GPT-5.6時代にモデル更新へ振り回されない：業務の選定・更新ルール

AIモデルの新しい発表が、数カ月に一度のニュースではなくなっています。

新モデルが出るたびに全社で乗り換えると、費用だけでなく、出力の癖、確認手順、社内マニュアルまで変わります。逆に、古いモデルを固定したままでは、改善された処理速度やコストを使えません。

GPT-5.6の発表から学ぶべきことは、「どのモデルが一番賢いか」だけではありません。モデルが更新され続ける前提で、業務ごとの選定、費用上限、確認責任、元に戻す方法を決めることです。

GPT-5.6で最初に確認するのは性能ではなく、使える場所

OpenAIの公式発表では、GPT-5.6はSol、Terra、Lunaの3つの能力帯で提供されています。Solは最上位、Terraは性能と費用のバランス型、Lunaは高速・低コスト型という位置づけです。2026年7月9日のリリース時点で、ChatGPT、Codex、APIへの展開が案内されていますが、製品とプランによって選べるモデルは異なります。

たとえば、通常のChatGPT会話ではTerraやLunaを直接選べない場合があります。一方、ChatGPT WorkやCodex、APIでは利用できる範囲が広くなります。料金や機能だけを見て「社内の全員が同じモデルを使える」と考えると、導入後に権限や契約条件で止まります。

APIでは、gpt-5.6というエイリアスがgpt-5.6-solへ向けられることも公式リリースノートに記載されています。エイリアスは便利ですが、業務ログには利用日、指定したモデルID、入力形式、出力形式を残しておく方が、後から差分を調べやすくなります。

価格差は、モデル選びではなく処理の分解に使う

OpenAI公式ページに掲載されているAPI価格は、100万トークンあたり次の通りです。

Sol: 入力5ドル、出力30ドル
Terra: 入力2.50ドル、出力15ドル
Luna: 入力1ドル、出力6ドル

この差を見て、すべてをLunaへ寄せるのは早計です。出力の誤りを人が毎回修正するなら、見かけのAPI費用より確認工数の方が大きくなる場合があります。逆に、分類や振り分けのように出力形式が限定され、誤りを後段で検査できる処理なら、低コストモデルを使いやすくなります。

月次費用は、モデル名ではなく、業務の処理量で計算します。

月額概算
= 入力トークン数 ÷ 1,000,000 × 入力単価
  + 出力トークン数 ÷ 1,000,000 × 出力単価
  + ツール実行・保存・確認に関わる周辺費用

GPT-5.6では、明示的なキャッシュ境界や30分以上のキャッシュ保持期間も案内されています。キャッシュ書き込みは通常入力単価の1.25倍、キャッシュ読み取りは入力料金の90%割引という条件です。長い共通指示を毎回送り直す業務では、モデル選定と同時に入力の再利用方法も確認します。

3つのモデルを業務へ割り当てる

Sol、Terra、Lunaの違いを、社内の業務に置き換えると次のように整理できます。これは公式の性能表を、そのまま成果保証に変えるものではありません。自社の検証前に置く、初期仮説です。

Lunaを候補にする業務

大量処理、定型分類、一次振り分け、短い要約、担当者へのルーティングなどです。誤りが起きても後段で検知でき、入力と出力の形式を限定しやすい仕事から試します。

Terraを候補にする業務

社内文書の整理、議事録の構造化、問い合わせの下書き、日常的な調査補助など、品質と費用の両方を見たい仕事です。最初の本番候補として、Lunaで足りない処理とSolへ上げる処理の境界を見つける役割を持たせます。

Solを候補にする業務

複数条件の整理、例外を含む設計、重要なコードレビュー、最終案の比較など、失敗時の影響が大きい仕事です。高性能モデルに任せれば人の確認が不要になるわけではありません。むしろ、重要な判断ほど確認者と承認条件を先に決めます。

モデルが更新されても壊れない4つの固定点

モデルを固定することより、モデルが変わっても守るものを固定する方が重要です。

入力の契約: 何を渡してよいか、個人情報や機密情報を含めてよいかを決める。
出力の契約: 形式、必須項目、禁止事項、未確認時の表記を決める。
合格基準: 代表タスク10件以上で、正確さ、再修正回数、処理時間、費用を記録する。
撤回条件: 誤り率、費用、拒否応答、遅延が基準を超えたとき、どのモデルや人手工程へ戻すか決める。

この4つがない状態でモデルだけ差し替えると、「前は動いていたのに、なぜか使えなくなった」という事故が起きます。モデル変更のたびに、同じ代表タスクを再実行し、差分と承認者を記録してください。

自己改善の話は、能力評価と自律学習を分けて読む

GPT-5.6の公式資料には、自己改善に関する評価項目や、研究・コーディング能力の評価結果が掲載されています。これは、モデルが研究支援や自己改善に関係する課題でどの程度動けるかを測った情報です。

一方で、「モデルが別のモデルを自動で訓練した」「人の承認なしに継続学習を始めた」といった主張まで、評価表だけで確認できるわけではありません。能力の評価、社内での利用例、モデル自身が学習サイクルを変更することは、別の事実です。

業務導入では、AIに自分の権限、プロンプト、承認ルールを勝手に変更させないことが先です。変更案を出させることはできますが、適用は人が承認し、変更前後、実行者、戻し方をログに残します。高性能になるほど、便利さではなく変更権限の境界が重要になります。

導入前に行う5ステップ

新モデルをすぐ全社展開するのではなく、次の順序で小さく検証します。

業務を棚卸しする: 定型処理、判断を含む処理、失敗時の影響が大きい処理に分ける。
利用場所を決める: ChatGPT、ChatGPT Work、Codex、APIのどこで使うか、プランと権限を確認する。
同じ入力で比較する: 代表タスクを使い、Sol、Terra、Lunaの精度、修正回数、時間、費用を記録する。
人の確認点を置く: 顧客連絡、金額、契約、公開、削除など、戻せない行為は自動完了にしない。
更新日と撤回条件を決める: 新モデルの発表時に再検証し、基準を満たさなければ旧構成へ戻す。

判断を落ち着かせるため、検証前に次の3つを紙に書いておくと有効です。

間違えたとき、誰が止めるのか
1件あたり、いくらまで使えるのか
モデルが使えないとき、何に切り替えるのか

まとめ：モデル名ではなく、業務の戻し方を設計する

GPT-5.6の3モデルは、性能・速度・費用を業務ごとに分けて考えるきっかけになります。ただし、新モデルの発表をそのまま「全社乗り換え」の合図にする必要はありません。

重要なのは、業務の入力と出力、確認責任、費用上限、評価用タスク、撤回条件を先に固定することです。モデルが毎月更新されても、会社の判断基準まで毎月変える必要はありません。

OptiensのAI活用診断では、フォーム入力をもとに現状の業務を棚卸しし、診断レポートとして整理します。診断は無料の入口で、制作ラインの具体設計、テンプレート整備、運用ルール化は個別支援の範囲です。

GPT-5.6時代にモデル更新へ振り回されない