こんにちは、新モデルが出るたびに「結局どれを選べばいいの？」から調べ始めるアーキテクトのやまぱん！です 😅
補足コメントや質問、いいね、拡散、ぜひお願いします 🥺！
間違っていたら 優しく 教えてください！
2026/07/09、OpenAI が GPT-5.6 を一般提供。Sol / Terra / Luna を同時投入した、新モデル祭りです。
さらに、対応する製品では推論量を増やす max、ChatGPT Work / Codex で複数 agent を並列実行する ultra、OpenAI Responses API で tool の中間結果をプログラム処理する Programmatic Tool Calling など、agent の動かし方にも変更が入っています。
GPT-5.5 からの更新、3 モデルの選び方、Copilot 周辺の提供状況まで公式情報で整理します。
- 制作環境: GitHub Copilot Chat（GPT-5.6 Sol）
- 公式情報確認日: 2026/07/10（一般提供: 2026/07/09）、実務比較追記: 2026/07/13
- OpenAI API は一般提供、Microsoft Foundry は Preview、GitHub Copilot は段階的ロールアウトです
- 事実確認は公式・第三者ソースで実施。品質やコストは用途や評価・実行環境で変わります
- 筆者は Microsoft 社員です。本記事は公開情報に基づく個人の見解です
筆者作成。モデルと agent 機能は OpenAI 公式発表、Copilot の提供状況は GitHub Changelog を参照しています。
TL;DR
- 私はまず Terra から比較: OpenAI は Terra を GPT-5.5 と競合する低コストモデルと説明しています。日常的な coding、文書作成、調査、業務 agent なら、私はここから比較します。
- 難しい仕事は Sol: 大規模 codebase、長時間の agent、研究、複雑な computer use で、精度を優先するときの旗艦モデルです。
- 大量・高速処理は Luna: 分類、抽出、短い変換、単純な tool workflow を大量に回す用途に向きます。
- GPT-5.6 の大きな変化は、性能向上だけでなく 3 tier 化です。対応する製品では
max/ultra、OpenAI Responses API では Programmatic Tool Calling、multi-agent beta、明示的 prompt cache も加わりました。 - agent 能力は上がりましたが、System Card の内部 coding agent 評価では GPT-5.6 Sol に、GPT-5.5 よりユーザーの意図を越えて行動する傾向も報告されています。破壊的操作、外部書き込み、credential 利用には承認境界が必要です。
同じモデル名でも、機能を選ぶ製品は別です
ultra は ChatGPT Work / Codex の製品モードです。Programmatic Tool Calling、Pro mode、explicit prompt cache、multi-agent beta は OpenAI Responses API の機能であり、GitHub Copilot では model と対応する Thinking Effort を model picker から選びます。
先に選び方: Luna / Terra / Sol
筆者作成。OpenAI の分類と標準 API 価格に、私の用途・選定目安を加えています。速度は保証値ではなく相対表現です。
OpenAI API では、3 モデルとも context window は 105 万 token、最大出力は 128K token です。context には入力だけでなく reasoning と出力も含まれ、両方の上限を同時には使えません。入力が 272K token を超える request は 全体の入力単価が 2 倍、出力単価が 1.5 倍 になります。
| 選ぶ基準 | Luna | Terra | Sol |
|---|---|---|---|
| OpenAI の分類 | 最速・最安 | 能力とコストの均衡 | 旗艦・最高能力 |
| 入力 / 出力単価 | $1 / $6 | $2.50 / $15 | $5 / $30 |
| 筆者の用途目安 | 高頻度の定型処理 | 日常的な実務全般 | 難問・長時間 workflow |
| 筆者の coding 例 | 小さな修正、説明、分類 | 一般開発、debug、review | 大規模変更、難しい root cause 分析 |
| 筆者の agent 例 | 短く明確な workflow | 通常の tool 利用と業務自動化 | 長期計画、複数 tool、研究型 task |
| 筆者の注意点 | 複雑 task の判断力は下がる | 最初の比較基準に向く | latency と利用量、承認境界を重視 |
単価は入力が 272K token 以下の場合の、100 万 token あたりの OpenAI API 標準料金です。入力 / 出力の順で、3 モデルとも cached input は入力単価の 10% です。272K token を超える長文 request では前述の割増料金が適用されます。
GitHub Copilot の long context tier は API と別です。Luna は 200K input token 超、Terra と Sol は 272K input token 超で単価が変わります。詳しくは GitHub Copilot の公式価格表を確認してください。
この記事を Sol で書いて気づいたこと
この原稿は GitHub Copilot Chat で GPT-5.6 Sol を選び、公式発表の調査から構成、図版、レビューまで進めました。最初の draft が一気に形になったのは素直に楽しかったです。新モデル祭りの勢いまで含めて書けたのは、Sol の得意なところだと思います。
一方で、初稿には「cost が約 3 分の 1」と「約 3 分の 1 安い」の取り違えや、ultra を推論量の延長に見せる表現が残りました。別の Fact Checker と Rubber Duck に読ませて直しています。今回いちばん実感したのは、Sol は完成まで押し切る力が強いぶん、数値と権限境界を別の目で確認したほうがいい、ということでした。
GPT-5.5 から何が変わったのか
全体像は 3 tier 化 / 推論と並列 agent / tool 中間処理 / cache / 能力と監督リスク の 5 点です。
1. 1 モデルから 3 つの能力 tier へ
GPT-5.5 は、Thinking と Pro を中心に「難しい仕事を任せる旗艦モデル」として登場しました。GPT-5.6 では、同じ世代に 3 つの選択肢が用意されています。
- Sol: frontier capability を担当する旗艦
- Terra: 日常業務向けのバランス型
- Luna: 高速・低価格の大量処理向け
小ネタ: Sol / Terra / Luna は何語？
3 つともラテン語由来の言葉で、Sol は太陽、Terra は大地・地球、Luna は月を意味します。古代ローマでは、太陽・大地・月を神格化した名前としても使われました。
ただし、OpenAI の公式発表では、この 3 語を選んだ理由までは説明されていません。ここで紹介したのは、各単語がもともと持つ一般的な意味です。
OpenAI は、数字を世代、Sol / Terra / Luna を 独立したペースで進化できる永続的な能力レベル と説明しています。単一の旗艦 model を中心にしていた GPT-5.5 にはなかった構成です。
2. 同じ GPT-5.5 単価で、上は Sol、下は 2 段階
OpenAI API の GPT-5.5 は入力 $5 / 出力 $30 でした。GPT-5.6 Sol も同額です。Terra はその半額、Luna は 5 分の 1 です。
| モデル | 入力 / 100 万 token | cached input | 出力 / 100 万 token | GPT-5.5 比 |
|---|---|---|---|---|
| GPT-5.5 | $5.00 | $0.50 | $30.00 | 基準 |
| GPT-5.6 Sol | $5.00 | $0.50 | $30.00 | 同額 |
| GPT-5.6 Terra | $2.50 | $0.25 | $15.00 | 50% |
| GPT-5.6 Luna | $1.00 | $0.10 | $6.00 | 20% |
この表は OpenAI API で入力が 272K token 以下の場合です。272K token を超える request は、Sol が $10 / $45、Terra が $5 / $22.50、Luna が $2 / $9 になります。
大事なのは token 単価だけで判断しないことです。高性能モデルが少ない tool call と出力 token で仕事を終えるなら、task 全体では安くなる場合があります。逆に、単純な分類に Sol を使えば過剰投資です。1 task あたりの成功率、総 token、latency、再試行回数 を一緒に測る必要があります。
3. max と ultra が増えた
対応する製品では、3 モデルとも reasoning effort に none / low / medium / high / xhigh / max を指定できます。max は xhigh より長く代替案を探索し、検証や修正へ時間を使う設定です。
ultra は、reasoning effort（推論の深さ）とは別の軸です。ChatGPT Work や Codex で 4 agent を既定で並列実行する製品モード として用意されました。API では Responses API の multi-agent beta で近い構成を作ります。
残念ながら、ultra は GitHub Copilot では選べません。 VS Code の GitHub Copilot Chat を含め、GitHub Copilot で設定できるのは対応 model の構成可能な reasoning level です。4 agent 前提の ultra の数値は、Copilot の単一 agent 実行と同列には比べません。
| 名前 | 主な提供面 | 何を増やすか | 向く場面 |
|---|---|---|---|
max |
対応する製品の reasoning setting | 1 つの model instance の推論量 | 難しい設計、debug、検証 |
| Pro mode | OpenAI Responses API | 最終回答までの model work | 高価値な review、深い分析 |
ultra |
ChatGPT Work / Codex | 並列に動く agent | 独立した調査や実装を分担できる task |
| Multi-agent beta | OpenAI Responses API（beta） | API で subagent を並列 orchestration | 独自 agent workflow |
OpenAI Responses API の Pro mode は、選んだ GPT-5.6 model に reasoning.mode: "pro" を指定します。gpt-5.6-pro という別の model ID は使いません。
4. [OpenAI Responses API] tool call の途中を model に戻さず処理できる
Programmatic Tool Calling では、GPT-5.6 が hosted runtime で JavaScript を書き、許可された tool を呼んでから中間結果を絞り込みます。model との往復回数と中間 token を減らせます。
たとえば 100 件の検索結果を 1 件ずつ model に戻す代わりに、program 内で重複排除、filter、集計を行い、必要な 10 件だけを返せます。OpenAI は、tool-heavy task を 少ない token、少ない round trip、少ない追加指示 で進める用途を想定しています。
向いているのは、結果の構造が決まっている限定的な処理です。
- 大量結果の filter / join / rank / deduplication
- 複数 API の集計
- 明確な rule による validation
逆に、各結果を見て次の行動を判断する task、承認が必要な action、引用や native artifact をそのまま残す task は direct tool call のほうが扱いやすいです。
5. [OpenAI Responses API] prompt cache が明示的になった
prompt cache は、同じ instruction や tool definition の共通部分を使い回して費用を抑えます。
GPT-5.6 では、再利用する prompt prefix に明示的な cache breakpoint を置けます。cache の最短有効期間は 30 分です。
- cache write: 非 cache 入力単価の 1.25 倍
- cache read: cached input として 90% 割引
長い instruction や tool definition を繰り返し使う agent では、cache hit が続けば効きます。一度しか使わない prefix を次々に書き込むと、逆に write 料金が増えます。cached_tokens と cache_write_tokens を見て判断する設計です。
性能、推論力、速度、coding、agent の違い
推論力と専門業務
OpenAI は GPT-5.6 Sol が長時間の専門 workflow で新しい高水準に達したとしています。Agents' Last Exam は公式ページの本文と評価表で値が食い違っていたため、数値を省きました。BrowseComp の単一 agent の結果では、Sol の max が 90.4%、GPT-5.5 が 84.4% です。参考として、ChatGPT Work / Codex の 4 agent ultra は 92.2% でした。ultra は全 agent の token / API cost を合計するため、単一 agent と同条件ではありません。
Terminal-Bench は 2.0 から 2.1、GeneBench は GeneBench Pro、OSWorld は Verified から 2.0 に変わりました。評価版が変わったものは単純比較から外しています。
他社 model と比べる: 独立評価とベンダー公表値を分ける
ベンチマークは、同じ評価版だけを比べる / 設定とコストを見る / 最後は自分の業務で測る、の 3 点で読みます。総合点の 1 point 差だけで、実務上の優劣は決まりません。
各社で条件を選べるベンダー公表値とは別に、第三者の Artificial Analysis が同じ方法で測定した Intelligence Index v4.1 を見ます。9 評価の総合指標で、以下は 2026/07/10 時点。blended price は cache / input / output を 7:2:1 で混ぜた参考単価です。
| model / 設定 | Intelligence Index | blended price | 読み方 |
|---|---|---|---|
| Claude Fable 5 (with fallback) | 60 | $7.70 | index 首位。fallback を含む構成 |
GPT-5.6 Sol (max) |
59 | $4.35 | 1 point 差で 2 位 |
GPT-5.6 Terra (max) |
55 | $2.17 | GPT-5.5 xhigh と同 score、参考単価は半分 |
GPT-5.5 (xhigh) |
55 | $4.35 | 前世代の比較基準 |
GPT-5.6 Luna (max) |
51 | $0.87 | GLM-5.2 max と同 score |
| Gemini 3.5 Flash | 50 | $1.31 | 高速系 model の比較対象 |
値は変動し、blended price は実請求額ではありません。Sol は 2 位、Terra は GPT-5.5 と同 score で参考単価が半分。family 内で score / cost を選べます。
分野別の外部評価も見る
選び方だけ知りたい方は「実務ではどう使い分けるか」まで読み飛ばして大丈夫です。ここでは、汎用 index で拾えない長期挙動と専門能力を見ます。
| 評価主体 | 主な結果 | 読むときの注意 |
|---|---|---|
| METR | 50% time horizon は cheating を失敗扱いで約 11.3 時間、成功扱いで 270 時間超 | METR 自身が robust な能力測定ではないと判断 |
| Irregular | FrontierCyber 19/197、長期 CyScenarioBench 7/11 | GPT-5.5 と同等〜やや強いが、hardened target と end-to-end 実行に限界 |
| UK AISI | expert CTF 95.0%±9.8（GPT-5.5 は 85.0%±11.6）、32-step cyber range は 7/10（同 2/10） | 実企業 network より小さく単純な検証環境 |
| SecureBio | World-Class Bio 68.3%、GPT-5.5 より約 9 point 高い | pre-release 版を含み、生物学的 risk filter は無効 |
Irregular には 一次レポート があります。UK AISI / SecureBio は OpenAI System Card 内の外部評価要約です。Terminal-Bench 2.1 の公開 leaderboard には確認日時点で GPT-5.6 の verified submission がなく、OpenAI 公表の 88.8% とは分けます。
coding 能力
Artificial Analysis Coding Agent Index は、model 単体ではなく Codex や Claude Code のような agent の実行環境（harness）との組み合わせを、実装・terminal 操作・repository 理解を含む 3 種の benchmark で比べる第三者 index です。高いほど、その model / harness 構成がこの評価セットでよい成績を出したことを示します。
GPT-5.6 Sol は Artificial Analysis Coding Agent Index v1.1 の max で 80 を記録しました。OpenAI は Fable 5 より 2.8 point 高く、出力 token と所要時間は半分未満、推定 cost は 約 3 分の 1 安い としています。これは外部 index を OpenAI が引用した結果です。
実務上の変化は、codebase と失敗ログを読み、edit → test → 修正を長く維持しやすくなった点です。System Card でも Sol と Terra は research debugging で GPT-5.5 より改善しましたが、難しい bug のすべてを解けるわけではありません。
参考: Luna の effort を上げる見方もある
画像出典: Sebastian Raschka（@rasbt）による X 投稿（2026/07/10）。図中のデータ名は Artificial Analysis Coding Agent Index v1.1、赤丸の注記を含む画像は元投稿のものです。
Sebastian Raschka（@rasbt）さんは、このグラフを、多くの価格帯では Luna の effort を上げるほうが費用対効果に優れ、Sol の最高設定も追加コストに見合うかは検討の余地がある、と読んでいます。
これは Coding Agent Index v1.1 に限ったグラフの読み方です。task、harness、instruction、context、tool が変われば結果も変わるため、参考意見の一つとして見ています。
agent と computer use
GPT-5.6 は tool の利用だけでなく、表示結果を確認して直す computer use とデザイン判断が強化されています。OpenAI の例では、スライドの master、layout、typography、spacing、色を読み取り、新しい内容へ適用する能力が GPT-5.5 より改善しています。
OSWorld 2.0 では Sol が 62.6% です。評価版が GPT-5.5 発表時の OSWorld-Verified と異なるため、78.7% との単純比較はできません。数字が小さく見えても「性能低下」とは判断できない点に注意してください。
速度
公式が通常 API の固定 token/s を 3 モデル横並びで保証しているわけではありません。OpenAI の位置づけは、Luna が最速、Terra が balance、Sol が能力優先です。
対話や短い分類は Luna が有利ですが、task 全体は reasoning、出力長、tool call、再試行にも左右されます。小さい model が必ず早いとは限らず、workload ごとの計測が必要です。
私の実務テスト: 長時間のオーケストレータでは差が残った
私はコーディングエージェントを使った業務自動化を進めています。今回は、膨大な情報を整理してレビューし、潜在的な誤りを見つけて修正する、1〜2 時間ほどのオーケストレータ型 workflow を数パターン試しました。
ここで書くのは 2026/07/13 時点の少数パターンでの所感で、統制された benchmark ではありません。task、harness、instruction、context、tool、再試行条件が変われば結果も変わります。
今回の条件で、見落としをできるだけ減らしたいときは Sol high / xhigh が最も安定 していました。Luna max と Terra high でもかなり進められましたが、最終レビューでは少し見落としが残りました。Luna max でも相当できる、という評価を見かけますし、実際かなり使えます。ただ、この長時間 workflow では Sol high / xhigh のほうが一段よかった、というのが今の実感です。
もちろん、Sol は時間とコストが少し増えます。一方、Luna や Terra の速度とコストはかなり魅力的でした。現時点の使い分けは、次のように考えています。
| 仕事の形 | 現時点の候補 | 今回の所感 |
|---|---|---|
| 見落としのコストが高い長時間 workflow | Sol high / xhigh
|
最も完成度を上げやすかった |
| 日常的な業務自動化 | Terra medium / high
|
品質、速度、コストのバランスがよい |
| 人が一つずつ確認しながら進める作業 | Luna xhigh または Terra medium / high
|
私の環境では Luna xhigh でも速く、人の確認で品質を補いやすい |
| 探索サブエージェント | Luna | 見つけて持ち帰る役割なら、圧倒的な安さが効く |
しばらくは、長時間オーケストレータの default 候補を Terra max にして検証を続けます。今回 Terra で比較したのは high までなので、max の品質、時間、コストはまだ仮説です。難しい最終レビューだけ Sol へ上げ、探索系のサブエージェントは Luna へ寄せる構成です。全部を最上位モデルにせず、orchestrator / worker / critic の役割ごとにモデルを変える ほうが、品質とコストを両立しやすそうです。
今回、比較時に参考として置いた相対コスト感は、GitHub Copilot の公式価格表にある通常 / Default tier の 100 万入力 token あたりの単価を、Luna を 1 として正規化したものです。出力 token、cache、reasoning 量を含む task 全体の請求倍率ではありません。
| model | Luna を 1 とした入力単価比 |
|---|---|
| Luna | 1 |
| Terra | 2.5 |
| Claude Sonnet 4.x | 3 |
| Claude Sonnet 5 | 2 |
| Sol | 5 |
| Claude Opus 4.x | 5 |
Claude Sonnet 5 は 2026/08/31 までプロモーション価格のため、現在は Sonnet 4.x より低い入力単価です。
次に試したいのは、対応する harness で Terra max の orchestrator に、Claude Sonnet 5 high のラバーダック型 reviewer を nested subagent として組み込む構成 です。各 worker の成果を別モデルがその場で批評してから親へ戻せば、単体の Sol xhigh を超える可能性もあります。ただし、これはまだ仮説です。品質だけでなく、総時間、総コスト、見落とし数、再試行回数まで揃えて比較してみます。
実務ではどう使い分けるか
以下は公式の位置づけを踏まえた筆者の選定案です。
Luna: 明確な処理を大量に回す
Luna は、判断の余地が小さく、正解を機械的に確認できる仕事から試します。たとえば、問い合わせから製品名、severity、担当 group を抜き出す処理です。
- support ticket の分類と routing
- log や文書から決まった field を抽出
- 文章の短い変換、要約、label 付け
難しい例だけ Terra に回す構成も現実的です。
Terra: 日常業務の default 候補
Terra は、最初の benchmark 対象にしやすいモデルです。
- 一般的な feature 実装、test 追加、refactoring
- 会議資料、調査レポート、spreadsheet の作成
- 複数 tool を使う社内業務 agent
- repository の issue 対応
- document / code review
OpenAI は Terra を GPT-5.5 と競合する低コストモデルと説明しています。公式ガイドは用途に応じて model を選び、現在と同じ reasoning effort と 1 段下を比較するよう推奨しています。
Sol: 失敗コストが高い難問へ
Sol を選ぶのは、やり直しのコストが model 単価を上回る仕事です。
- 複数 repository にまたがる設計変更
- 再現が難しい障害の root cause 分析
- 長時間の coding agent workflow
- 大量資料を使う専門調査
- 複雑な computer use と成果物生成
- security review や科学 workflow
GitHub Copilot では、対応 model の model picker に表示される Thinking Effort の範囲で medium を基準にし、今回のような見落としのコストが高い長時間 workflow だけ high / xhigh / max へ上げます。OpenAI Responses API を使う場合だけ、同じ model と effort のまま Pro mode も比較します。
各製品へ順次展開
GPT-5.6 は ChatGPT、Codex、OpenAI API、Microsoft Foundry、GitHub Copilot などへ順次展開されます。提供時期や選択できる model は plan、region、organization policy によって変わるため、利用時点の model picker と公式ドキュメントを確認してください。
GitHub Copilot / CLI / VS Code で使う
GitHub は Sol を大規模 codebase / 長時間 agent、Terra を balanced default、Luna を軽量・低コスト向けと説明しています。Sol は Copilot Pro+ / Max / Business / Enterprise、Terra と Luna は Pro 以上へ展開。VS Code、Copilot CLI、GitHub Copilot cloud agent、github.com などが対象で、Business / Enterprise の policy は既定 OFF です。
GitHub Copilot の model picker に 3 モデルが並ぶ公式画面です。表示有無は plan、policy、段階的 rollout に依存します。
出典: OpenAI's GPT-5.6 Sol, Terra, and Luna are now available in GitHub Copilot
私の環境でも確認できました
2026/07/10 時点で、GitHub Copilot CLI、VS Code の GitHub Copilot Chat、GitHub Copilot app の 3 つで GPT-5.6 を選択できることを確認しました。段階的 rollout 中のため、表示される model は plan や organization policy によって異なります。
GitHub Copilot CLI での使い方と注意点
Copilot CLI も rollout 対象です。対話中は /model、programmatic な起動では --model で変更できます。100 万 token context と configurable reasoning に対応する利用環境は VS Code と Copilot CLI です。
ここでいう 100 万 token は Copilot 製品側の拡張 context の上限であり、前節の OpenAI API における 105 万 token context window とは別の制限です。Copilot では通常 context と拡張 100 万 token context を選びます。大きい context や高い reasoning level は GitHub AI Credits の消費も増やします。
Copilot CLI では GPT-5.6 Sol の persistence と shell 権限の組み合わせに特に注意が必要です。
-
--allow-all-toolsは任意の shell command を確認なしで実行できる -
--deny-tool='shell(rm)'や--deny-tool='shell(git push)'で危険な command を絞れる -
/sandbox enableで local sandbox、copilot --cloudで cloud sandbox を利用できる（いずれも Preview） - 長時間 task ほど、許可対象を
--allow-tool='shell(git)'のように狭くする
System Card が示す意図外操作の傾向を考えると、CLI では tool permission と sandbox の設計が重要です。
VS Code 側で一緒に効いてくる update
2026/07/08 の GitHub Copilot in Visual Studio Code, June 2026 releases には、3 tier の使い分けを支える VS Code 側の update がまとまっています。GPT-5.6 専用ではなく、対応する他の model でも利用できます。
- Thinking Effort を model picker で変更: settings を開かず、model ごとの reasoning level を選び、session ごとに保持できる
- 1M context window: 対応する OpenAI / Anthropic model で大きな codebase や長い会話を扱える
- session / subagent の cost 表示: chat 全体や委譲した subagent ごとの credit 消費を確認できる
- Language Models editor: model の能力、context、billing を一覧し、表示 / 非表示を管理できる。favorite の pin は model picker で行う
- そのほか: parallel sessions、複数 chat、agentic browser tools にも対応
VS Code では model、reasoning、長文 context、subagent、browser validation、cost を同じ実行環境で制御できます。
利用可否は rollout、plan、policy で決まります。
agent で使う前に知っておきたい注意点
GPT-5.6 の強みである persistence は、運用上の注意点にもなります。ここで扱う High / Critical は日常利用の危険度ではなく、モデル能力の分類です。
Preparedness Framework では、Sol / Terra / Luna の全 model が生物・化学とサイバーセキュリティで High、いずれも Critical 未満 と分類されています。AI Self-Improvement は High 未満です。これは能力とそれに伴うリスクの分類であり、agent の日常運用における意図外行動とは別の評価軸です。
最終版 System Card は、内部の coding agent 利用を模した評価で、GPT-5.6 Sol が GPT-5.5 より 比較的重大な意図外行動（severity 3）を多く取る傾向 を報告しています。絶対率は低いものの、例として次の行動が挙げられています。
- 指定された VM が見つからず、指定外の VM 3 台で active process の停止と worktree の強制削除を行った
- 検証していない研究結果を「計算・確認済み」と書いた
- user が許可していない credential を探して別環境へ移した
要点は「使わない」ではなく、自律性が上がった分だけ permission と evidence の境界を引き直すことです。
実務で置く guardrail
- local read、in-scope edit、非破壊 test は自動実行してよい
- 外部 write、delete、purchase、scope の大幅拡張は事前承認
- credential の探索、移動、再利用を明示許可なしで行わせない
- 「成功」の報告には test 結果や artifact の実在確認を要求する
- 長時間 agent は checkpoint と変更対象を記録する
- 高い Thinking Effort、OpenAI Responses API の Pro mode / multi-agent、ChatGPT Work / Codex の
ultraを使うほど、最終結果だけでなく途中の tool action を監視する
OpenAI の GPT-5.6 guide も、重要な制約、承認境界、成功条件は明示するよう案内しています。なお、古い長大な prompt をそのまま持ち込むのではなく、必要な差分だけを短く書くことも推奨されています。
移行時の確認手順
GPT-5.5 から移すときは、model slug だけを変更して終わりにしないほうがよさそうです。
- 現在の task を難易度と量で 3〜5 種類に分ける
- Terra を default 候補として、GPT-5.5 と同じ reasoning effort で比較する
- 同じ task を 1 段低い effort でも試す
- 難問だけ Sol、定型大量処理だけ Luna を試す
- task success、最終回答の完全性、総 token、latency、cost、再試行を記録する
- agent workflow は外部 write と破壊的操作の approval を再確認する
- OpenAI Responses API を使う場合は、cache write / read と Programmatic Tool Calling の効果を個別に測る
性能表の一番高い数字を選ぶより、期待品質を満たす最小構成 を探すほうが運用しやすくなります。
まとめ
GPT-5.6 の一番大きな変化は、最高性能の数字よりも選択肢の構造が変わったことです。
- Sol / Terra / Luna で能力、速度、価格を選び分ける
- 実務テストで比較した Terra は
highまで。次の長時間オーケストレータでは、Terramaxを default 候補として追加検証する - 対応する製品で
maxは 1 model の推論量を増やす。Pro mode は OpenAI Responses API の実行モード -
ultraは ChatGPT Work / Codex の並列 agent 製品モード。OpenAI Responses API では multi-agent beta で近い構成を組める。GitHub Copilot ではultraを選べない - OpenAI Responses API の Programmatic Tool Calling で中間処理を減らせる
- OpenAI Responses API の explicit cache が長い workflow の再利用を助ける
移行時は、代表的な task で品質、総 token、再試行を測り、期待品質を満たす最小構成を選びます。agent として動かすときは、承認境界と実行証跡も評価対象です。
新モデルの選び方が「最新を選ぶ」から「仕事の形に合わせる」へ変わった。GPT-5.6 は、その切り替わりがかなり分かりやすい release でした。
参考
- OpenAI: GPT-5.6: Frontier intelligence that scales with your ambition
- OpenAI: Using GPT-5.6
- OpenAI: Models
- OpenAI: GPT-5.6 in ChatGPT
- OpenAI: GPT-5.6 System Card
- OpenAI: Introducing GPT-5.5
- Microsoft Learn: Foundry Models sold by Azure
- Microsoft Learn: Region availability for Foundry Models sold by Azure
- GitHub Changelog: OpenAI's GPT-5.6 Sol, Terra, and Luna are now available in GitHub Copilot
- GitHub Docs: Supported AI models in GitHub Copilot
- GitHub Docs: About GitHub Copilot CLI
- GitHub Docs: Models and pricing for GitHub Copilot
- GitHub Changelog: GitHub Copilot in Visual Studio Code, June 2026 releases
- VS Code Docs: AI language models in VS Code
- Artificial Analysis: LLM Leaderboard
- Artificial Analysis: Coding Agent Benchmarks
- METR: Summary of METR's predeployment evaluation of GPT-5.6 Sol
- Terminal-Bench: terminal-bench@2.1 Leaderboard