X を開いてまず命名で笑ってしまった。Sol、Terra、Luna。暗号資産界隈で過去に派手にやらかした名前がそのまま並んでいて、OpenAI はここを承知の上でぶつけてきたのか、と。発表は 2026 年 6 月 26 日。最上位の Sol、日常業務向けの Terra、大量処理向けの Luna、この三本を限定プレビューで投入する話だ。米政府の要請でフル公開を見送ったあたりが、ベンチマーク以上に今回の本筋になっている。
- 発表の中身を 1 回でつかむ
- 番号と名前を分けた命名の意図
- Terminal-Bench 2.1 のスコアを冷静に読む
- 米政府要請で「限定プレビュー」になった構図
- サイバー能力強化と並走するセーフガード
- 自分のプロジェクトに入れるなら、まずどこから
発表の中身を 1 回でつかむ
GPT-5.6 は API と Codex の信頼パートナー限定で先行公開。ChatGPT には今のところ入っていない。一般提供は「数週間以内」と告知されており、Cerebras 経由で Sol は最大 750 tok/s 出るとのことで、これは 7 月から段階的に開放される。
エージェント能力の強化として、新しい「max reasoning effort」と「ultra mode」が入った。前者は推論時間を最大まで伸ばすモード、後者はサブエージェント（補助役の AI を複数走らせて分担させる仕組み）を束ねて並列で考えさせる構造。後で触れる Sol の Terminal-Bench スコア 91.9% は ultra mode 込みの数字なので、ここは読み方に注意したほうがいい。
価格は 1M トークン単位で次の通り。
| モデル | 入力 | 出力 | 立ち位置 |
|---|---|---|---|
| Sol | $5 | $30 | フラッグシップ。エージェント・複雑タスク用 |
| Terra | $2.50 | $15 | GPT-5.5 相当の性能を 1/2 価格で |
| Luna | $1 | $6 | 低価格・高速、大量処理用 |
加えて、プロンプトキャッシュも変わっている。明示的なキャッシュ区切りが指定でき、最小キャッシュ寿命が 30 分。キャッシュ書き込みは未キャッシュ入力単価の 1.25 倍、読み出しは引き続き 90% 引き。エージェントで同じツール定義を回し続ける用途では、ここの設計差がコストに効いてくる。
番号と名前を分けた命名の意図
5.5 → 5.6 という世代番号と、Sol/Terra/Luna の名前を切り離す方針が明示された。番号がモデルの世代、名前が「ティア（性能・速度・コストで分けた階層）」を表す、という整理。Anthropic の Opus/Sonnet/Haiku、Google の Pro/Flash と同じ発想で、機能・速度・コストの三軸でユーザーが選びやすい構成に揃えにきた格好になる。
これ、地味だけど開発者向けのメッセージとしてはかなり強い。「次は GPT-6 でリセット」みたいなジャンプを匂わせない代わりに、ティアごとに別ペースで改良していくと宣言している。Terra だけ先に進化する月があってもいい、ということ。プロダクションでモデル名指定する側からすると、選択の不安が少し下がる設計になっている。
ただ、Sol/Terra/Luna という名前自体は誰がどう見ても Solana・Terra・Luna を連想する。OpenAI 内で誰もこれを止めなかったあたりに、海外発のあのへんの記憶は刺さらないという温度差を感じる。日本のクラスタでもこのネタはしばらく擦られると思う。
Terminal-Bench 2.1 のスコアを冷静に読む
公式が出してきた Terminal-Bench 2.1（コマンドライン上での計画・反復・ツール協調を測るベンチマーク）の結果は、Sol Ultra が 91.9%、Sol 単独で 88.8%、GPT-5.5 が 88.0%、Claude Mythos 5 が 84.3%、GPT-5.6 Luna が同じく 84.3%、Claude Fable 5 が 83.4%、GPT-5.6 Terra が 82.5%、Claude Opus 4.8 が 78.9%、Gemini 3.1 Pro Preview が 70.7%、という並び。
数字だけ追うと Sol Ultra が頭一つ抜けて、Claude 系の最新を上回っている。とはいえ Terminal-Bench は CLI ワークフロー寄りに振ったベンチで、これだけで「Sol が最強」と言い切るのは早い。コード生成、長文理解、マルチモーダル、安全性、推論コスト、それぞれの軸で見ないと現場の選択にはつながらない。
個人的に気になったのは、Terra が GPT-5.5 にやや劣るスコアを出している点。「GPT-5.5 相当の性能で 2 倍安い」と言いつつ、このベンチでは数字が落ちている。OpenAI が他のベンチを後から開示するというので、そちらを待たないと「Terra で 5.5 を置き換える」判断は早い。
もう一点、Gemini 3.1 Pro Preview の 70.7% は数字としては低めだが、Gemini はマルチモーダルとブラウザ操作で別の土俵を取りにきているところがあって、Terminal-Bench だけで優劣を言えるかは別の話。比較は使い分け論で考えるのが筋だと思う。
米政府要請で「限定プレビュー」になった構図
ここが今回いちばん重い。OpenAI は当初フル公開予定だったが、米政府の要請を受けて信頼できる少数パートナーへの限定プレビューに切り替えた。理由はサイバー能力。Sol は Preparedness Framework（OpenAI 内部のリスク評価基準）の「Cyber Critical 閾値」を越えてはいないが、Chromium と Firefox の検証で脆弱性とエクスプロイト構成要素（プリミティブと呼ばれる、攻撃を組み立てる部品）を発見し、ただし完全な攻撃チェーンの自律実行はできなかった、という報告になっている。
OpenAI 自身もブログで「この種の政府承認プロセスを恒久化すべきではない」と明言していて、サイバー Executive Order のフレームワーク策定を米政府と並行で進めながら、今回は短期措置として呑んだ、という温度感が滲んでいる。
現場目線で言うと、AI ガバナンスが「研究室の議論」から「リリース前の実調整」にもう移ったということ。Claude の RSP（Responsible Scaling Policy）、Google DeepMind の Frontier Safety Framework、それぞれが「内部基準」だったのに対し、政府がリリース判断にここまで深く入ってきた事例は前例として大きい。
半年後を予想するなら、ここから「フロンティアモデルの一般提供前に政府レビュー」が業界の事実上の標準になっていく気がしている。Anthropic も Google も似たプロセスを通すことになる可能性が高い。これは自国のクラウドで完結したいソブリン AI の議論にも直結する話で、日本の事業者がどう動くかは見ておく価値がある。
サイバー能力強化と並走するセーフガード
GPT-5.6 で OpenAI は安全側にも明確にコストを払っている。注目したいのは「自動レッドチーミングに 70 万 A100 等価 GPU 時間」をぶつけたという数字。ユニバーサル jailbreak（あらゆるプロンプトに効くタイプの脱獄攻撃）を機械的に探索させて、対策を回した。これは人力テスターのカバレッジでは到底届かない領域。
セーフガードはレイヤー構造になっていて、モデル本体の拒否学習、生成中のリアルタイム分類器（サイバー・生物）、アカウントレベルの横断レビュー、ティアごとに変えるアクセス制限、までを重ねる設計。これだけ並べると堅牢だが、副作用は当然出る。
OpenAI 自身が「正当な開発作業でも遮断されるケースが起こる」と認めていて、特にデュアルユース（攻撃と防御の見分けがつきにくい）領域で誤検知が出る前提でプレビューしている。脆弱性診断や CTF 系の解析を業務で回している人は、出力が一時保留される場面が増えると思っておいたほうがいい。
マネージャー目線で気になるのは、アカウントレベル横断レビューが回るとき、社内の機密プロンプトがどこまで OpenAI 側のレビュー対象に入るのか、というところ。エンタープライズ向けには「プライバシー保護検知」「顧客制御セーフティ」が並行開発中とのことだが、現時点では契約条項を読み直す価値がある。
自分のプロジェクトに入れるなら、まずどこから
API と Codex 限定の信頼パートナー先行という状況なので、大半の読者が「今すぐ叩ける」モデルではない。一般提供を数週間後と見て、現実的な動きは Luna から触り始めるルートになる。$1 / $6 という単価は、大量ログ要約、社内ナレッジ検索、バッチ系の処理に投入しやすい。GPT-5.5 mini、Claude Fable 5、Gemini Flash あたりと並べて自分の用途で実測すれば、価格対性能の感触がつかめる。
Terra と GPT-5.5 を入れ替えるかどうかは慎重に。料金が半分になるなら現状 5.5 で回している RAG パイプラインを差し替えるだけでコストインパクトが出るが、精度はベンチの数字ではなく実データで確かめないと判断ミスをする。Terminal-Bench だけで決めるのは危険、というのが今回の率直な所感。
Sol は急がなくていい。ultra mode を含めた本領は、エージェント長尺タスクや脆弱性研究のような特殊用途で出る。一般業務での費用対効果は、OpenAI が追加ベンチを開示してから決めても遅くない。
それより、いま手を動かす価値があるのは API キー周りの権限分離と、プロンプトキャッシュ前提の設計への切り替えだと思っている。30 分の最小キャッシュ寿命と明示区切りは、エージェントワークロードのコスト構造を地味に変える。Sol/Terra/Luna が出揃う前に、ここの土台を整えておきたい。
