が変わったのか

この記事のポイント

  • OpenAIが2026年9月22日にGPT-6 SolとGPT-6 Lunaを公開しました(2026年9月時点)。
  • API料金はSolが100万トークンあたり入力2ドル・出力10ドルで、前世代の半額です(2026年9月時点)。
  • ChatGPT WorkとCodexの大半の有料アカウント、およびAPIで利用できます。
  • 同日にAnthropicもClaude Opus 5.5を公開し、2社が同時に費用対効果を打ち出しました。

OpenAIは2026年9月22日、新モデルのGPT-6 SolとGPT-6 Lunaを公開しました。今回の発表で最も大きな差分は性能の見出しではなく、API料金です。GPT-6 Solは100万トークンあたり入力2ドル・出力10ドル(2026年9月時点)で、前世代のGPT-5.6 Solの入力4ドル・出力20ドルから半額になりました。GPT-6 Lunaは入力0.10ドル・出力0.50ドル(2026年9月時点)で、前世代のLunaの入力0.20ドル・出力1.20ドルから下がっています。

OpenAIはこれらをプロモーション価格ではなく恒久価格として案内しています。期間限定の割引であれば見積もりに織り込めませんが、恒久価格であれば運用中のワークフローの単価計算をそのまま置き換えられます。

2つのモデルの役割分担

SolとLunaは上位版と下位版という関係ではなく、想定する仕事の性質で分かれています。

Solは、開発者やナレッジワーカーが繰り返し行う複雑な作業に向けた位置づけです。機能の実装、コードレビュー、デバッグ、データ分析といった、手順が一定でも判断が必要な仕事が対象になります。

Lunaは、定義が明確な大量処理に向けた位置づけです。文書の要約、項目の抽出、単純な質問応答のように、1件あたりの難度は高くないものの件数が多い処理を想定しています。入力0.10ドルという単価は、件数が数万件規模になるバッチ処理で効いてきます。

性能について、OpenAIはソフトウェア工学のベンチマークDeepSWEの結果を示しています。Solは68.8%で、Claude Fable 5の69.9%にはわずかに届いていません。ただしOpenAIは、Solがこのスコアを1タスクあたり約80%低いコストで達成したとしています。Lunaについては、最大努力(max effort)の設定でClaude Opus 5およびFable 5の中程度(medium effort)の設定と同等のスコアに到達し、コストは大幅に低いと説明しています。

信頼性の面では、OpenAIの社内の事実性評価でGPT-6 Solの誤りが前世代比で約半分になり、「はるかに低コストでAstra級の信頼性に到達した」としています。コーディングのエラー率も下がったとしています。これらはいずれもOpenAI自身が公表した評価であり、第三者による検証結果ではありません。

なお、コンテキスト長は今回の発表では非公表です。

どこで使えるか、なぜ安くなったか

提供先は3経路です。ChatGPT WorkとCodexでは大半の有料アカウントが対象になり、APIからも利用できます。Lunaについてはこれに加えて、デスクトップアプリおよびFree・Goのユーザーにも提供されます。無料層に降りてきたのはLunaのみで、Solは有料アカウント向けという住み分けです。

コスト低減の理由としてOpenAIが挙げているのは、推論効率の改善とプロンプトキャッシュの改善です。後者については同日に別途、GPT-6向けのプロンプトキャッシュ強化が発表されています。30分以内であれば共通の先頭部分を再利用でき、ヒット率のダッシュボード、キャッシュミスの診断、事前に温めておくprewarmが用意されます。これらを使うと、長時間動き続けるエージェントの入力費が最大90%割引になるとしています。

長時間のエージェント処理では、同じシステムプロンプトや同じ資料を何度も送り直すため、入力トークンが費用の大半を占めることがあります。モデル単価の引き下げとキャッシュの改善は、この構造に対して別々の角度から効きます。

同じ日にAnthropicも同じ方向へ動いた

Anthropicは同じ2026年9月22日にClaude Opus 5.5を公開しました。料金は100万トークンあたり入力4ドル・出力20ドル(2026年9月時点)で前世代比20%減、キャッシュ読み取りは0.20ドル/MTokで60%減としています。Opus 5と比べて典型的な処理費用が40%減、出力速度は30%以上向上し、多くの作業でClaude Fable 5.1級の性能を発揮するとしています。

注目すべきは、両社が打ち出した軸が一致している点です。どちらも「これまでで最も賢いモデル」を前面に出すのではなく、同等の性能をどれだけ安く出せるかを主題にしています。Anthropic側もキャッシュ読み取りの値下げ幅を強調しており、競争の焦点が推論の単価とキャッシュ設計に移っていることが読み取れます。

編集部の見方

編集部は、今回の2社同日発表で実務に効くのは最高性能の更新ではなく、「同じ予算で同じ仕事を何回まわせるか」が変わった点だと見ています。

  • 根拠1: Solの狙いがベンチマーク首位ではないことが数字に表れています。DeepSWEでFable 5に1.1ポイント届かない一方、1タスクあたり約80%低いコストとされており、スコアの頂点ではなく単価で差をつける設計です(いずれもOpenAI発表、2026年9月時点)。
  • 根拠2: 入力0.10ドル・出力0.50ドルのLunaが、最大努力設定でOpus 5やFable 5の中程度設定と同等のスコアに届くとされています。分類や抽出のバッチ処理では、単価が桁で動くと採否そのものが変わります。
  • 根拠3: Anthropicも同日にキャッシュ読み取りを60%下げています。1社の戦術ではなく両社同時の動きであるため、当面この方向が続くと考えるのが自然です。

この見方が変わる条件は、コンテキスト長とレート制限です。今回コンテキスト長は非公表で、実運用のスループット上限も明らかになっていません。長文脈や高頻度の処理で上限に当たる場合、トークン単価だけで組んだ費用対効果の計算は崩れます。導入を検討するなら、単価の比較より先に自分のワークロードで上限を確かめるのが順序として有効です。


よくある質問

Q: ChatGPTの月額料金も安くなったのですか?

A: 今回発表されたのはAPIのトークン単価の引き下げです。ChatGPTの月額プラン料金の変更は発表されていません。

Q: SolとLunaはどちらを選べばよいですか?

A: 判断を伴う複雑な作業(実装、コードレビュー、デバッグ、データ分析)はSol、件数の多い定型処理(要約、抽出、単純な質問応答)はLunaという住み分けが公式の位置づけです。

Q: 無料プランでも使えますか?

A: Lunaはデスクトップアプリに加えFree・Goのユーザーにも提供されます。SolはChatGPT WorkとCodexの大半の有料アカウント、およびAPIが対象です。


まとめ

OpenAIは2026年9月22日、GPT-6 SolとGPT-6 Lunaを公開し、API料金をSolで半額の入力2ドル・出力10ドルに設定しました。DeepSWEではClaude Fable 5をわずかに下回るスコアながら、1タスクあたり約80%低いコストとされています。同日にAnthropicもClaude Opus 5.5で費用を下げており、競争の軸は最高性能から費用対効果へ移りつつあります。コンテキスト長は非公表のため、単価の比較だけで判断せず、自分の処理量で上限を確認しておく必要があります。


【用語解説】

  • DeepSWE: ソフトウェア工学の課題を解かせてAIの実装能力を測るベンチマーク。今回SolとClaude Fable 5の比較に使われています
  • prewarm: プロンプトキャッシュを事前に温めておく機能。最初の1回からキャッシュの効果を得るために使います
  • max effort / medium effort: モデルがどれだけ計算資源をかけて考えるかの設定。効果が上がるほど精度は上がり、費用と時間も増えます

引用元:


この記事について: AI 支援で執筆、編集部が事実確認・編集しています。誤りや追加情報があれば Contact よりお知らせください。

anchor left anchor right
KOJI TANEMURA

15 年以上の開発経験を持つソフトウェアエンジニア / テクノロジーライター。AI エージェントの実務活用を研究し、現場や経営者向けセミナーでその知見を発信。本メディア tech-noisy.com では、一次情報に基づく最新ニュース・解説記事を執筆。また、音楽生成 AI による DJ パフォーマンスを企業イベントで行うなど、テクノロジーと表現の融合も探求している。