OpenAIが「GPT-6 Sol」「GPT-6 Luna」を発表｜Astraの技術を低価格モデルへ、経営者は何を見るべきか

2026年9月22日、OpenAIは新モデル「GPT-6 Sol」と「GPT-6 Luna」を発表しました。同社が先に発表した最上位モデル「GPT-6 Astra」で培った技術を、より安価で高速なモデルに展開したもので、複雑なコーディングや、複数の手順を任せる作業での利用を想定した位置づけです。

「また新しいモデル名が増えた」と感じる経営者の方も多いかもしれません。実際、OpenAIのモデル名は「Astra」「Sol」「Luna」など天体にちなんだ名前が並び、非エンジニアからすると違いが分かりにくいのも事実です。しかし今回のポイントは単純です。Astra並みの改善を受け継ぎながら、価格は前世代からさらに半額程度まで下がりました。本記事では、GPT-6 Sol・Lunaの特徴、性能、料金、そして自社のAI活用にどう影響するかを整理します。

1. GPT-6 Sol・Lunaとは？Astraに続く「普段使い」の2モデル

GPT-6 Sol と GPT-6 Luna は、OpenAIの最上位モデル「GPT-6 Astra」と同様の開発手法を用いて訓練された、より軽量なモデルです。専門的な業務処理、事実に基づいた正確な回答、コーディング、パソコン操作の自動化、安全性の担保といった、Astraで強化された領域の改善が、そのまま高速・低価格なモデルにも引き継がれています。

位置づけとしては、前世代の「GPT-5.6 Sol」「GPT-5.6 Luna」の後継にあたり、複雑なコーディングや、エージェント型の作業を主な想定としています。OpenAIのラインナップは、最上位のAstraを頂点に、複雑な作業向けのSol、大量処理向けのLunaという3段階の構成になっており、業務の重さに応じてモデルを選べる形が定着しつつあります。

2. Sol：複雑な作業もこなす「普段使い」モデル

GPT-6 Solは、コーディングを含む複雑な作業に対応できる推論能力を持ちながら、最上位モデルのAstraよりも低コストで使えるモデルです。資料作成、問い合わせ対応の下書き、コードの実装や修正など、日々の業務で発生する「そこそこ複雑な作業」を担う、いわば主力モデルという位置づけです。

OpenAIの説明では、Solは「複雑なタスク」を担当するモデルと位置づけられており、Astraをすべての業務に使うほどの予算はないが、単純な処理だけでは物足りない、という中間層のニーズに応える設計になっています。

3. Luna：定型作業を高速・大量にさばく最安モデル

GPT-6 Lunaは、Solよりもさらに低価格で、応答速度と処理量を重視したモデルです。文書の要約、情報の抽出、簡単な質問への回答など、「ゴールが明確で、大量にこなす必要がある定型作業」に向いています。1件あたりのコストを抑えたいチャットボットや、大量データの一次処理といった用途に適しています。

無料プランのユーザーにもデスクトップアプリで提供される点から分かるように、Lunaは「多くの人が日常的に触れる入口としてのAI」という役割も担っています。専門的な判断が必要な場面ではSolやAstraにバトンタッチしつつ、日常的な質問対応はLunaが引き受ける、という住み分けが想定されています。

4. 性能：GPT-5.6比で事実の誤りがおよそ半減

OpenAIによれば、GPT-6 Solは前世代のGPT-5.6 Solと比べて、事実の誤りがおよそ半分に減り、コーディングで自分の作業を偽って報告することも減っています。日々の業務でAIに文章やコードの下書きを任せている場合、修正にかかる手間が減ることが期待できます。

実際のコード変更がそのまま本番のコードベースに取り込める水準かどうかを評価する「FrontierCode」というベンチマークでは、GPT-6 SolはGPT-5.6 Solから大きく性能を伸ばし、はるかに低いコストでありながら、Anthropicの上位モデル「Claude Fable 5.1」をxhigh（最大の一段手前の高い推論設定）で動かした場合に匹敵する結果を示しました。また、複雑なソフトウェア開発タスクを評価する「DeepSWE v1.1」でも、GPT-6 Solの最大推論設定は68.8%を記録し、Claude Fable 5の最高スコアとわずか1.1ポイント差まで迫っています。低コストなモデルでありながら、上位モデルに肉薄する性能を示している点が、今回の発表の技術的な見どころといえます。

ただし、これらの数値はいずれもOpenAIが発表時に公表したものです。ベンチマークは測る能力がそれぞれ異なり、自社の業務でそのまま同じ差が出るとは限りません。導入を判断する際は、実際の業務データで数件試し、今使っているモデルと出来栄えを比べるのが確実です。

5. 料金体系：前世代からさらに半額程度に

価格面での変化が今回最も大きなポイントです。GPT-6 Solは100万トークンあたり入力2ドル・出力10ドルとなり、前世代のGPT-5.6 Sol（発表時点のキャンペーン価格で入力4ドル・出力20ドル）から半額になりました。GPT-6 Lunaも同様に、入力0.10ドル・出力0.50ドルへと、GPT-5.6 Luna（入力0.20ドル・出力1.20ドル）からおよそ半額に引き下げられています。OpenAIは、この価格はキャンペーンなどの期間限定ではなく、恒久的な価格設定であるとしています。

OpenAIはこの値下げの背景として、キャッシュ処理や推論効率の改善を挙げています。同じ予算でより多くの処理をこなせるようになったことで、これまでコストを理由に見送っていた用途（大量の問い合わせ対応や、長文資料の一括処理など）にAIを導入しやすくなったといえます。

6. どこで使えるのか：ChatGPT・Codex・API

GPT-6 Sol・Lunaは、発表当日からChatGPT WorkおよびCodex上で、Plus・Pro・Business・Enterprise・Eduの各プランのユーザーが利用できるようになりました。無料プランおよびGoプランのユーザーも、デスクトップアプリ上でGPT-6 Lunaを利用できます。APIでも提供されており、自社システムへの組み込みも可能です。なお、ChatGPTの中では「Work」と「Codex」で使うモデルで、通常の会話（Chat）では選べません。

また、OpenAIは2026年9月29日に後継の「GPT-6.1 Sol」を発表し、現在はCodexやChatGPT Workでの複雑な作業にはGPT-6.1 Solを勧めています。APIの料金はGPT-6 Solと同じ入力2ドル・出力10ドル（100万トークンあたり）で、GPT-6 Solも引き続き選べます。これから試す場合は、どちらのSolを使うかも確認しておくと安心です。

「どこまで深く考えさせるか」を選べる

APIでSol・Lunaを使う場合は、回答の前にどれだけ考えさせるか（推論の深さ）を段階的に指定できます。OpenAIの開発者向け資料によると、Lunaの場合は「なし」「低」「中」「高」「さらに高」「最大」の段階があり、何も指定しなければ「中」で動きます。

深く考えさせるほど回答の質は上がりやすい一方、待ち時間と費用も増えます。逆に「なし」を選べば、考える工程を省いて素早く答えるため、簡単な分類や定型の返信には十分なことが多いです。この「考えない」設定は最上位のAstraと後継のGPT-6.1 Solには無く、GPT-6 Sol・Lunaならではの選択肢です。

つまり、モデルを選ぶだけでなく、同じモデルの中でも作業に応じて深さを切り替えられます。「問い合わせの振り分けはLunaの『なし』、提案書の下書きはSolの『中』、難しい設計判断だけAstra」といった形で組み合わせると、品質と費用のバランスを取りやすくなります。

7. GPT-6 Astra・Sol・Luna 比較表

OpenAIの現行ラインナップにおける3モデルの位置づけを整理しました。

8. 実務での活用イメージ

実際の業務にどう当てはめられるか、具体的なイメージを挙げます。

• 営業資料の下書き（Sol）：提案書や見積もりの叩き台をSolに作らせ、最終的な数字や表現の調整は人が行う
• 問い合わせメールの一次仕分け（Luna）：大量に届く問い合わせを「見積もり依頼」「クレーム」「一般質問」などに自動で分類し、担当部署に振り分ける
• 社内マニュアルの要約（Luna）：長い社内文書やマニュアルの要点を素早く抜き出し、検索しやすい形にする
• 簡易的なコード修正（Sol）：AIコーディングツール上で、既存コードの軽微な修正やバグ調査を任せる

このように「判断の重さ」によってSolとLunaを切り替えることで、無駄なコストをかけずにAI活用の幅を広げられます。特に、これまでコストの高さから一部の業務にしかAIを使っていなかった企業にとっては、Lunaの価格水準であれば、社内のあらゆる定型業務にAIを組み込む余地が生まれます。逆に、精度が最優先される契約書のチェックや、対外的な公式文書の作成といった業務は、引き続きより上位のモデルに任せるという判断も重要です。

9. 導入前に確認しておきたいポイント

実際に切り替えを検討する際は、次のような点をあらかじめ確認しておくと、移行後のトラブルを避けやすくなります。

• 自社の作業を「複雑な判断が必要な作業」と「定型的で大量な作業」に分け、Sol・Lunaを使い分けられているか
• 既存のワークフローで使っているモデル（GPT-5.6系など）からの切り替えによる出力品質の変化を、実務データで確認したか
• API利用の場合、モデルIDの切り替えだけで移行できるか、事前に開発担当者やAIコーディングツールに確認したか
• コスト削減効果を、月間の実際の利用トークン数ベースで試算したか
• 重要な意思決定や対外的な文書作成など、精度が特に求められる業務は、引き続き最上位モデルのAstraに任せる線引きができているか

10. まとめ：モデルの「使い分け」がコスト最適化の鍵に

GPT-6 Sol・Lunaの登場は、「とりあえず一番高性能なモデルを使う」という発想から、「作業の重さに応じて最適なモデルを選ぶ」という発想への転換を後押しするものです。

• GPT-6 Sol・Lunaは、最上位モデルGPT-6 Astraの改善を受け継いだ、低価格・高速なモデル
• Solは複雑な作業、Lunaは大量の定型作業と、明確に役割が分かれている
• 価格は前世代からおよそ半額に引き下げられ、恒久的な価格設定

自社でChatGPTやAPIを活用している場合は、すべての作業を一つのモデルに任せるのではなく、作業内容に応じてSolとLunaを使い分けることで、品質を保ちながらコストを抑えられる可能性があります。