GPT-6 Luna vs Sol vs Astra: タスク単価で最適なティアを選ぶ

OpenAIは2026年9月22日にGPT-6 SolとGPT-6 Lunaを出荷し、GPT-6 Astraとともに3階層ファミリーに加わりました。ほとんどのチームが最初に行うことは、料金ページを開いてLunaの隣に$0.10、Astraの隣に$10と表示されているのを見て、最上位層が100倍高価であると結論付けることです。

その数字は事実ですが、単位が間違っています。本番環境にトークンを出荷するわけではありません。出荷するのは完成した作業です。解決済みのチケット、移行済みのファイル、完了したブラウザタスクなどです。推論モデルは、それに必要なトークンの数を自ら決定し、あなたが渡す努力レベルによってその答えは桁違いに変わります。最大努力で動作する安価なモデルは、迅速に回答する高価なモデルよりも、完了したタスクあたりのコストが高くなる可能性があります。

このガイドは、私たちのGPT-5.6 Sol vs Terra vs Luna比較のGPT-6版の後継です。前回の記事では、その世代にとって適切な単位であった100万トークンあたりの価格でティアを比較しました。今回の記事では、OpenAI自体が新しいモデルを正当化するために使用した単位であるタスクあたりのコストで比較します。

書類上の3つのティア

この表には2つの驚くべき点があります。

まず、Lunaは3つの中で最も大きなコンテキストウィンドウを持っています。このファミリーで最も安価なモデルは100万トークンをフルで受け入れますが、Solは872kで止まります。もしあなたのワークロードが「大量に読み込み、少しだけ決定する」というものであれば、予算ティアが制約を受けることはありません。

次に、Astraの行には空欄があります。SolとLunaの発表記事では、Astraのコンテキストウィンドウやキャッシュされた読み取りレートが改めて記載されておらず、他の2つと並んでAstraの公開されたArtificial Analysis指数スコアもありません。これらはソース資料の欠落であり、ゼロではありません。

SolとLunaはどちらもGPT-5.6よりも50%安価であるとされていますが、OpenAI自身の言葉では、この比較はGPT-5.6のプロモーション価格に対して行われたものです。この限定条件は非常に重要であるため、私たちはそれについて別途詳しく解説しました。当時の発表記事で記録したGPT-5.6の定価と比較すると、割引率は見出しよりも大きくなります。

トークンあたりの価格が請求額を予測できなくなる理由

料金表と請求書の間には3つの異なる乗数が存在します。

推論トークンは出力トークンです。モデルが回答する前に推論を行う場合、その推論は出力レートで課金されます。これは3つのティアすべてにおいて入力レートの5倍です。8,000トークンの推論の後、200トークンの回答を返すタスクは、8,200トークンの回答として課金されます。

努力レベルは設定であり、単なるフラグではありません。OpenAIのベンチマーク表は、努力設定（low、medium、high、xhigh、max）ごとに結果を報告しています。最大努力と低努力の同じモデルは、予算編成の目的においては、タスクあたり2つの異なる価格を持つ2つの異なる製品です。

エージェントループはプロンプトを再送信します。12ステップのエージェントは、各ステップでシステムプロンプト、ツール定義、および蓄積された履歴を送信します。キャッシングがそれを吸収しない限り、入力量はステップとともに二次的に増加します。これこそが、GPT-6がモデルと共にキャッシングリリースを出荷した理由です。キャッシュされた入力読み取りは90%オフになり、推論努力やツール変更によってプレフィックスが無効になることはありません。

これらを現実的なエージェントタスクに当てはめてみましょう。12回のモデル呼び出し、40kトークンのプロンプトプレフィックス、1回あたり2kの出力トークン。最初の呼び出しは全入力料金を支払い、残りの11回はキャッシュからプレフィックスを読み込むと仮定します。

見出しの入力比率は1:20:100です。キャッシングが考慮されると、その差はAstraのキャッシュ読み取りレート（ローンチ表には記載なし）に完全に依存して、およそ1:20:294に広がるか、再び1:20:100に圧縮されます。この単一の不明な要素が、最上位ティアのタスクあたりのコストを3倍も変動させます。Astraを中心に予算を組む前に、あなたのアカウントでそのレートがどうなるかを確認してください。

OpenAI自身のタスクあたりのコストが示すもの

発表記事ではスコアと相対コストが一緒に公開されており、これが役立つ部分です。AutomationBench 1.0.6では：

上のペアをゆっくりと読んでください。xhigh努力レベルの中間層は、低努力レベルのフラッグシップモデルよりも2.9ポイント高くスコアを出し、タスクあたりのコストはおよそ4分の1です。0.27ドルのベースラインに基づくと、Astraの低努力レベルでのコストは1.05ドル近くになります。これはOpenAIが公表した数字ではなく、OpenAIの乗数から算出したものです。

同じ傾向は他の場所でも繰り返されています：

• Agents’ Last Exam V1: Solの最大努力レベルは56.4%を記録し、Claude Opus 5の最高結果を上回り、タスクあたりのコストは60%低くなっています。
• DeepSWE 1.1: Solの最大努力レベルは68.8%に達し、xhigh努力レベルのClaude Fable 5と1.1ポイント差以内であり、タスクあたりのコストは約80%低くなっています。Lunaの最大努力レベルは66.6%に達し、中努力レベルのOpus 5およびFable 5に匹敵し、Opus 5より93%、Fable 5より96%タスクあたりのコストが低くなっています。
• OSWorld 2.0 オフライン: Solのxhigh努力レベルは60.5%を記録し、中努力レベルのOpus 5の60.3%とほぼ同じであり、タスクあたりのコストは約80%安くなっています。Lunaの最大努力レベルはGPT-5.6 Solの中努力レベルを10分の1のコストで上回ります。
• 事実性: Solは先行モデルの約半分の間違いしか犯しません。Lunaのより高い努力レベルは、GPT-5.6 Solに約100分の1のコストで匹敵します。
• ティア内のコスト変動: Lunaの高い努力レベルは、自身の先行モデルを5.4ポイント上回り、タスクあたりのコストは58%低くなっています。

2つの正直な注意点があります。これらの比較はすべてClaude Opus 5を対象に作成されました。これは、AnthropicがOpus 5.5を同日にリリースし、OpenAIの投稿がそれ以前のものであるためです。また、その表のAstraの数値は、単一の低努力レベルのデータポイントです。OpenAIはAstraが「全体的に最高のモデルであり続けている」と明確に述べています。ここにはAstraが劣っているとは書かれていません。低努力レベルのAstraが30.3%の性能を得るための高価な方法であると述べているだけです。

欠けているティアと移動したティア

GPT-5.6はSol、Terra、Lunaでした。GPT-6はAstra、Sol、Lunaです。GPT-6 Terraはありません。

これは古い中間ティアの名前変更ではありません。AstraはGPT-5.6 Solがあった位置の上に位置し、GPT-6 Solは、そのティア名の以前のレートをはるかに下回る価格で中間スロットを継承しました。もし今日、あなたのコードがgpt-5.6-terraを指定している場合、役割上最も近いGPT-6モデルはSolであり、同名の後継ではありません。私たちの命名解説は、現在のマップというよりも世代の歴史になりました。

残った2つの名前の価格系列：

同じ名前、異なるモデル、異なる経済性。設定ファイル内でティア名を安定した機能レベルとして扱っているものがあれば、再検討が必要です。

ティアの選択

4行目のルーティングパターンが効果的です。安価なティアを実行し、出力をプログラムで検証し、失敗したものだけを上位ティアにエスカレートします。もしLunaがキューの80%をタスクあたり0.02ドルで処理し、Solが残りを0.41ドルで処理する場合、あなたの混合コストは約0.10ドルであり、0.41ドルではありません。

安価なティアが速いと仮定する前に、レイテンシーに関する注記が1つあります。ベンダーではなく第三者であるArtificial Analysisは、Solの最大推論バリアントを1秒あたり115.2出力トークン、最初のトークンまでの時間を102.15秒、Lunaを1秒あたり153.9トークン、最初のトークンまでの時間を124.23秒と測定しています。これらは最大努力レベルの数値であり、低努力レベルの呼び出しを表すものではありません。2分かかる最初のトークンがAPI契約にどのような影響を与えるかについては、私たちのレイテンシーに関する記事で詳しく解説しています。

自分のトラフィックで測定する

ベンダーのタスクあたりのコストの数値はベンダーのハーネスから得られたものです。あなたの場合は異なるでしょうし、何が適切かを決定する唯一の比較は、あなたのプロンプトで実行されたものです。

{
  "model": "gpt-6-luna",
  "usage": {
    "input_tokens": 41200,
    "input_tokens_details": { "cached_tokens": 39800 },
    "output_tokens": 2140,
    "total_tokens": 43340
  }
}

Lunaのレートでのその呼び出しのコスト：キャッシュなし入力1,400トークンが$0.10/M、キャッシュあり入力39,800トークンが$0.01/M、出力2,140トークンが$0.50/M。これは$0.00014＋$0.000398＋$0.00107、つまりおよそ$0.0016です。タスクの数ではなく、タスクにかかる呼び出しの数で乗算してください。

測定を信頼できるものにする3つのルール：

1. 呼び出しではなく、タスク全体を数える。 リトライや失敗したものを含め、実行中のすべてのステップの使用量を合計する。
2. 各行で努力レベルを一定に保つ。 ヘッダーで明記しない限り、Lunaの最大努力レベル対Solの低努力レベルの表は何も教えてくれない。
3. キャッシュされたトークン数を個別にログに記録する。 コールドキャッシュで実行されたティア比較は高価なモデルに有利に働きがちです。なぜなら、安価なモデルの利点は、繰り返されるプレフィックスで最も大きくなるからです。

実際には、これは保存されたリクエスト1つ、モデルIDの変数、そして使用量フィールドに対するアサーションです。Apidogはそのような形をうまく処理します。呼び出しを一度定義し、環境変数を通じてモデルを交換し、そのセットをシナリオとして実行することで、使用量データが3つのターミナルウィンドウではなく1つのレポートに集約されます。同じシナリオは、ティアが再価格設定された際のリグレッションチェックとしても機能し、このリリース頻度では数ヶ月の問題です。

要するに

トークンあたりでは、入力においてLunaはAstraより100倍安価です。しかし、OpenAI自身の公開ベンチマークによるタスクあたりでは、その順位はそれほど明確ではありません。xhigh努力レベルのSolは、AutomationBenchで低努力レベルのAstraを上回り、コストは約4分の1でした。そして、最大努力レベルのLunaは、タスクあたり10倍以上のコストがかかるモデルに肉薄しました。

Lunaから始め、失敗したらエスカレートし、誤りが遅延よりも高くつく作業にはAstraを確保してください。そして、すべて上記の数値は他者のワークロードで生成されたものであるため、ご自身で測定してください。

同一48時間内の両方の発表を含めたより広範な視点については、私たちの2026年9月AIモデル価格戦争まとめをご覧ください。