OpenAI、GPT-6 SolとLunaを発表価格半減・誤答半減

OpenAIは2026年9月22日、新モデル「GPT-6 Sol」と「GPT-6 Luna」を発表しました。先行公開したフラッグシップモデルGPT-6 Astraの改良手法を受け継ぎながら、API利用料金を前世代比で半額に抑えたのが特徴です。あわせて誤った回答が出る頻度も大きく減らしたとしており、コストと精度の両面で開発者の実務に直接関わってくる発表です。

背景と文脈
技術/ビジネス面
これからどうなるか
まとめ
参考リンク

背景と文脈

OpenAIはここ数世代、最上位モデルをまず公開し、そのあとに用途を絞った軽量・低価格版を追加する形でラインアップを広げてきました。今回のSolとLunaも、その流れをくむ位置づけです。土台となるGPT-6 Astraは、専門的な作業や事実の正確さ、コーディング、パソコン操作の自動化などを強化したフラッグシップモデルとして先に公開されています。

直前の世代であるGPT-5.6 Solでも、SolとLunaという名称がすでに使われており、今回はその後継として同じ役割分担を引き継いでいます。フラッグシップを土台にしつつ、コストを抑えた派生モデルを段階的に投入する手法自体は、Astra世代でも踏襲されている形です。

発表のタイミングも注目されました。競合のAnthropicが新版Opusを発表したわずか90分後というスケジュールで、両社が主力モデルの改良版を立て続けに送り出す構図になりました。GoogleのGeminiシリーズも含め、各社が数か月おきに新モデルを投入する状況が続いています。API料金と精度を同時に競うフェーズに入っている状態です。

数年前までは「最上位モデルをどれだけ賢くするか」が主戦場でした。いまは「同等以上の精度をどれだけ安く提供できるか」という運用コストの勝負に軸足が移りつつあります。開発者にとっては選択肢が増える一方、どのモデルをどの用途に使うか、乗り換えの判断がより頻繁に求められる状況になってきました。

技術/ビジネス面

black laptop computer turned-on displaying source code on table — Photo by Jantine Doornbos on Unsplash

SolとLunaは役割がはっきり分かれています。Solは複雑な推論やコーディングなど、じっくり考える必要があるタスク向けのモデルです。一方Lunaは、要約や情報抽出、簡単な質問への回答といった、定型的で処理量の多い業務向けに最適化されています。同じ「安価な下位モデル」でも、精度を優先するか速度を優先するかで役割を分けている点が特徴です。

性能面では、Solの誤答率が前世代からおよそ半減したとOpenAIは説明しています。上位モデルAstraに近い信頼性を、より低いコストで実現した計算です。料金はSol・Lunaともに5.6シリーズの半額とされており、同じ予算でより多くのリクエストを処理できるようになります。

トークン単価が下がれば、これまでコスト面で見送っていた処理をAPI化できる余地も生まれます。事実確認の精度向上やコーディング時の誤りの減少も合わせて説明されており、単なる値下げではなく品質面の改善もうたっている点がポイントです。

提供範囲も広めです。ChatGPTの法人向けプランやCodex、APIでは即日利用でき、Lunaは無料プランやGoプランのデスクトップ版にも段階的に展開される予定です。エンタープライズ向けの厳格な要件から個人利用まで、段階を踏んで裾野を広げる展開といえます。

API経由でアクセスする開発者にとっては、既存の呼び出しコードを大きく書き換える必要がありません。モデル名を差し替えるだけで、価格と精度の両方を底上げできる点が実務上の利点になりそうです。

これからどうなるか

API料金が半額になった影響は小さくありません。既存のプロダクトでGPT系モデルを使っている場合、同じ処理を今より安く回せる可能性があり、月額コストの試算を見直す価値があります。特に要約や分類のような高頻度処理をLunaに置き換えれば、レイテンシとコストの両方を削れる場面が出てきそうです。逆にSolのようなコーディング向けモデルは、CI上でのコードレビューや自動テスト生成のように、繰り返し呼び出す用途との相性が良くなります。

誤答率が下がったとはいえ、本番導入前には自分のユースケースでベンチマークを取り、実際の精度とコストを確かめる姿勢が引き続き欠かせません。公表されている削減幅はOpenAI独自の評価に基づくもので、自社のプロンプトやデータでも同じ傾向が出るとは限らないためです。モデル選びが「性能重視か低コスト重視か」の二択ではなく、タスクごとに細かく使い分ける方向へ進んでいることも押さえておきたいポイントです。

今後は、1つのプロダクト内で複数モデルを組み合わせて呼び分ける設計が、より一般的になっていくと見られます。すでに複数のLLM（Large Language Model、大規模言語モデル）を併用している開発チームもあるはずです。切り替えの仕組みをあらかじめ抽象化しておくと、次の値下げやモデル更新にも対応しやすくなるでしょう。