OpenAI は GPT-5.6 シリーズのモデルを正式に発売し、低コストでより強力なパフォーマンスを実現し、AI 業界の競争環境に明確なシグナルを送りました。このリリースには、フラッグシップ バージョンの Sol、バランス バージョンの Terra、およびコスト効率の高い Luna の 3 つのモデルが含まれています。今後、ChatGPT、Codex、OpenAI APIを通じて世界中のユーザーに公開される予定です。

価格に関しては、Sol は 100 万入出力トークンあたり 5 ドル/30 ドル、Terra は 2.50 ドル/15 ドル、Luna は 1 ドル/6 ドルを請求します。

OpenAI が強調するのは、GPT-5.6 は、いくつかの主要なベンチマークで Anthropic の Claude Fable 5 を上回りますただし、トークンの消費と推論のコストは大幅に削減されるため、ユーザーは同じ予算内でより実質的な作業を完了できるようになります。

企業ユーザーと開発者にとって、このリリースの中心的な影響は、「費用対効果」の全体的な向上です。プロフェッショナル ワークフローに関するエージェントの最終試験レビューでは、GPT-5.6 Sol は、53.6 ポイントで Claude Fable 5 を 13.1 パーセント ポイント上回っており、中程度の推論設定であっても、そのコストは Fable 5 の約 4 分の 1 です。

さらにインパクトがあるのは、下位に位置する Terra と Luna は、約 16 分の 1 のコストでも、ベンチマークでは Fable 5 よりも優れたスコアを示しています。この「次元削減ストライキ」価格戦略は、競合他社の差別化スペースを直接圧縮します。


フラッグシップモデル Sol が効率の新たなベンチマークを樹立

GPT-5.6 Sol は、特にプログラミング機能の向上が顕著です。人工分析コーディング エージェント インデックス テストでは、Sol (最大推論設定) が Fable 5 より 2.8 ポイント高い 80 ポイントの新記録を樹立しましたが、出力トークンの数は Fable 5 の半分未満でした。所要時間は半分以下、コストは約3分の1に削減できます。


複雑なコマンド ライン ワークフロー テストの Terminal-Bench 2.1 では、Sol が 88.8% のスコアでリードしました。実際のコードベースに対するロングサイクルエンジニアリングテスト DeepSWE v1.1 では、そのスコアは 72.7% に達し、これも業界の最前線にあります。



企業ユーザーの実測データにより上記の性能が確認されています。コードレビュープラットフォームQodoの共同創設者兼最高経営責任者（CEO）であるイタマール・フリードマン氏は、GPT-5.6が社内外のベンチマークテストの両方でGPT-5.5を上回ったと述べた。さらに、各コード レビューに必要なトークンの数は約 3 分の 2 に減少し、遅延の中央値は約 50% 減少します。

AI開発プラットフォームLovableの共同創設者、ファビアン・ヘディン氏は次のように指摘した。

「GPT-5.6 の採用後、ユーザーがタスクを完了するために必要な手順は約 25% 減少し、ツール呼び出しの数は 35% ～ 48% 減少し、プロジェクトの失敗率は 15% 減少しました。」

マルチエージェント アーキテクチャが「ウルトラ」モードをオンにする

GPT-5.6 では階層型コンピューティング スケジューリング メカニズムが導入されており、ユーザーはタスク要件に基づいて推論の深さを柔軟に選択できます。

標準の高度な推論設定に加えて、OpenAI には「max」と「ultra」という 2 つの新しいモードが追加されています。max を指定すると、モデルの計画を考えて変更する時間が長くなります。 Ultra はデフォルトで 4 つの並列エージェントを調整し、より強力な結果とより短い配信時間と引き換えに、より多くのトークン消費を犠牲にします。

BrowseComp テストでは、Sol Ultra は 92.2% のスコアで新記録を樹立し、OSWorld 2.0 の Claude Opus 4.8 のスコア 62.6% を上回り、後者の出力トークンの使用量はそれを 85% 上回りました。 SEC-Bench Pro (複雑なソフトウェアに対する脆弱性の概念実証生成) テストでは、Sol は 71.2% に達しましたが、GPT-5.5 は 45.8% にすぎませんでした。



API レベルでは、OpenAI はプログラムによるツール呼び出し機能を同時に起動しました。これにより、GPT-5.6 はメモリ内で軽量プログラムを作成して実行し、ツールを自律的に調整し、中間結果を処理し、実行中にワークフローを動的に調整できるようになります。これにより、ゼロ データ保持 (ZDR) ポリシーとの互換性を維持しながら、モデルとツール間の往復呼び出しの数が削減されます。

サイバーセキュリティと科学研究能力が大幅に向上

ネットワーク セキュリティの分野では、GPT-5.6 Sol は ExploitBench 評価で 73.5% のスコアを獲得しましたが、GPT-5.5 は 47.9% にすぎませんでした。 ExploitGym では、6 時間制限内の合格率が GPT-5.5 の 15.1% から 33.7% に増加しました。



OpenAIは、このモデルはセキュリティコードレビュー、脆弱性パッチ適用、脅威モデリング、ブルーチーム演習など、セキュリティ防御面でも強力な機能を備えていると述べた。

デュアルユースのリスクに対処するため、OpenAI は、「OpenAI Daybreak Trusted Access for Cyber​​」プロジェクトを通じて、身元確認された個人および組織に対してより高いレベルの防御機能を開放し、高リスクのエンティティおよび高リスクの領域に対して追加のアクセス制限を導入しています。

ライフサイエンスの分野では、GPT-5.6 Sol は GeneBench Pro (長期ゲノミクスおよび定量的生物学) 評価で 28.7% のスコアを獲得し、GPT-5.5 の 12% を大幅に上回りました。 LifeSciBench のスコアは 59.9% で、GPT-5.5 の 50.4% よりも高かった。



OpenAIはまた、そのテスト結果は、GPT-5.6が高リスクの新たな生物学的脅威を生成または合成するエンドツーエンドの能力をまだ持っていないことを示していると述べた。

セキュリティメカニズムも同時にアップグレードされ、保守的な展開戦略が継続されます

モデルの機能が向上するにつれて、このリリースでは OpenAI のセキュリティ アーキテクチャも同時に強化されています。 GPT-5.6 Sol のネットワーク セキュリティ保護は、前世代に比べて約 10 倍の潜在的に有害なアクティビティをブロックします。

以前、OpenAI は、A100e の正式リリース前に、約 700,000 時間の A100e GPU 時間のブラックボックス自動レッドチーム テストを実施し、外部の専門家と協力して大規模な手動および自動のデュアルトラック評価を完了しました。

OpenAIによると、同社のセキュリティシステムは多層冗長設計を採用しており、モデルの組み込み保護はリアルタイム検査、継続的監視、アカウントレベルの実行メカニズムと連携して機能するという。

純粋な分類子インターセプト スキームとは異なり、GPT-5.6 では、会話ごとのコンテキスト分析を通じて潜在的な危害を判断する「推論モニター」が導入されているため、使用シナリオに応じてセキュリティ境界を動的に調整でき、分類器を再トレーニングすることなく脆弱性に迅速にパッチを適用できます。

過剰な傍受が正当な使用に与える影響を考慮して、OpenAI は、ChatGPT および Codex で低機能モデルに切り替えて再試行するためのワンクリック オプションを提供し、通常の使用における偶発的な損害を軽減しながら、高い傍受強度を維持するための最適化を継続すると述べています。

社内アプリケーションは AI 研究開発の加速傾向を示しています

GPT-5.6 のリリースでは、OpenAI 独自の研究開発モデルの大きな変更も明らかになりました。 OpenAI によると、GPT-5.6 の内部テスト中に、各現役研究者が出力した 1 日あたりの平均トークン数は、GPT-5.5 の歴史的ピークの 2 倍を超えました。

過去 6 か月間で、OpenAI の内部調査におけるプログラミング推論のための計算能力は 100 倍に増加し、内部エージェント トークンの使用量は約 22 倍に増加しました。この傾向は、営業、マーケティング、ユーザー業務、財務、その他の機能部門にも広がりました。

自己改善能力評価（RSI指数）では、GPT-5.6ソルが57.9点、41.7点でGPT-5.5を上回り、16.2ポイント改善した。


OpenAI はこれを、AI 支援 AI 研究開発が加速していることの直接的な証拠であると解釈し、これを後続のモデル反復の効率を促進する中核的な原動力の 1 つと位置付けています。