OpenAIは2026年8月13日、最新モデル「GPT-5.6 Sol」の応答速度を最大14倍に高める新モード「Ultrafast」を発表しました。秒間750トークン（AIが文章を生成する際の最小単位で、日本語ならおおむね1〜2文字に相当）という出力速度を実現し、チップメーカーCerebrasのインフラが基盤になっています。現在は限定プレビューでの提供です。
背景と文脈
大規模言語モデル(LLM、Large Language Model：大量の文章データから学習し、人間の文章を理解・生成できるAIモデル)は、賢さを追い求めるほど計算量が増え、応答が遅くなる傾向があります。これまでリアルタイム性を優先したい場面では、性能を落とした小型モデルや専用モデルに切り替えるのが一般的な回避策でした。
OpenAIはこの構図自体を変えようとしています。GPT-5.6 Solは2026年7月にリリースされた同社最上位モデルで、これまでは推論の深さと引き換えに応答時間が長くなりがちでした。Ultrafastは、そのモデルの性能を落とさずに処理速度だけを引き上げる試みとして位置づけられています。背景には、コールセンターや取引執行のように「速さそのものが価値」となる業務でAIエージェントの採用が進み、応答の遅延がボトルネックとして意識され始めた事情があります。
実際、AIチャットボットの応答に数秒の間があるだけで利用者が離脱してしまう、というのはカスタマーサポート現場で繰り返し指摘されてきた課題です。金融の取引執行や在庫管理のように秒単位の判断が収益に直結する業務では、なおさら遅延の許容度が低くなります。OpenAIがエンタープライズ向けにこうした「速度そのものを商品化」する動きに出たのは、生成AI導入が実験段階から本番運用フェーズへ移りつつあることの表れともいえます。
技術/ビジネス面
Ultrafastは、半導体企業Cerebrasのチップをインフラに採用することで速度向上を実現しています。GPU(Graphics Processing Unit：画像処理用に生まれ、現在はAIの計算にも広く使われる処理装置)を並べる従来型のクラスタとは異なるアーキテクチャで推論を実行し、最大14倍という処理速度、秒間750トークンの出力を可能にしました。OpenAIはこれを「1秒あたりに引き出せる有用な作業量」という表現で説明しています。
想定する用途として挙げられているのは、システム障害時のインシデント対応、カスタマーサポート、金融市場のリアルタイム分析、eコマースの在庫・価格調整などです。いずれも数秒の遅延が機会損失や被害拡大に直結する業務で、これまでは応答速度を優先して性能の劣る軽量モデルを使わざるを得なかった領域です。料金体系は明らかにされていませんが、対象は主にエンタープライズ顧客で、提供は限定プレビューから始め、Cerebras側の処理能力の拡大に応じて対象を広げる方針です。
OpenAIは発表の中で「これまでリアルタイムの速度を得るには、小型モデルか専用モデルを選ぶしかなかった」と述べており、Ultrafastを「性能と速度のトレードオフを解消する選択肢」と位置づけています。裏を返せば、これまでのAPI利用者は精度を取るか速度を取るかの二択を迫られてきたということであり、両立を掲げるこの発表は競合サービスへの牽制にもなりそうです。
これからどうなるか
「賢さと速さはトレードオフ」という前提が崩れ始めれば、AIエージェントを使ったプロダクト設計の選択肢は広がります。開発者にとっては、これまで応答速度の制約から諦めていたリアルタイム用途、たとえば対話しながら進める障害対応ツールや、価格変動に即応するECの自動値付けエンジンなどを、最上位モデルの精度のまま実装できる可能性が出てきます。
一方で、Cerebras依存のインフラである以上、対応リージョンやスループットの上限には注意が必要です。まずは限定プレビューでレイテンシとコストの実測値を確認し、既存の軽量モデル構成と比較検討するのが現実的でしょう。GoogleやAnthropicなど競合の反応にも注目です。速度がAPIの新たな競争軸になれば、モデル選定の基準が「精度スコア」だけでなく「実運用でのレイテンシ」に広がっていくことも考えられます。
まとめ
OpenAIのUltrafastは、最上位モデルの性能を維持したまま応答速度を14倍に高める新モードです。Cerebrasのインフラを基盤に、遅延が致命的になる業務向けにまず限定提供されます。速度と精度の両立が進めば、AIエージェントの適用範囲はさらに広がりそうです。
