GPT-6 Solとは？モデルID・料金・872Kトークン・ベンチマークを徹底解説

2026年9月22日の変更ログでgpt-6-solを見かけ、それがすでに統合しているGPT-5.6 Solだと思ったなら、それは間違いです。それは同じモデルではありません。OpenAIは階層名を再利用し、GPT-6 Astraと同様のメソッドで訓練された新しいモデルを、異なる価格、異なるコンテキストウィンドウ、異なるベンチマークプロファイルでリリースしました。

この命名の決定は、チームにコストとデバッグ時間を費やすことになるでしょう。この記事では、GPT-6 Solが実際に何であるか、モデルID、コスト、OpenAIが発表した数値、すでに古くなっている1つの測定値、そして今日どこで呼び出せるかについて説明します。

GPT-6 Solの概要

同じファミリー内での比較として、GPT-6 Astraは$10/$50、GPT-6 Lunaは$0.10/$0.50で、1Mのコンテキストウィンドウと指数37を持っています。OpenAI自身の見解では、Astraが「全体的に我々の最高のモデルであり続けている」ため、Solはフラッグシップではありません。これは、タスクあたりのコストが変動した階層です。

これは新しいモデルであり、名前が変更された階層ではありません

GPT-5.6ファミリーはSol、Terra、Lunaでした。GPT-6ファミリーはAstra、Sol、Lunaです。2つの名前が引き継がれ、1つは引き継がれず、1つが新しくなりました。

GPT-6 Terraは存在しません。もしGPT-5.6の命名体系を中心に階層を構築していたとしても、中間層はなくなり、残りの層も異なる高さに位置しています。SolとTerra、Lunaを比較した我々の以前の記事は、前の世代を説明するものであり、歴史として読むべきです。

価格の変遷を見れば、その変化は明らかです。

価格は100万入力トークンあたり、および100万出力トークンあたりのものです。GPT-5.6の定価およびプロモーション価格の行は、当時の我々の記事「GPT-5.6の価格設定」および「GPT-5.6の値下げ」からのものです。

「50%安い」が実際に意味すること

OpenAIは、SolとLunaがGPT-5.6の**プロモーション**価格よりも50%安いと説明しています。「プロモーション」という言葉はOpenAIのものであり、重要です。比較対象は割引価格であり、GPT-5.6がリリースされた際の定価ではありません。

GPT-5.6 Solの定価$5/$30と比較すると、GPT-6 Solの$2/$10は入力で60%、出力で67%の削減です。実際の削減率は見出しよりも大きく、見出しは割引からの測定です。どちらの記述も同時に真であり、予算モデルでは前者ではなく後者を用いるべきです。

変わらないのは、トークンあたりの料金が安くなっても、自動的に請求額が安くなるわけではないということです。推論モデルは思考のために出力トークンを消費します。トークンあたりのコストが半分で、思考時間が3倍になるモデルは節約になりません。そのためOpenAIは、トークンあたりのコストではなく、タスクあたりのコストで発表数値をリードしました。

公開されたベンチマーク

以下の数値はすべてOpenAIの発表資料からのものです。推論の努力設定が括弧書きになっているのは、これらのモデルが異なる努力レベルで非常に異なるスコアを出すためであり、努力設定のないベンチマーク行は利用可能な数値ではないからです。

このパターンは4つすべてに共通しています。Solは、比較対象の最先端モデルと同等かそれをわずかに上回り、タスクあたりのコストははるかに低いです。AutomationBenchでは、SolはxhighでClaude Opus 5のタスクあたりのコストの9%でOpus 5のmaxを上回ります。Opus 5のフォールバックを備えたClaude Fable 5.1のセットアップは31.4%を記録し、Solを下回り、コストは8.9倍以上です。

OpenAIはまた、Solがその前身モデルに比べて事実誤認が約半分であると述べています。

発表当日に期限切れとなった比較

もう一度その表を読み、どのClaudeモデルと比較しているか注意してください。Claude Opus 5です。

Anthropicは同日にClaude Opus 5.5を$4/$20（Opus 5は$5/$25）でリリースし、Artificial Analysisインテリジェンス指数でランク付けされた212モデル中、スコア58で1位を獲得しました。OpenAIの発表記事はそのモデルが存在する前に書かれたため、「Opus 5を9%のコストで上回る」という記述はすべて、数時間以内に置き換えられたモデルと比較したものです。

それはOpenAIの数値が間違っているという意味ではありません。彼らが行った比較に対しては正確です。しかし、2027年の調達資料に現状としてそれらを持ち込むべきではないことを意味します。もしSol対Opus 5.5の答えが必要な場合、まだ誰も発表しておらず、ソーシャルメディアで出回っている直接比較の数値は、どちらかのベンダーからではなく、個々のテスターによるものです。

我々の価格競争の基盤記事では、3つの発表すべてを1つの表で追跡しています。

安いモデルは速いモデルではない

Artificial Analysisによる第三者測定では、GPT-6 Solは最大推論構成で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102.15秒**とされています。より安価なモデルであるGPT-6 Lunaは、最初のトークンまでの時間が124.23秒と、より遅いと測定されています。

これらの数値を計画に組み込む前に、2つの注意点があります。これらはベンダーが公開したものではなく、第三者によるものです。また、これらは特に最大推論バリアントに関するものであり、これは実行コストが最も高く、応答が最も遅い設定です。より低い努力レベルでは動作が異なり、OpenAIは独自の遅延数値を公開していません。

両方の注意点を考慮しても、結果の傾向を理解することが重要です。最初のトークンが到着するまで102秒待つというのは、既存のタイムアウト設定では耐えられない可能性が高いギャップです。デフォルトのHTTPクライアントのタイムアウトは30秒または60秒です。ロードバランサーはアイドル状態になり、サーバーレス関数は実行上限に達します。同期エンドポイントをGPT-5.6 SolからGPT-6 Solに高い努力レベルで移行する場合、統合作業はプロンプトではなく、タイムアウトとストリーミング層にあります。

これは、我々やArtificial Analysisを信頼するよりも、ご自身で測定する価値があります。Apidogでは、OpenAIエンドポイントにリクエストを送信し、モデルIDを環境変数として設定することで、1つのコレクションですべての階層をカバーできます。そして、各実行からの応答時間を直接読み取ることができます。同じリクエストを3つの努力レベルで3回作成し、テストシナリオとして保存すれば、約10分でご自身のプロンプトに対する独自の遅延テーブルが完成します。その数値こそ、タイムアウト設定を構築する際の基準となるべきものです。

プロンプトキャッシングが本格的にリリース

モデルと並行して、OpenAIはエージェントを実行するすべての人にとって、見出し価格よりも重要なキャッシュ変更をリリースしました。

• **キャッシュされた入力読み取りが90%割引。** 入力$2の場合、キャッシュされた読み取りは100万トークンあたり$0.20です。
• **デフォルトでキャッシュヒット率が向上し、コード変更は不要です。**
• **推論の努力レベルやツールの利用可能性を変更してもキャッシュが壊れなくなりました。** 以前は、会話の途中で努力レベルを上げると、キャッシュされたプレフィックスが無効になっていました。
• **明示的なブレークポイント**により、キャッシュされたプレフィックスがどこで終わるかを推測するのではなく、選択できるようになります。
• **プロンプトキャッシングダッシュボードと診断ツール**により、ヒット率が可視化されます。

GitHubは、数十億のリクエストにおいて、新たに処理する必要があるプロンプトトークンが50%以上減少したと報告しています。872,000トークンのコンテキストウィンドウでは、ヒット率が20%と80%の差は、実行可能なエージェント製品と静かに終了させる製品との差を意味します。

努力レベルとツールの利用可能性の変更は、潜在的な影響が大きい変更です。エージェントループは、タスクが難しくなると通常、努力レベルを上げ、計画ステップと実行ステップの間でツールセットを交換します。以前の挙動では、これらの両方の操作が、コンテキストが最も長くなるときに正確にキャッシュを破棄していました。

今日呼び出せる場所

チャットでの利用不可は、人々を戸惑わせる点です。コードに組み込む前にChatGPTのコンシューマー向けインターフェースでプロンプトの健全性を確認している場合、GPT-6 Solは見つからないでしょう。Codexを使用するか、直接APIを呼び出してください。

最小限の呼び出しは以下のようになります。

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-sol",
    "input": "Summarize the breaking changes in this OpenAPI diff.",
    "reasoning": { "effort": "high" }
  }'

デプロイする前に、OpenAIの現在のモデルリファレンスとリクエストの形式を確認してください。モデルIDは我々が検証した部分です。

あなたにとっての価値

OpenAIの発表からわかる一つの数値は、この価格設定が誰を対象としているかを示唆しています。中央値のOpenAI研究者は、コーディングエージェントに1日あたり600ドル以上を費やし、90パーセンタイルの研究者は1日あたり7,000ドルを費やしています。この規模では、タスクあたりのコストが80%削減されることは、丸め誤差ではなく、予算の項目になります。

ほとんどのチームにとって、計算はより小規模で具体的です。

どちらの道を選んだとしても、切り替えは設定変更ではなく、振る舞いの変更です。同じプロンプトでも、新しいモデルでは異なる出力が得られます。本番トラフィックをルーティングする前に、既存のAPIテストスイートを新しいモデルIDに対して実行し、200ステータスコードだけでなく、応答スキーマと遅延についてもアサート（検証）してください。それが、ベンチマークで好成績を収めるモデルと、あなたのスタックで実際に機能するモデルとの間の正確なギャップです。