OpenAI、GPT-5.6（Sol、Terra、Luna）をリリース：3層モデルファミリーとResponses APIにおけるプログラム的ツール呼び出し

OpenAIは2026年7月9日、GPT-5.6ファミリーを一般提供開始しました。これまでの限定プレビューを経て、今回のリリースでは3つの異なる層のモデル（Sol、Terra、Luna）が提供されます。Solはフラッグシップモデルで、入力トークン100万あたり5ドル、出力トークン100万あたり30ドルです。Terraはバランス型で2.50ドルと15ドル、Lunaは最もコスト効率が高く、1ドルと6ドルです。これらのモデルはChatGPT、ChatGPT Work、Codex、APIを通じてアクセス可能ですが、プラットフォームによって選択できるモデルが異なります。

Solは特にコーディングタスクにおいて優れたパフォーマンスを示しています。Artificial Analysis Coding Agent Index v1.1では80ポイントを記録し、Claude Fable 5の77.2を2.8ポイント上回り、出力トークンと時間を半分以下に抑えています。SolはTerminal-Bench 2.1、DeepSWE v1.1、BrowseComp、OSWorld 2.0などのベンチマークで最高スコアを達成しました。OSWorld 2.0では62.6%を記録し、Claude Opus 4.8を上回り、出力トークンを85%削減しました。Agents' Last Examでは53.6%（公式テーブルでは52.7%）を記録し、Claude Fable 5を13.1ポイント上回っています。

主要な開発者向け機能は、プログラム的ツール呼び出し（Programmatic Tool Calling）です。この機能により、モデルがJavaScriptコードを記述し、分離されたV8ランタイムで実行できます。中間結果を毎回モデルに返す必要がないため、プロンプトトークンの使用量が大幅に削減されます。初期導入企業のClioとPlayCoは、それぞれ38%と63.5%のトークン削減を報告しています。この機能はResponses APIで利用可能で、同時にマルチエージェントベータ機能も公開され、最大4つのエージェントを並列実行できます。

Solは多くのベンチマークでリードしていますが、AnthropicのClaudeモデルと比較していくつかの分野で遅れを取っています。SWE-Bench ProではSolの64.6%に対し、Claude Mythos 5は80.3%で、約15ポイントの差があります。Artificial Analysis Intelligence Index v4.1では、Fable 5が59.9でSolの58.9を上回っています。ツール使用ベンチマークToolathlonではSolが58%に対し、Fable 5は61.7%です。長文コンテキストタスクでは、LunaのMRCR v2 8-needleスコアは41.3%に留まり、Solは512K-1Mコンテキストで73.8%（GPT-5.5の74%をわずかに下回る）です。

GPT-5.6ではプロンプトキャッシュも変更されました。明示的なキャッシュブレークポイントをサポートし、キャッシュ書き込みは非キャッシュ入力の1.25倍の料金がかかります。キャッシュ読み取りは引き続き90%割引が適用され、最小キャッシュ寿命は30分です。OpenAIは遅延とコストのデータはオフラインシミュレーションに基づいており、実運用環境での測定値ではないと注意を促しています。

全体的に、GPT-5.6は強力なマルチレイヤーオプションを提供し、コーディングとエージェントタスクで新たな基準を打ち立てましたが、一部のベンチマークでは改善の余地があります。開発者はChatGPTとAPIを通じてすぐに体験できます。