新しいGPT-5.6ファミリー：Luna、Terra、Sol

OpenAIは本日、最新のフラッグシップモデルシリーズ「GPT-5.6」を一般公開しました。本シリーズは、最小のLuna、中サイズのTerra、最大のSolの3つのモデルで構成されています。価格は、入力/出力トークン100万単位でそれぞれLunaが$1/$6、Terraが$2.50/$15、Solが$5/$30に設定されています。比較対象として、Claude Opusシリーズは$5/$25、Claude Fable 5は$10/$50ですが、同一タスクでもモデル間で推論トークン数が大きく異なるため、単純なトークン単価では実際のコストを把握しにくくなっています。

OpenAIが最も強調するベンチマーク結果は、長時間実行されるエージェント型タスクに関するものです。55分野にわたるプロフェッショナルワークフローを評価する「Agent's Last Exam」において、GPT-5.6 Solは53.6という新記録を達成し、Claude Fable 5（適応推論モード）を13.1ポイント上回りました。中程度の推論モードでも、推定コストが約4分の1でありながらFable 5を11.4ポイントリードしています。この効率性は小型モデルにも及び、TerraとLunaは約16分の1のコストでFable 5を凌駕しています。

興味深いことに、SWE-Bench Proと呼ばれるコーディングベンチマークでは、Fable 5が80％のスコアでGPT-5.6 Solの64.6％を大きく引き離しました。これが、OpenAIが昨日公開した、SWE-Bench Proの欠点を指摘する記事の背景にあると考えられます。同記事では、ベンチマークタスクの約30％に問題があると推定し、モデル開発者に結果の慎重な検討を促しています。

著者のサイモン・ウィリソン氏はGPT-5.6 Solを早期に試用しましたが、複雑なコーディングタスクにおいて現時点ではClaude Fable 5より優れているとは感じていないと述べています。

新しいモデルのAPIドキュメントには、いくつかの興味深い新機能が記載されています。プログラムによるツール呼び出し機能により、モデルは「ツール呼び出しを調整するJavaScriptを作成して実行」できるようになり、MCPと完全なターミナルセッションのギャップを埋める可能性があります。これは、AnthropicがWeb検索ツールに追加した動的フィルタリングメカニズムに似ており、単一のモデルターン内でWeb結果に対するコード実行を可能にします。マルチエージェント機能は、モデルが「並行して集中作業を行うサブエージェントを起動」することを可能にし、サブエージェントパターンがコアAPIに組み込まれました。プロンプトキャッシュのブレークポイント機能は、ClaudeのプロンプトキャッシュモデルをOpenAIに導入し、APIが自動検出する代わりにキャッシュブレークポイントを明示的に設定できるようにします。また、画像リクエストで「detail: original」を設定すると、処理前に画像をリサイズせずに済みます。

著者は、3つのモデルと6段階の推論努力レベル（なし、低、中、高、超高、最大）で生成された18種類のペリカン画像を含むページを作成しました。最も低コスト（gpt-5.6-luna、努力なし）は0.71セント、最も高コスト（gpt-5.6-sol、最大推論）は48.55セントでした。さらに、本日朝のライブストリームでは、OpenAIが3Dペリカンが三輪車、自転車、ポニー、そして別のペリカンに乗るデモを行いました。