GPT-5.6 Lunaの価格と使い方を知りたい人向けに、Sol・Terraとの違いを先にまとめる。OpenAI APIの標準・短文脈料金は、Lunaが入力$0.20・出力$1.20、Terraが$2/$12、Solが$5/$30だ。入力10万トークン、出力2万トークンなら、合計はSol$1.10、Terra$0.44、Luna$0.044になる。
つまりLunaは、同じ短文脈条件ならSolの25分の1、Terraの10分の1だ。ただし、価格差はそのまま賢さの差ではない。定型・大量処理はLuna、比較や統合はTerra、目的設定や例外判断はSolへ分ける。
この記事では、APIとCodexの料金を同じ条件で比べ、どこでLuna・Terra・Solを使うか、10件から試して安全に広げる方法まで整理する。新しい価格や提供場所は、公開前に公式ページで確認したい。
Lunaを主役にする。Solは、迷ったときの確認役にする。
GPT-5.6 Lunaの価格は？
2026年8月2日に公式ページで確認した、標準・短文脈の価格を100万トークン単位で並べる。Lunaの入力は$0.20、出力は$1.20。Terraは$2/$12、Solは$5/$30だ。1リクエストの入力が272Kトークン以下の条件で見る。
同じ仕事をしたときの合計額で見る。入力10万トークン、出力2万トークンなら、Solは$1.10、Terraは$0.44、Lunaは$0.044だ。
| モデル | 料金（入力10万＋出力2万） | Luna比 |
|---|---|---|
| GPT-5.6 Sol | $1.10 | 25倍 |
| GPT-5.6 Terra | $0.44 | 10倍 |
| GPT-5.6 Luna | $0.044 | 基準 |
1/25という数字は、Lunaの料金がSolの25分の1という意味だ。入力単価ならSolの$5.00がLunaでは$0.20に、出力単価なら$30.00が$1.20になる。Codexはドルではなくクレジットで数え、Sol・Terra・Lunaの入力は125・50・5クレジット、出力は750・300・30クレジットだ。
下の表は、100万トークンあたりの単価とCodex消費量だ。CodexのクレジットはAPIのドル価格とは別の単位なので、実額で比べるときは上の$1.10 / $0.44 / $0.044を見る。
| 100万トークンあたり | GPT-5.6 Sol | GPT-5.6 Terra | GPT-5.6 Luna | Luna / Sol |
|---|---|---|---|---|
| API入力 | $5.00 | $2.00 | $0.20 | 1/25 |
| API出力 | $30.00 | $12.00 | $1.20 | 1/25 |
| Codex入力 | 125クレジット | 50クレジット | 5クレジット | 1/25 |
| Codex出力 | 750クレジット | 300クレジット | 30クレジット | 1/25 |
入力10万＋出力2万トークンのCodex消費量は、Solが27.5クレジット、Terraが11クレジット、Lunaが1.1クレジットになる。実際の消費量は、キャッシュ、推論の長さ、ツール呼び出し、Fast modeなどで変わる。ここで見ているのは、同じ量のトークンを使ったときの基準値である。
なお、1リクエストの入力が272Kトークンを超えると長文脈料金になる。入力100万＋出力20万トークンを1回で送る場合は、標準料金ではなく、Sol$19.00、Terra$7.60、Luna$0.76が目安だ。長い資料は分割して送るか、長文脈料金を使うかを先に決める。
Luna・Terra・Solは何を任せる？
料金だけで「どれが一番賢いか」は決められない。OpenAIの公式な位置づけでは、Solは複雑な専門業務向け、Terraは知能とコストのバランス、Lunaはコスト重視の大量処理向けだ。実務では、定型=Luna、比較・統合=Terra、目的・例外判断=Solと分けると迷いにくい。
| モデル | 任せやすい仕事 | 入力 / 出力 | 10万入力 + 2万出力 |
|---|---|---|---|
| GPT-5.6 Sol | 目的・例外・高リスクの判断 | $5 / $30 | $1.10 |
| GPT-5.6 Terra | 比較・統合・日常の判断 | $2 / $12 | $0.44 |
| GPT-5.6 Luna | 定型・大量処理 | $0.20 / $1.20 | $0.044 |
目的が曖昧、例外が多い、公開前の最終判断ならSol。条件が明確な整理や定型処理を大量に回すならLuna。複数案の比較、情報の統合、日常的な判断にはTerraを置く。これは「LunaがSolより25分の1しか賢くない」という話ではなく、得意な仕事と料金が違うという話だ。
同じ作業を回したときのCodex消費量
同じ仕事なら、価格差はモデルの優劣ではなく、何回試せるかの差になる。
GPT-5.6 Lunaはどこで使える？
OpenAIはLunaを、コストを重視する大量処理向けのモデルと説明している。APIではResponses APIなどで使え、画像入力、関数呼び出し、ウェブ検索、ファイル検索、コード実行、MCPにも対応する。ChatGPTの通常の会話画面ではTerraとLunaを選べず、ChatGPT Work、Codex、APIでの提供条件はプランによって変わる。
ただし、LunaがSolと同じ品質だという意味ではない。目的が曖昧なまま考えさせる仕事、例外の多い判断、公開前の最終確認は、Solのほうが向いている。アクセス方法と現行価格は、更新日のある公式ページで確認する。
使い方を「Lunaから始める」に変える
Custom Agentの初期値は、軽い作業を読み取り中心で任せる設定から始める。たとえば、次のようにする。
model = "gpt-5.6-luna" model_reasoning_effort = "medium"
ここで大事なのは、モデル名より境界である。変更、削除、公開は最初から許可しない。入力、確認する項目、合格条件、報告形式を固定する。
目的：公開前の欠落を見つける 対象：指定した10ファイル してよいこと：読む、分類する、証拠を示す してはいけないこと：変更、削除、公開、推測で補う 完了条件：全件を確認し、未確認を残す 出力：判定 / 根拠 / 未確認 / 次の一手
Lunaを使う実例：10件→50件→全件
200件のファイルを確認するなら、最初からSolへ全部渡さない。Lunaで10件を読み、判定のずれを直す。次に50件で例外を集め、安定したら全件へ広げる。迷うものだけTerraやSolへ渡し、最後の公開判断は人間が持つ。詳しい仕事の分け方は、安いAIを増やす前に、仕事の流れを設計し直すでも整理している。
- 10件：指示と合格条件を直す
- 50件：例外と手戻りを見る
- 全件：安定した部分だけ広げる
- 重要な例外：Solまたは人間が確認する
安いモデルを増やすことが目的ではない。安いままでも戻せる単位に仕事を分けることが目的だ。Lunaが失敗したら、まずSolへ逃げる前に、目的・対象・禁止事項・完了条件のどこが曖昧だったかを見る。
Solへ切り替える境界を先に決める
Lunaで進めて、次の条件に当たったらSolへ切り替える。
- 正解が一つではなく、目的そのものを決める必要がある
- 例外の理由を説明しないと次へ進めない
- 公開、削除、契約、個人情報など失敗を戻しにくい
- 何度試しても判定が安定しない
この境界があれば、Solを常用しなくても品質を守れる。Lunaは実行役、Solは設計と例外の確認役。役割を分けると、モデルの価格差が仕事の流れに反映される。
まとめ：価格差を試行回数に変える
GPT-5.6 Lunaは、Solと同じではない。それでも、標準・短文脈の入力と出力の料金が25分の1、Codexのトークン単価も25分の1なら、同じ作業を小さく試す回数は増やせる。
だから、Lunaを「安い代替品」として見るより、仕事を分けるための標準モデルとして使ってみる。迷うところだけSolへ戻す。そのほうが、値下げを使用量ではなく、試せる仕事の数へ変えやすい。
