テッド・サンダース（Ted Sanders）がHacker NewsでOpenAIのモデル命名規則について説明した投稿を、サイモン・ウィリソン（Simon Willison）が引用し、2026年10月28日に自身のブログで公開した。この引用の意義は、外部からしばしば推測で解釈されてきたモデル名やバージョン番号の背後にある、OpenAI内部の論理を明らかにしている点にある。
サンダースはまず、大規模言語モデルの性能は極めて多次元的であると強調する。数学で最も優れたモデルがジョークでも最も優れているという固定的な順序が保証されているわけではない。能力の次元同士はトレードオフの関係にあることもあれば、互いに独立していることもあり、単一のベンチマークでモデルを順位付けすると実態を見誤る可能性がある。しかし、そうした複雑さがありながらも、性能のばらつきの大部分はモデル規模という一つの変数で説明できる、と同氏は述べる。
同氏によれば、より大きなモデルは一般に三つの傾向を示す。第一に、性能と信頼性が高い。第二に、トークンあたりのコストが高い。第三に、めったに知られていない事実の想起精度が高い。この三点がOpenAIの製品階層を理解する土台であり、モデルの階級が能力、価格、知識のカバー範囲の違いと同時に対応する理由でもある。
その上でサンダースは、OpenAIのモデルを小さい順にLuna、Terra、Sol、Astraと並べる。この序列は各層の相対的な位置を明確にし、開発者や利用者が名称から規模と位置づけをある程度判断できるようにする。名称そのものから推測する必要はない。
バージョン番号については、現在の番号が複数の意味を同時に担っていると説明する。すなわち、リリースの順序、他のリリースとの関係、そして改善の大きさである。例えば6.1は、5.6より後に投入されたことを示し、他の6.1系モデルとは学習データや性格の面で類似点を持つ可能性がある。それが5.7ではなく6.1と名付けられた理由であり、同時に、7という番号が伴う注目や期待に値するほどの飛躍ではないことも意味している。
この説明からは、OpenAIの命名体系における階層的な考え方が見えてくる。メジャーバージョンは世代間の飛躍の大きさに、マイナーバージョンは同一世代内の派生や継続的関係の表示に、そしてモデル名の系列は規模の階層に、それぞれおおむね対応している。モデル選定に依存するチームにとって、この説明は価格、性能、リリースのペースを同じ枠組みで比較する助けとなる。また、バージョン番号が純粋な技術指標ではなく、製品の位置づけと市場へのコミュニケーションの一部でもあることを示している。
留意すべきは、サンダースの発言が一般的な説明であり、各リリースの完全な開示ではないという点だ。各層の具体的なパラメータ規模は示されておらず、能力の順序がすべてのタスクで成立する保証もない。したがってこの引用は、命名意図を理解するための参考として位置づけるのが適切であり、正確な性能比較表として受け取るべきではない。開発者にとっては、実際のモデル選択の際に、具体的なタスク、コスト予算、実測結果を組み合わせて判断することが引き続き重要である。