GPT-6 Sol / Lunaの性能・料金・使い分けを比較【2026年9月26日時点】
作成日:2026.09.26
2026年9月26日時点の公式情報と公開ベンチマークをもとに、GPT-6 Sol / LunaをGPT-6 AstraやGPT-5.6世代と比較します。API料金とCodexのUsageを分けて整理し、ベンチマークの見方や筆者自身のLuna利用感も交えながら、モデル選びの目安を紹介します。
目次
GPT-6 SolとGPT-6 LunaがCodexに追加されたので、GPT-5.6世代やGPT-6 Astraとの違いを確認しました。この記事では、2026年9月26日時点で公開されているモデル情報、料金、ベンチマークをもとに、どのモデルから試すとよさそうかを整理します。
モデルの性能や料金、利用できるプランは変更されます。ここに記載する金額や比較結果は、記事内に特に記載がない限り2026年9月26日に確認した情報です。Codexでの個人的な同一リポジトリ比較ではなく、公式情報と公開ベンチマークを使った比較である点にも注意してください。
GPT-6 SolとGPT-6 LunaがCodexに追加
GPT-6 SolとGPT-6 Lunaは、2026年9月22日にOpenAI APIで公開され、同日からCodexとChatGPT Workでも順次提供が始まりました。公式では、Solは複雑なコーディングやエージェント型ワークフロー向け、Lunaは集中的な作業や大量処理向けと説明されています。
Codexで利用できるかは、プランやワークスペースの設定、提供の段階によって異なります。9月26日時点の案内では、FreeとGoはデスクトップアプリでLunaが対象となり、Plus以上ではSolとLunaが順次提供されています。Enterpriseでは管理者側の設定も関係します。表示されない場合は、プランの案内やワークスペースの設定を確認してください。
OpenAIの説明を大まかな選択基準にすると、コストを抑えて繰り返し行う作業はLuna、複雑な実装やエージェント型の作業はSol、さらに難しい推論や長いタスクはAstraが候補になります。ただし、モデル名だけで作業結果が決まるわけではありません。タスクの範囲やreasoningの設定もあわせて考える必要があります。
APIの料金はGPT-6 Lunaがかなり低い
OpenAI APIの標準料金を、100万トークンあたりで比べると次のとおりです。入力が27万2,000トークン以下の標準処理を前提にしています。
| モデル | 入力 | キャッシュ入力 | 出力 |
|---|---|---|---|
| GPT-6 Astra | $10.00 | $1.00 | $50.00 |
| GPT-6 Sol | $2.00 | $0.20 | $10.00 |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 |
| GPT-5.6 Sol | $4.00 | $0.40 | $20.00 |
| GPT-5.6 Luna | $0.20 | $0.02 | $1.20 |
GPT-6 SolはGPT-5.6 Solと比べて、入力・キャッシュ入力・出力の単価がそれぞれ半分です。GPT-6 LunaはGPT-5.6 Lunaより入力とキャッシュ入力が半額、出力は約58%低くなっています。
GPT-6 SolとGPT-6 Lunaを比べると、通常入力と出力の単価はSolがLunaの20倍です。AstraはSolの5倍、Lunaの100倍です。ただし、これはトークン単価の比率です。作業全体のコストは、モデルが使うトークン量や、完了までの再試行回数によって変わります。
入力が27万2,000トークンを超えるAPIリクエストでは料金区分が変わり、入力とキャッシュ入力は2倍、出力は1.5倍になります。また、BatchやFlexなどの処理方式でも単価が異なります。長いコンテキストを使う場合は、上の表だけで概算せず、OpenAI APIの料金表で条件を確認してください。
CodexのUsageとAPI料金は別に見る
CodexをChatGPTアカウントで利用する場合は、プランに含まれるUsageやクレジットを使います。APIキーでCodexを利用する場合は、API料金が適用されます。APIのドル建て単価とCodexのクレジット単価は別の料金体系なので、数値を直接足したり、同じものとして比較したりしないようにします。
9月26日時点のCodex標準料金は、100万トークンあたり次のとおりです。キャッシュ書き込みには別料金がなく、Fast modeではGPT-6 Astra・Sol・Lunaのクレジット消費が標準の2.5倍になります。
| モデル | 入力クレジット | キャッシュ入力クレジット | 出力クレジット |
|---|---|---|---|
| GPT-6 Astra | 250 | 25 | 1,250 |
| GPT-6 Sol | 50 | 5 | 250 |
| GPT-6 Luna | 2.5 | 0.25 | 12.5 |
| GPT-5.6 Sol | 100 | 10 | 500 |
| GPT-5.6 Luna | 5 | 0.5 | 30 |
Plusプランの5時間あたりのローカルメッセージ数は、公式ページではGPT-6 Astraが5〜45、Solが15〜150、Lunaが350〜3,000という目安です。GPT-5.6 Solは10〜100、GPT-5.6 Lunaは250〜2,000とされています。これらは固定の送信回数ではありません。タスクの規模、会話に含まれる情報、ツール利用などでUsageが変わり、クラウドチャットとローカル利用も同じ枠を共有します。実際の上限は利用状況の画面で確認してください。
個人的な実感としては、GPT-6 Lunaを中心に使い続けていても、Plusプランの週間上限を使い切るのが難しいくらいコストパフォーマンスが良いと感じています。これは私自身の使い方や作業内容に基づく所感で、利用量やタスクによって感じ方は変わります。
API料金と同じく、Codexの数字も公開時点のスナップショットです。利用プランによって含まれるUsageや追加クレジットの条件は異なります。詳しくはChatGPTとCodexの料金・Usage案内を確認してください。
公開ベンチマークでは、総合点だけでなく個別の評価も見る
Artificial Analysisの比較ページで、reasoningをHighに揃えた結果を確認しました。9月26日時点で表示されていたArtificial Analysis Intelligence Index v4.3.2は、知識、コーディング、エージェント操作、長文理解など10種類の評価を組み合わせた指標です。総合点だけでは得意・不得意が見えにくいため、いくつかの個別評価も並べます。
| 比較（reasoning） | Intelligence Index | AutomationBench-AA | Terminal-Bench 4.0 | SciCode | Humanity's Last Exam |
|---|---|---|---|---|---|
| GPT-6 Sol High | 43 | 60% | 26% | 55% | 44% |
| GPT-5.6 Sol High | 42 | 55% | 21% | 58% | 46% |
| GPT-6 Luna High | 32 | 48% | 5% | 50% | 33% |
| GPT-5.6 Luna High | 32 | 36% | 3% | 52% | 33% |
この比較では、Sol同士の総合点は43対42、Luna同士は32対32です。GPT-6 SolはAutomationBench-AAとTerminal-Bench 4.0で上回っていますが、SciCodeとHumanity's Last ExamではGPT-5.6 Solが上回っています。Luna同士でも、GPT-6 LunaはAutomationBench-AAとTerminal-Bench 4.0で高い一方、SciCodeではGPT-5.6 Lunaが高く、総合点は同じです。
Artificial Analysisの評価にかかったタスクあたり費用は、Sol HighがGPT-6で約$0.37、GPT-5.6で約$0.81、Luna HighがGPT-6で約$0.03、GPT-5.6で約$0.04です。この「タスクあたり費用」は、Artificial Analysisの評価タスクとそのトークン使用量、料金を使った同サイト独自の集計値です。自分のCodex作業で同じ金額になるという意味ではありません。
また、Artificial Analysis Intelligence Indexは複数の評価をまとめた第三者の指標です。実際の開発では、対象言語、リポジトリ、テスト、指示の出し方によって結果が変わります。ベンチマークだけから「GPT-6の方がすべての作業で優れている」とは言えません。比較ページの数値も更新されるため、ここでは2026年9月26日に確認した値として掲載しています。
どのモデルから試すか
今回確認した情報から選択の目安を作るなら、まずは次のように考えられます。
- 小さく範囲の明確な修正や、繰り返し発生する作業はGPT-6 Lunaを候補にする。
- 複数ファイルにまたがる変更や、調査・実装を続けて行う作業はGPT-6 Solを候補にする。
- より高い推論能力が必要なタスクではGPT-6 Astraも比較し、追加費用に見合う結果になるかを確認する。
- 特定の種類の課題でGPT-5.6の結果がよければ、その作業ではGPT-5.6を残す。
これは公式のモデル説明と公開ベンチマークから作った選択の出発点で、筆者自身のCodex利用に基づく実測ルールではありません。プロジェクトで継続利用するモデルを選ぶ場合は、同じリポジトリ状態、同じ依頼、同じテスト条件で試します。タスクの成功条件を満たしたか、修正指示や再試行が何回必要だったか、テスト結果、実際のUsageやAPI料金を記録すると、自分の作業に合った判断がしやすくなります。
まとめ
2026年9月26日時点では、GPT-6 SolとGPT-6 LunaはGPT-5.6世代より低いAPI単価とCodexクレジット単価で利用できます。特にLunaは低コストですが、Solとの性能差やタスクの難しさを無視して、常にLunaだけを選べばよいとは限りません。
公開ベンチマークでは、GPT-6 Sol HighはGPT-5.6 Sol Highと総合点が近く、個別評価では新旧モデルが分かれる項目もありました。Luna High同士の総合点は同じでした。モデル選択では単価や総合スコアだけでなく、作業の成功率や再試行も含めて判断するのがよさそうです。
料金や利用枠、モデルの提供状況は変わります。利用前には、OpenAI APIのモデル一覧とCodexの料金・Usage案内をあらためて確認してください。
GPT-6 Astraを中心にGPT-5.6世代との使い分けを整理したGPT-6 Astra公開直後の比較記事もあります。この記事は、その後に追加されたGPT-6 Sol / Lunaを含めて、2026年9月26日時点の情報をまとめたものです。
参考資料
- OpenAI API Changelog：GPT-6 Sol / Lunaの公開情報
- GPT-6 Sol Model | OpenAI API
- GPT-6 Luna Model | OpenAI API
- GPT-6 Astra Model | OpenAI API
- Pricing | OpenAI API
- Pricing | ChatGPT Learn
- GPT-6 Sol High vs GPT-5.6 Sol High | Artificial Analysis
- GPT-6 Luna High vs GPT-5.6 Luna High | Artificial Analysis
- GPT-6 Luna High vs GPT-6 Sol High | Artificial Analysis
- GPT-6 Astra公開直後の使い分けメモ：CodexとOpenAI APIの料金・Usageを整理
奈良市を拠点に、27年以上の経験を持つフリーランスWebエンジニア、阿部辰也です。
これまで、ECサイトのバックエンド開発や業務効率化システム、公共施設の予約システムなど、多彩なプロジェクトを手がけ、企業様や制作会社様のパートナーとして信頼を築いてまいりました。
【制作会社・企業様向けサポート】
Webシステムの開発やサイト改善でお困りの際は、どうぞお気軽にご相談ください。小さな疑問から大規模プロジェクトまで、最適なご提案を心を込めてさせていただきます。
ぜひ、プロフィールやWeb制作会社様向け業務案内、一般企業様向け業務案内もご覧くださいね。
CodexのGPT-6.1 SolとGPT-6 Lunaを比較：コストと使い分けの目安【2026年10月3日時点】
2026.10.03
GPT-6.1 SolとGPT-6 Lunaを、PlusでのCodex利用枠、API料金、公開ベンチマークから比較します。2026年10月3日時点の情報をもとに、日常作業はLuna、難しい調査や設計はSol Mediumを試すという使い分けと、自分の作業で費用対効果を確かめるポイントを整理します。
GPT-6 Astra公開直後の使い分けメモ：CodexとOpenAI APIの料金・Usageを整理
2026.09.06
GPT-6 Astra公開直後の2026年9月6日時点で、GPT-5.6 Sol・GPT-5.6 Lunaとの使い分けを、CodexのUsage消費とOpenAI APIのトークン料金に分けて整理します。公式情報と作者が情報収集した運用メモをもとに、普段のコーディングはLuna、仕様検討や複数レイヤーの作業はSol、難しいAgenticタスクはAstraとする現時点の判断基準を紹介します。
VS Code版CodexのStopフックで応答終了をWindowsに通知する
2026.10.04
VS Code版CodexのStopフックとPowerShellを使い、最後の応答をWindows通知に表示する方法を紹介します。hooks.jsonの設定と非同期実行、日本語が文字化けした際のUTF-8による対処、通知が出ない場合の確認点をまとめます。
LaravelのFeature Testで開発用DBを初期化してしまった：Codex運用で学ぶテストDBの多層防御
2026.09.07
CodexにLaravelのFeature Test実行を依頼した際、テスト用DBではなくローカルの開発用DBへ接続した状態でRefreshDatabaseが実行され、データが失われる事故が発生しました。この記事では、PHPUnitのforce="true"による環境変数固定、DB_URLの無効化、config:clearのComposer Script化、Laravel起動後のDB接続先ガード、通常テストとIntegration Testの分離など、テストDBの誤接続を防ぐ多層防御を紹介します。