GPT-6 SolとLunaはなぜ安い？Astraとの境界線
画像出典: パブリックドメイン（Wikimedia Commons）
OpenAIは2026年9月22日、GPT-6の廉価モデル「Sol」と「Luna」を発表しました。各社報道によるとAPI料金は100万トークンあたりSolが入力$2・出力$10、Lunaが入力$0.10・出力$0.50で、上位のAstra（入力$10・出力$50）に対して約5分の1・約20分の1にあたります。安さの理由はAstraと類似の訓練手法で軽量なモデルに性能を移したことと、キャッシュ・推論の改善によるコスト削減分の還元で、要約や情報抽出のような目標の明確な大量処理はLuna、相当な推論力が要る作業はSolが目安になります。
選択肢が三つに増えると、正解を外している気がして落ち着かないものです。ただ今回のGPT-6は、三つのモデルが別々の技術というより、同じ土台から「どこまで計算に手間をかけるか」を変えて切り出した三段階だと捉えると、一気に見通しがよくなります。
正直なところ、日々の仕事の多くは一番安いモデルで足ります。問題は「足りなくなる場所がどこか」を知らないまま安いほうに寄せてしまうことです。ここでは料金の実数としくみを確認したうえで、どこまで任せてよくて、どこから上位モデルに戻すべきかの線を引いていきます。
GPT-6 SolとLunaとは？何が発表されたのか
OpenAIは2026年9月3日にGPT-6シリーズの最上位モデル「GPT-6 Astra」を限定プレビュー公開し、翌9月4日に有料ユーザー向けへ一般公開しました。VP of ResearchのAidan Clark氏によれば、Astraは自社Stargateサイトで10万基を超えるGPUを使った、同社としてこれまでで最大の事前学習で作られています。
そのAstra公開から19日後の2026年9月22日に発表されたのが、廉価版の「GPT-6 Sol」と「GPT-6 Luna」です。ChatGPT WorkとCodex（Plus／Pro／Business／Enterprise／Edu）、およびAPIで提供が始まりました。無料プランとGoプランの利用者は、デスクトップアプリでLunaのみ試用できます。
OpenAIは発表文で「最も要求の厳しいプロジェクトには引き続きAstraの深い能力が必要だが、仕事には様々な規模・リズム・予算がある」と説明しています。上位モデルを置き換えるのではなく、予算や速度の都合で今までAIに回せなかった作業を拾うための追加という位置づけです。
GPT-6 Astra・Sol・Lunaの料金と仕様の比較表
| モデル | 入力 | 出力 | キャッシュ書込み | コンテキストウィンドウ |
|---|---|---|---|---|
| GPT-6 Astra | $10 | $50 | $12.50 | 1,050,000トークン(出力最大128,000) |
| GPT-6 Sol | $2 | $10 | $2.50 | 1,050,000トークン(出力最大128,000) |
| GPT-6 Luna | $0.10 | $0.50 | $0.125 | 1,050,000トークン(出力最大128,000) |
MarkTechPostの公表データをもとに作成（100万トークンあたり。一次情報への直接アクセスが確認できなかったため、複数メディア報道の突き合わせによる）
上の表で目を引くのは、価格が三段階に大きく開いている一方で、コンテキストウィンドウ（一度に読み込める情報量）と最大出力の上限は三つとも同じだという点です。トークンは文章を区切った処理単位で、日本語ではおおよそ1文字前後が1トークンにあたります。約105万トークンという枠は、長い資料をまとめて渡せる量です。
価格差はAstraを基準にすると、Solが約5分の1、Lunaが約20分の1という整理をしているメディアもあります。ここから導ける結論は単純です。読ませる資料の量が理由で上位モデルを選ぶ必要は、もうありません。長い議事録や仕様書をまるごと渡したいだけなら、Lunaでも枠は同じだけあります。選ぶ基準になるのは、渡した情報をどれだけ深く扱ってほしいかのほうです。
なお、入力272,000トークンを超えるリクエストには従量制のルールがあり、入力とキャッシュ入力の料金が2倍、出力料金が1.5倍になります。超長文をまとめて投げる運用を考えている場合は、この段差を計算に入れておくと想定外の請求を避けられます。
なぜAstraより安く速く動くのか？
作り方の面では、SolとLunaはAstraとかなり近い出自を持ちます。OpenAIの説明では、両モデルはAstraと「類似の訓練手法」で作られ、Astraで得られた専門業務・事実正確性・コーディング・コンピュータ操作・アラインメント（意図や安全方針に沿って振る舞う性質）の進歩を、より高速で安価なモデルに反映させたとされています。ゼロから別系統で作った廉価モデルではなく、上位モデルの成果を小さな器に移したかたちです。
ただし、ここは正確に書いておきます。大きなモデルの出力を教材にして小さなモデルを育てる手法は一般に「蒸留」と呼ばれますが、OpenAIは公式発表で蒸留という言葉を明示的には使っていません。「類似の訓練手法」という表現までが確認できる事実で、その先の詳細は公開されていません。
価格が下がったもう一つの理由はキャッシュ
値下げの根拠として同社が挙げているのが、キャッシュと推論の改善です。キャッシュとは、一度処理した入力を保存しておいて次回は計算をやり直さずに使い回す仕組みのこと。たとえば社内マニュアルを毎回冒頭に貼り付けて質問する使い方なら、そのマニュアル部分は2回目以降ほぼ計算し直さずに済みます。
この改善によりモデルをより低コストで運用できるようになり、削減分を利用者に還元していると説明されています。実際の効果として、エージェント（複数手順を自動で進める仕組み）がコンテキストを多く再利用できるようになり、応答が速くなり、キャッシュされた入力トークンの読み取りは最大90%割引になります。安さは性能を削った結果というより、運用の効率化がかなりの部分を占めているわけです。
SolとLunaは役割が違う
二つは同じ「廉価版」でひとくくりにできません。どちらも計算量を抑えつつ推論力を保つ設計ですが、Solは推論力重視、Lunaは速度と大量処理重視という住み分けです。価格が20倍違うのは、この設計思想の差がそのまま出たものだと考えると腑に落ちます。
実力はどこまで？報道されたベンチマークの読み方
数値はいずれも第三者メディアによる集計・引用で、細部は各メディアの報道によるものです。なお各モデルには、1回の回答にどれだけ考える手間をかけるかを選ぶ設定があり、最大まで考えさせる設定が「max effort」、その一段下が「high effort」です。同じモデルでも、この設定によってスコアも料金も変わります。そのうえで傾向を見ると、輪郭ははっきりしています。
- Solは実務タスクでAstraの90〜95%の実力を、コストは約20%で達成（第三者解説記事の試算）
- Lunaは前世代の主力モデル相当の性能を、約10分の1のコストで達成
- コーディング系ベンチマーク「DeepSWE v1.1」（コードの修正課題をどれだけ完遂できるかを測る試験）でSol（max effort）は68.8%、Luna（max effort）は66.6%
- そのSolのスコアは他社最上位モデルと1.1ポイント差ながら、タスクあたりコストは約80%安いという試算
- 55業種にまたがる経済価値のあるタスクを対象にした長時間タスクの評価で、Luna（high effort）は前世代比+5.4ポイント、タスクあたりコストは58%減
OpenAI自身も、Solは前世代比でエラー率（事実誤り）が約半分に減ったと説明しています。「安いモデルは間違いが多い」という前提は、少なくとも前世代の安いモデルと比べる限りでは成り立ちません。値段の差がそのまま信頼性の差になっているわけではない、という点が今回の発表でいちばん実務に効く部分です。
どれをどんな人に？モデルの選び分け
公式および各社の解説をまとめると、三つの担当範囲はこう整理できます。
- Luna — 目標が明確な大量処理文書の要約、情報の抽出、簡潔な質問への回答など、定型的・事務的な作業。議事録を要点に落とす、問い合わせメールから日付と金額を抜き出す、といった「正解の形が先に決まっている」仕事が得意分野です。
- Sol — 相当な推論力が要る作業複雑なコーディングや、複数のツール・複数のステップをまたぐタスク。「Astraでは費用が見合わないが、依然として相当な推論力が必要な作業」で、まず試すべきモデルとされています。
- Astra — 妥協できない仕事「最高の結果」「妥協のない体験」が必要な場面。高度な推論、ソフトウェア開発、コンピュータ操作など、判断力と実行力の両方が要る難易度の高い仕事に向きます。
今日の自分の作業に当てはめる手順
名前で覚えるより、手元の作業から降りてくるほうが早いです。次の順で試すと、余計な費用をかけずに自分の基準が作れます。
- まずLunaで同じ指示を3回流す普段の作業をそのまま投げます。1回だけだとたまたま当たった可能性が残るので、同じ指示で3回。
- 3回分の出力を突き合わせる要点の選び方や数値が毎回ぶれるなら、その作業はLunaの守備範囲を外れています。安定して同じ結論に着地するなら、そのままLunaで回して問題ありません。
- 手直しにかかった時間を数える出力をそのまま使えたか、5分直したか、作り直したか。ここが判断材料の本体です。
- 直しが重いものだけSolへ上げる全部を上げる必要はありません。ぶれた作業だけ移し、同じ3回テストをやり直します。
- Solでも詰まるものをAstraに回すここまで残った作業が、費用をかける価値のある本当に難しい仕事です。
この手順のいいところは、「どのモデルが優秀か」ではなく「自分のこの作業はどこで壊れるか」を測っている点です。同じ要約でも、箇条書きへの整形なら安いモデルで十分で、発言者の意図の推測まで含むなら足りない、ということが起きます。境界線はモデル側ではなく作業側にあります。
第三者の解説では、安価なモデルで何度もやり直しが必要になったり、人手による修正が多く発生したり、タスクが安定して完了しない場合は、上位モデルのほうが結果的に経済的になり得ると指摘されています。トークン単価は下がっても、確認と手直しの人件費は増えるためです。
もう一つ注意したいのが、コンテキストウィンドウの大きさと推論の質は別物だという点です。三モデルとも約105万トークンを読み込めますが、大量の情報を入れられることと、その中の複雑な関係性を同等に扱えることは違います。難しいリサーチや、相互に依存し合う部分が多いコードベースには、依然としてAstraやSolのほうが適する場合があります。
まだ確認できていないこと
今回の内容のうち、料金・提供範囲・設計方針の説明はOpenAIの発表と複数メディアの報道で確認できます。一方でベンチマークの数値は第三者メディアによる集計・引用であり、一次資料への直接アクセスが403エラーで確認できなかったため、細部は各メディアの報道によるものとして扱ってください。
発表から日が浅いため、日本語での長文処理の癖や、実運用での安定性はこれから見えてくる部分です。だからこそ、公開されている数値を鵜呑みにするより、前の章の3回テストで自分の作業に当てて測るほうが確かな基準になります。
モデルが増えるたびに全体像を把握し直す必要はありません。自分の手元にある作業を一つ決めて、安いほうから順に当ててみる。壊れた場所が、そのまま自分にとっての境界線です。今日の作業ひとつからで十分です。
よくある質問
GPT-6 SolとLunaはいつ発表されましたか？
OpenAIは2026年9月22日にGPT-6 SolとGPT-6 Lunaを発表しました。上位モデルのGPT-6 Astraが2026年9月3日に限定プレビュー公開、9月4日に有料ユーザー向け一般公開された19日後にあたります。提供先はChatGPT WorkとCodex（Plus／Pro／Business／Enterprise／Edu）およびAPIで、無料プランとGoプランの利用者はデスクトップアプリでLunaのみ試用できます。
GPT-6 SolとLunaの料金はAstraと比べてどれくらい安いですか？
各社報道によると100万トークンあたりの料金は、GPT-6 Astraが入力$10・出力$50、GPT-6 Solが入力$2・出力$10、GPT-6 Lunaが入力$0.10・出力$0.50です。Astraを基準にするとSolが約5分の1、Lunaが約20分の1という整理をしているメディアもあります。ただし入力272,000トークンを超えるリクエストは入力・キャッシュ入力料金が2倍、出力料金が1.5倍になります。
GPT-6 SolとLunaが安く速く動くのはなぜですか？
OpenAIは、SolとLunaがAstraと類似の訓練手法で作られ、Astraで得られた専門業務・事実正確性・コーディング・コンピュータ操作・アラインメントの進歩を高速・安価なモデルに反映させたと説明しています。加えてキャッシュと推論の改善でモデルの運用コストが下がり、その削減分を価格に還元しているとされ、キャッシュされた入力トークンの読み取りは最大90%割引になります。なお公式発表では「蒸留」という言葉は明示的に使われていません。
GPT-6 SolとLunaはどんな作業に向いていますか？
Lunaは文書の要約、情報抽出、簡潔な質問への回答など、明確な目標を持つ大量の定型作業に適するとされています。Solは複雑なコーディングや複数ツール・複数ステップを要するタスク向けで、「Astraでは費用が見合わないが相当な推論力が必要な作業」でまず試すべきモデルとされます。安価なモデルでやり直しや人手の修正が多発する場合は、上位モデルのほうが結果的に経済的になり得ると指摘されています。
※記事で使用した内容・数値は変更される場合があります。最新情報は公式サイトをご確認ください。