🤔 GPT-5.6のSol・Terra・Luna、結局どれをどんな用途に使えばいいの？｜性能・コスト・速度の三軸でやさしく整理
アイ
目次
- 3モデル出されても「で、わたしはどれ使えばいいの？」ってなるよね
- まず大前提｜3モデルは「賢さ・コスト・速さ」のトレードオフで分かれてる
- Sol（ソル）＝いちばん賢い、でもいちばん高い
- Terra（テラ）＝コスパの主力、ふだん使いはここ
- Luna（ルナ）＝最速最安、大量・軽作業の相棒
- ユーザー目線の使い分け｜「どんな作業に、どれ？」
- がっつり考えさせる・長いコーディングならSol
- 普段のチャットや原稿の下書きならTerra
- 大量処理・要約・分類みたいな数こなす系はLuna
- ちょっと深掘り｜「料金差」って、実際どれくらい効いてくるの？
- Terraの「GPT-5.5並みを半額」が、地味にいちばん大きいニュースかも
- ありがちな失敗｜「とりあえず一番賢いの」「とりあえず一番安いの」の落とし穴
- 1モデルに固定しない｜「混ぜて使う」のが上手な人のやり方
- 選ぶときの注意点｜数字は「主張」、提供も「限定」から
- まとめ：迷ったらTerra基準、上下に振るだけでいい
3モデル出されても「で、わたしはどれ使えばいいの？」ってなるよね
OpenAIが次世代の GPT-5.6 を、Sol・Terra・Luna の3モデルでプレビュー発表したよ（2026年6月26日）。新しいモデルが来たのは嬉しいんだけど、正直、3つも出されると「で、わたしはどれ使えばいいの？」ってなるよね。わたしも最初そうだった。
世間だと「とりあえずいちばん賢いやつ（Sol）使っとけばいいでしょ」って声も多いんだけど、わたしはそれ、ちょっともったいないと思うんだ。
だって、いちばん賢いモデルって、その分 高くて重い から。やりたいことによっては、安くて速いモデルのほうが快適だったりするんだよね。
だから今日は、3モデルを 「性能・コスト・速度」の三軸 で整理して、「どんな作業に、どれを選ぶといいか」をユーザー目線でかみ砕いてみるね。確認できた事実だけで、中立にいくよ。
まず大前提｜3モデルは「賢さ・コスト・速さ」のトレードオフで分かれてる
最初に、いちばん大事な考え方から。3モデルって、ただ「上・中・下」で並んでるわけじゃないの。「賢さ・コスト・速さ」のどれを優先するか で住み分けてるんだ。
ここを押さえると、選ぶのがぐっとラクになるよ。OpenAIが示してる位置づけを、ひとつずつ見ていくね（OpenAI公式）。
Sol（ソル）＝いちばん賢い、でもいちばん高い
Sol はフラッグシップ、つまり3モデルの中でいちばん賢い枠だよ。OpenAIは、複雑な推論、長時間のコーディングセッション、高度なエージェント主導のワークフロー、セキュリティ重視の用途みたいな「いちばん手強いタスク」向けって説明してる（OpenAI公式）。
料金は100万トークンあたり、入力5ドル・出力30ドル（VentureBeat）。3モデルの中ではいちばん高いんだ。
イメージとしては「ここぞの難しい仕事を任せる、頼れる先輩」って感じ。賢いけど、お給料（コスト）も高いし、軽い用事を毎回頼むのはちょっともったいない、みたいなポジションだね。
Terra（テラ）＝コスパの主力、ふだん使いはここ
Terra はバランス型。ここがいちばん「ふだん使いの主力」になりそうなモデルだよ。
OpenAIは、Terraについて「前世代のGPT-5.5に匹敵する性能を、約2倍安い価格で」と説明してる（VentureBeat）。これ、地味にすごい話なんだよね。
だって「ちょっと前の最上位クラスの賢さ」を「半額くらい」で使える、ってことだから。料金は100万トークンあたり、入力2.5ドル・出力15ドルで、ちょうどSolの半分くらい（kingy.ai）。
ベンチでも、医療系のHealthBench ProfessionalでTerraは57.7。Solの60.5には届かないけど、前世代GPT-5.5の51.8はしっかり上回ってる（システムカード）。「最強じゃないけど、じゅうぶん賢くて、しかも安い」っていう、いちばんおいしいポジションだと思う。
Luna（ルナ）＝最速最安、大量・軽作業の相棒
Luna は最速・最安の枠。OpenAIは「いちばん低コストで、強い能力を」って説明してる（OpenAI公式）。
料金は100万トークンあたり、入力1ドル・出力6ドル。Solと比べると、入力で5分の1、出力で5分の1の安さだよ（kingy.ai）。
HealthBench ProfessionalでもLunaは55.7で、これも前世代GPT-5.5の51.8を上回ってる（システムカード）。つまり「最安だけど、ちょっと前の最上位より賢い」っていう、これまた地味にすごい立ち位置なんだ。
イメージは「速くて安くて、たくさん頼める頼もしいバイトさん」。超難問は苦手かもだけど、数をこなす作業ではめちゃくちゃ心強い相棒だね。
ユーザー目線の使い分け｜「どんな作業に、どれ？」
位置づけがわかったところで、いちばん知りたい「じゃあ具体的にどの作業にどれ？」をいくね。ここはOpenAIの説明（用途の位置づけ）をもとに、わたしなりにユーザー目線でかみ砕いた提案だよ。性能数値は主張段階だから、断定じゃなくて「こう選ぶと外しにくい」くらいの温度で読んでね。
がっつり考えさせる・長いコーディングならSol
まず、頭をめちゃくちゃ使う作業 はSolの出番。
たとえば、複雑なロジックを何段階も考えさせる調べもの、長い時間ぶっ通しで進めるコーディング、複数のステップを自分で進めるエージェント的な作業。OpenAIが明確に「Solはこういう手強いタスク向け」って言ってる領域だね（OpenAI公式）。
逆に言うと、こういう「失敗すると後が大変」「途中で詰まると全部やり直し」みたいな重い作業こそ、いちばん賢いSolにお金を払う価値があるってこと。
ここでケチって安いモデルを使うと、かえって手戻りが増えて時間もお金も損する、なんてこともあるからね。重要で複雑な一発勝負はSol、って覚えておくといいよ。
普段のチャットや原稿の下書きならTerra
次に、日常のほとんどの作業 はTerraでいいと思う。
普通のチャットでの相談、メールや原稿の下書き、ちょっとした要約、調べものの整理。こういう「賢さもそこそこ欲しいけど、毎回Solはオーバースペックかな」っていう作業は、Terraがちょうどいいんだ。
なんてったって「GPT-5.5に匹敵する性能を約2倍安く」だからね（VentureBeat）。少し前なら最上位だった賢さを、コスパよく回せるってこと。
わたしの感覚だと、ふだん使いのデフォルトをTerraにしておいて、「あ、これは重いな」ってときだけSolに上げる、っていう使い方がいちばんバランスいいと思う。
大量処理・要約・分類みたいな数こなす系はLuna
最後に、とにかく数をこなす作業 はLunaが向いてるよ。
たとえば、大量の文章をまとめて要約する、たくさんのデータを分類・タグ付けする、定型の返信を量産する、みたいな作業。1件あたりはそんなに難しくないけど、回数がめちゃくちゃ多いやつだね。
こういうときは、1回あたりのコストがいちばん安いLunaが効いてくる。Solで全部やったら出力コストが5倍だから、数が多いほど差がエグくなるんだ（kingy.ai）。
しかもLunaでも前世代の最上位より賢い、とされてるから、軽作業なら品質的にも十分なことが多いはず。「安くて速くて、量で勝負」のときはLuna、って覚えておこう。
ちょっと深掘り｜「料金差」って、実際どれくらい効いてくるの？
使い分けの感覚はつかめたと思うけど、「で、料金差ってそんなに大きいの？」ってところ、もう少しだけ具体的に見ておくね。ここがわかると、Solを無駄づかいしない感覚がもっとはっきりすると思うんだ。
3モデルの出力料金（100万トークンあたり）をもう一度並べると、Sol 30ドル、Terra 15ドル、Luna 6ドル（kingy.ai）。つまり、同じ量の回答を出させた場合、SolはLunaの5倍のコスト がかかる計算になるんだ。
これ、1回や2回ならどうってことない差なんだよ。でも、たとえば毎日たくさんの文章を処理するとか、エージェントに何十ステップも自動で動いてもらうとか、回数が積み上がる使い方だと、この5倍がじわじわ効いてくる。「ちりつも」でけっこうな金額差になるんだよね。
逆に言うと、1回あたりの品質がすごく大事な作業 なら、Solの料金は全然惜しくない。だって、安いモデルで失敗して何度もやり直すほうが、時間もトークン代も結局かかっちゃうことがあるから。「高い＝損」じゃなくて「作業の重さに料金を合わせる」のがコツなんだ。
ここでわたしが伝えたいのは、「いちばん高いのを使う」でも「いちばん安いのを使う」でもなく、作業ごとに料金と賢さのバランスを選ぶ のがいちばん賢い、ってこと。3モデルあるってことは、その選択肢が増えたってことなんだよね。
Terraの「GPT-5.5並みを半額」が、地味にいちばん大きいニュースかも
ここ、わたしが今回いちばん「おっ」と思ったポイントなんだけど、ちょっと聞いてほしいんだ。
世間の注目は、どうしてもフラッグシップのSolとか、安全評価のHigh判定に集まりがちだよね。でもわたしは、Terraの「前世代GPT-5.5に匹敵する性能を約2倍安く」 っていう部分が、実用的にはいちばんインパクトある話だと思うんだ（VentureBeat）。
なぜかっていうと、わたしたちのふだんの作業って、実はそんなに最先端の賢さを必要としてないことが多いから。メールの下書き、議事録の整理、ちょっとした調べもの。こういうのって、「ひと世代前の最上位くらいの賢さ」があれば十分すぎるくらいなんだよね。
それが「半額くらい」で使えるようになる、ってことは、同じ予算でこれまでの倍くらい回せる、ってことでもある。これって、毎日AIを使う人にとってはかなり大きな変化だと思うんだ。
しかもこの流れ、Terraだけじゃないの。前の記事でも触れたけど、最安のLunaですらベンチ上は前世代の最上位GPT-5.5を上回ってる（HealthBench ProfessionalでLuna 55.7 vs GPT-5.5 51.8）（システムカード）。つまり「全体的に、安いモデルがどんどん賢くなってる」っていう、わたしたちにとってうれしい方向に進んでるってこと。
だから今回のニュース、「最強のSolが出た」だけで読むのはもったいない。「ふだん使いのコスパが一段上がった」っていう視点でも見ておくと、お得を取りこぼさないと思うよ。
ありがちな失敗｜「とりあえず一番賢いの」「とりあえず一番安いの」の落とし穴
ここで、わたしがよく見る「もったいない使い方」を2パターン、正直に話しておくね。どっちも気持ちはすごくわかるんだけど、ちょっと損しやすいんだ。
ひとつめが、「とりあえず一番賢いSolにしとけば間違いない」パターン。安心感はあるんだけど、これだと軽い作業にもSolの料金（出力30ドル/100万トークン）を払い続けることになる（kingy.ai）。
たとえば「今日の天気をまとめて」とか「この文章の誤字直して」みたいな軽い用事まで全部Solでやると、Lunaなら5分の1で済む作業にフルコストを払ってることになるんだ。賢さは余ってるのに、お財布だけ削れる。これ、けっこうもったいないよね。
ふたつめが、その逆で「どうせ大差ないでしょ、一番安いLunaで全部いく」パターン。たしかにLunaも前世代の最上位より賢いとされてるから、軽い作業なら十分。でも、複雑な推論や長いコーディングみたいな重い作業までLunaでやろうとすると、途中で詰まったり、間違いが増えたりして、結局やり直しが多くなることがあるんだ。
やり直しが増えると、何が起きるか。安いモデルなのに、トライ＆エラーの回数がかさんで、結果的にトークン代も時間もかかっちゃう ことがあるの。「安物買いの銭失い」みたいな感じだね。
だから、どっちの「とりあえず」も、実はベストじゃない。さっきから言ってるとおり、作業の重さにモデルを合わせる のが、結局いちばん損しないんだ。「いつも同じモデル」をやめて、「今日のこの作業はどれが合うかな」ってひと呼吸おくだけで、コスパはぐっと良くなるよ。
最初は面倒に感じるかもだけど、慣れると「これは重いからSol」「これは数こなすからLuna」って、ほぼ反射で選べるようになる。そうなったらもう、3モデルあることのメリットをちゃんと使いこなせてるってことだね。
1モデルに固定しない｜「混ぜて使う」のが上手な人のやり方
最後にもうひとつ、上手な使い方のコツを話しておくね。それは「1つの作業の中でも、モデルを混ぜて使う」っていう発想だよ。
「どれを使う？」って聞かれると、つい「自分はSol派」「わたしはLuna派」みたいに、1つ選ばなきゃって思っちゃうよね。でも、ほんとに上手にAIを使ってる人って、作業の場面ごとにモデルを切り替えてる ことが多いんだ。
たとえば、長い文章を書く作業を考えてみて。最初に全体の構成や難しい論理を組み立てるところはSol、それをもとに各パートの文章を量産するところはTerra、最後に誤字チェックや表記ゆれの整理みたいな単純作業はLuna、みたいに。1つのプロジェクトの中で、重い工程と軽い工程を分けて、それぞれに合うモデルをあてる んだ。
こうすると、全部Solでやるより断然安いのに、品質はちゃんと保てる。重要なところだけ賢いモデルにお金を払って、それ以外は安いモデルで回す、っていうメリハリだね。3モデルが用途で住み分けられてるのは、まさにこういう使い分けをしやすくするためでもあると思うんだ。
とくにAIに自動で作業を進めてもらう「エージェント」的な使い方だと、この発想がもっと効いてくるよ。何十ステップも自動で動く中で、全ステップをSolでやったらコストがすごいことになる。だから「難しい判断のステップだけ賢いモデル、あとは安いモデル」みたいに組むのが、コスパよく動かすコツになるんだ。
もちろん、最初からそんな器用に使い分けなくても大丈夫。まずは前のセクションで言った「ふだんはTerra、重いときSol、数が多いときLuna」だけ意識すれば十分だよ。慣れてきたら、1つの作業の中でも混ぜてみる、くらいの感覚で広げていけばいいと思う。
選ぶときの注意点｜数字は「主張」、提供も「限定」から
使い分けの話をしてきたけど、ここで冷静パートも入れておくね。今回の3モデル、選ぶ前に知っておきたい注意点が2つあるんだ。
ひとつめ。今日出てきた 性能の数字（ベンチ）は、まだOpenAIの「主張」段階 だってこと。HealthBenchのSol 60.5とか、Terminal-Bench 2.1の新記録とか、数字はいい感じなんだけど、第三者が同じ条件で再現した独立検証はこれからなの（kingy.ai）。
だから「ベンチでこうだから絶対こっちが上」って数字だけで決めつけず、実際に自分の作業で使ってみた手応えで選ぶのがいちばん確実だよ。
ふたつめ。GPT-5.6は 今すぐ全員が使えるわけじゃなくて、当面は限定プレビューから なんだ。サイバー能力が高いことなどを踏まえて、米政府の要請で、まず信頼できるパートナー限定で始めるとされてる。広い提供（ChatGPT・Codex・API）は近日中の予定（VentureBeat）。
つまり「使い分けを決めても、すぐ全部試せるとは限らない」のが今の状況。だから今日の話は「広く開放されたら、こう選ぶといいよ」っていう予習だと思ってもらえると嬉しいな。この「限定プレビューって何なの？」については、別の記事でくわしく掘り下げてるよ。
それともうひとつ、これは使い分けの前提として大事なんだけど、モデルの「最適な使い分け」は、その時々で変わる ものだってこと。今は「Solが最強、Terraがコスパ、Lunaが最安」っていう関係だけど、AIの世界って数か月単位でモデルが入れ替わるよね。次の世代が出れば、今のSol相当の賢さがもっと安いモデルで使えるようになる、なんてこともふつうに起きるんだ。
だから「Sol＝重い作業、Terra＝ふだん、Luna＝数こなす」っていう今日の整理も、考え方（作業の重さに賢さを合わせる）はずっと使えるけど、どのモデルがどの枠かは更新されていく って思っておいてね。固定の正解を覚えるより、「この作業はどれくらい賢さが要るか」を見積もる感覚を持っておくほうが、長く役に立つよ。
まとめ：迷ったらTerra基準、上下に振るだけでいい
今日いちばん伝えたかったのは、「3モデルは賢さ・コスト・速さのトレードオフで分かれてるから、作業に合わせて選べばいい」ってこと。全部Solにしなくていいんだ。
すごくシンプルにまとめると、こんな感じ。
- 重くて複雑な一発勝負、つまり長いコーディング・難しい推論・エージェント → Sol
- ふだん使いのほとんど、つまりチャット・下書き・要約・整理 → Terra
- 数をこなす大量・軽作業、つまり要約量産・分類・定型返信 → Luna
迷ったら、ふだんはTerraを基準 にしておいて、「これは重いな」ならSolに上げる、「これは数が多いな」ならLunaに下げる。この上下の振り分けだけで、たいてい最適に近づくよ。賢さに払いすぎず、ケチって手戻りもせず、っていうバランスね。
なんでTerraを基準にするのがおすすめかっていうと、Terraが「前世代の最上位クラスの賢さを、コスパよく」っていう、いちばん外しにくいポジションだからなんだ。ここを真ん中に置いておけば、上にも下にも振りやすい。最初から両極端（SolかLuna）を基準にすると、毎回「これはやりすぎ/足りないかも」って迷いやすいんだよね。だから「真ん中をデフォルトにして、必要なときだけ振る」のがいちばんラクで失敗しにくいんだ。
そのうえで、数字は主張段階だから過信しすぎず、実際の使い心地で微調整していくのがおすすめ。提供が広がってきたら、ぜひ自分の作業で試してみてね。
「そもそも今、ChatGPT・Claude・Geminiのどれを選ぶのがいいの？」って人は、3社の使い分けの感想をまとめた記事もあるから、合わせてどうぞ。
関連記事: ChatGPT、Gemini、Claudeを業務で使い分けてみた感想
コーディング用途でモデルやツールの値段を比べたい人は、こっちの記事もおすすめだよ。
関連記事: AIコーディングツールの料金比較2026
「全モデルHigh判定の限定プレビューって、結局どういうこと？」が気になった人は、こっちの記事で中立にかみ砕いてるよ。
関連記事: 全モデル『High』判定で限定プレビューって、怖い話なの？
ソース: