GPT-5.6が​最大80%値下げ ──OpenAIの​価格改定と、​AIエージェントの​運用コストが​どう​変わるかを​解説

OpenAIが2026年7月30日、GPT-5.6のAPI価格を改定しました。いちばん安いLunaが80%引き、中位のTerraが20%引き、最上位のSolは据え置きです。

特徴的なのは、新しいモデルが出たわけではないことです。中身は3週間前に登場したものと同じで、値段だけが下がりました。理由は前日7月29日に公開された技術記事に書かれていて、GPT-5.6 Sol自身が本番のGPUコードを書き換え、モデルを提供するコストを20%削ったとされています^[2]。値下げは競争への対応であると同時に、原価が実際に下がった結果でもある、という説明です。

この記事で分かることは5つです。①価格がいくらからいくらになったのか、②AIエージェントを1本動かしている場合に月額がどれくらい動くのか、③値下げの原資として公表された「モデルが自分の運用基盤を最適化する」仕組み、④同時に導入された「Fast mode」の正体、⑤モデルを変えないままコストを下げる、OpenAIが公開した設計手法。

数値・仕様はすべてOpenAIの公式発表と公式の料金ページに基づくもので、CAG自身の検証ではありません（出典は脚注）。

01 何が​変わったのか ──同じ​モデルの、​値段だけが​変わった

改定は2026年7月30日から適用されています。1Mトークン（およそ100万トークン。日本語で数十万字ぶんの文章量にあたります）あたりの単価は、次のように変わりました。

モデル	改定前（入力 / 出力）	改定後（入力 / 出力）	変化
GPT-5.6 Sol（最上位）	$5 / $30	$5 / $30	据え置き
GPT-5.6 Terra（中位）	$2.50 / $15	$2 / $12	20%減
GPT-5.6 Luna（最安）	$1 / $6	$0.20 / $1.20	80%減

改定前の価格は、3つのモデルが発表された2026年7月9日時点の公表値です^[4]。改定後の価格は、OpenAIの料金ページに現在載っている表と一致することを確認しました^[3]。

Lunaについて、OpenAIは「ツールを使い、複数ステップのワークフローを完了できる」と書いています。安いから単純作業専用、という位置づけではありません。品質を保ったまま大量処理を回すための現実的な選択肢として説明されています^[1]。

影響はAPIを直接使っている会社だけにとどまりません。ChatGPT WorkとCodexでも、TerraとLunaを使ったときに消費するクレジットが減ります。契約金額と枠は変わらないまま、同じ枠でより多く回せるようになる、という書き方です。プランごとの使い分けは、Free・GoがTerra、Plus・Pro・Business・EnterpriseがTerraとLunaの両方となっています。

3つのモデルがどう違うのか、どれを選べばよいのかは、発表当時に書いた記事にまとめてあります。今回の改定で変わったのは価格だけで、性能の関係は当時のままです。

関連記事 ｜ 3モデルの違いと選び方GPT-5.6を、分かりやすく ──Sol / Terra / Luna、3つに分かれた新モデル家族の読み方 →

なお、Amazon Bedrock経由でOpenAIのモデルを使っている場合は、課金がAWS側で行われるため、直販の価格と異なることがあります。今回の価格改定についても、AWSへの反映は「同日中に順次」と告知されていました^[1]。

02 実際に、​いくら変わるのか ──エージェント1本で​試算する

単価表だけでは規模感がつかみにくいので、問い合わせの一次対応をするAIエージェントを1本動かしている想定で計算してみます。

前提は、1件あたり入力8,000トークン・出力1,200トークン、1日300件、30日稼働。月間では入力7,200万・出力1,080万トークンです。ここではプロンプトキャッシュ（同じ内容を繰り返し送るときの割引）は考慮していません^[5]。

使うモデル	改定前の月額	改定後の月額	差額
Luna	$136.80	$27.36	−$109.44
Terra	$342.00	$273.60	−$68.40
Sol	$684.00	$684.00	0

Lunaはおよそ5分の1になります。ここにプロンプトキャッシュが効けば（Lunaのキャッシュ済み入力は$0.02＝通常の10分の1）、実際の請求はさらに下がります。

金額そのものより、意思決定の線が動くことのほうが大きいはずです。月$137かかっていた処理が月$27になると、「効果が読めないから見送る」と判断していた用途——全件の問い合わせ分類、全ログの要約、資料の下読み——が、試してみる価値のある範囲に入ってきます。OpenAI自身も、大規模な文書解析・顧客対応の分類・定型的な実装を「広く回すことが経済的に成り立つ」例として挙げています^[1]。

逆に言えば、月額が下がるほど、費用の主導権は契約プランではなくどの処理にどのモデルを充てるかの設計に移ります。この考え方は以前まとめました。

関連記事 ｜ 費用はトークンで決まるAIを全社に入れたら、今度は「使いすぎ」に悩み始めた ──AIエージェント時代の本当のコストは、月額ではなくトークンで決まる →

03 値下げの​原資 ──モデル自身が​書き換えた​推論基盤

価格改定の前日、OpenAIは技術記事を出しています。「なぜ下げられたのか」の説明にあたる内容です^[2]。

効率化の対象は3つの層に分かれています。モデル本体、推論（学習済みのモデルを実際に動かして出力を作る部分）、そしてエージェントの土台になるharness（ハーネス＝モデルとツール・環境をつなぐ制御層）。このうち推論の層で、GPT-5.6 Sol自身が使われました。

公表されている成果は2つです。

1つ目は、カーネルの書き換えによる提供コスト20%減。 カーネルとは、GPUの上で実際に計算を実行するコードのことです。OpenAIはGPT-5.6を、自社が管理するオープンソースのGPU向け言語TritonとGluonでコードを書けるように訓練しており、SolがCodex上で本番のカーネルを自律的に書き換え・最適化したと説明しています。これを含むカーネル改善によって、モデルを提供するエンドツーエンドのコストが20%下がりました。

2つ目は、投機的デコーディングの改良によるトークン生成効率15%以上の向上。 投機的デコーディングは、小さな「下書き役」のモデルに先の数トークンを提案させ、本体のモデルがまとめて検証することで速度を上げる手法です。この下書きモデルの構造について、Solが数百回の実験を設計・実行し、学習の監視とハードウェア障害時の対処まで自律的に行ったと書かれています。

ここで見落としたくないのは、原文が添えている条件のほうです。これらは「human-led process（人間が主導するプロセス）の中で」行われた、と明記されています。さらにOpenAIは、Solが書いたカーネルの正しさを検証するために、浮動小数点サニタイザFpSanなどの検証ツールに投資したとも書いています。AIが本番のコードを書き換えた話ではありますが、先に検証の仕組みを用意したうえでの自律という順序です。

読み手にとっての実利は、値下げの読み方が1つ増えることだと思います。値下げには「競合に合わせて利幅を削った」場合と「原価が実際に下がった」場合があります。前者は競争環境が変われば戻る可能性がありますが、後者は積み上がっていきます。今回は後者の説明が、具体的な数字付きで公開されています。

04 ​「Fast mode」の​正体 ──Priority Processingの​置き換え

同じ7月30日、APIにFast modeが導入されました。新機能というより、従来の優先処理（Priority Processing）の置き換えにあたります。

• GPT-5.6 Solで、標準処理に対して最大2.5倍の速度。
• 価格は2倍。知能（性能）は変わらない、と明記されている。
• 後方互換。service_tier: "priority" を指定している既存のリクエストは、自動的にFast modeを使う。
• Codexの /fast と揃えられた。

料金ページには、Fast modeの単価も3モデルぶん載っています。Sol $10/$45、Terra $4/$18、Luna $0.40/$1.80。いずれも標準の2倍です^[3]。

使いどころは、時間がそのまま価値になる処理に限られます。利用者が画面の前で待っている応答、締切のあるバッチ、障害対応。逆に、夜間に回す集計や下読みに2倍を払う理由はありません。速度を買う判断は、処理単位で分けたほうがいいということです。

05 モデルを​変えずに​安く​する​ ──公開された​設計の​ほうが​効く​ことがある

7月29日の記事には、価格とは別に、自社でAIエージェントを作っている人がそのまま真似できる節約の手法が書かれています。OpenAIのharnessはRustで書かれた制御層で、CodexとChatGPT Workの両方がこれを使っています^[2]。

前提として、エージェントは1ターン（依頼から最終回答まで）の中でモデルを何十回も呼びます。原文の例では、Codexがソースを読み、デプロイ履歴を調べ、障害報告を読み、ファイルを編集し、テストを走らせる——それぞれが1回のリクエストになります。30回リクエストが走るなら、1回あたりの無駄は30倍で効いてきます。

公開されている対策は、大きく2つです。

ひとつは、文脈を膨らませないこと。 ツール・スキル・プラグイン・会話履歴が増えると、モデルに渡す文脈は簡単に膨らみます。膨らめば費用が増えるだけでなく、モデルの注意が散り、不要な思考を誘発します。OpenAIのharnessは、外部連携やMCPツール・スキル・プラグインを必要になるまで見せない方式（遅延ディスカバリ）をとります。加えて、ツールの出力は既定で10,000トークンで打ち切る——モデルが別の上限を要求した場合を除いて。ひとつのツールが文脈を食い潰す事故を、仕組みの側で止めています。

もうひとつは、キャッシュの前方一致を壊さないこと。 同じ指示・履歴・ツール定義を何度も送るなら、キャッシュが効くかどうかで請求が変わります。そのためharnessは、モデルから見える履歴を追記専用（append-only）として扱います。新しいメッセージやツールの結果を過去の文脈に差し込まず、必ず末尾に足す。ツールは決まった順序で提示し、承認ポリシーのような実行時の設定はツール定義に埋め込まず、実行時に適用する。前半が少しでも変われば、そこから先の割引は消えるからです。

どれもモデルの選定とは無関係に、いまの実装へ入れられます。CAGでも受注と顧客対応のエージェントを動かしていますが、費用に効くのは結局この種の設計だという実感があります。

06 使う​前に​確認して​おきたい​こと​ ──公表値と​推計値を​分けて​読む

• 「Fable 5より99%安い」はOpenAIの推計。 専門的な業務を測るAgents' Last Exam（ALE）というベンチマークで、LunaがFable 5を上回りつつ1タスクあたりの推定コストは99%近く低い、という書き方です。原文にも「estimated（推定）」と明記されています^[1]。
• 「1年前のフロンティア級と同等」も同社の説明。 1タスクあたり1ドルにつき約6セント、9倍近い速度、という表現です。第三者による測定ではありません^[1][6]。
• Bedrock経由は別勘定。 AWS上のOpenAIモデルはAWSで課金され、直販価格と異なる場合があります^[3]。
• データ所在地の指定には10%の上乗せ。 2026年3月5日以降にリリースされた対象モデルで、地域指定のエンドポイントを使う場合が該当します^[3]。
• 安いモデルに寄せる前に評価を。 OpenAIの推奨も「まず必要な品質を定義し、評価（eval）で、どこに追加の知能が要り、どこは安い処理で足りるかを見極める」という順序です。原文のコーディングの例では、Solで不確実な部分を解いて計画を立て、仕様が固まった実装・テスト作成・結果確認をLunaに任せる組み合わせが示されています^[1]。

07 まとめ ──下がったのは​値段、​変わったのは​線引き

観点	改定前（7月9日〜）	改定後（7月30日〜）
Luna 入力/出力	$1 / $6	$0.20 / $1.20
Terra 入力/出力	$2.50 / $15	$2 / $12
Sol 入力/出力	$5 / $30	据え置き
高速オプション	Priority Processing	Fast mode（Sol最大2.5倍速・価格2倍）
ChatGPT Work / Codex	—	Terra・Lunaの消費クレジットが減少（契約金額と枠は据え置き）

前の世代の小型モデルと並べると、位置づけがはっきりします。gpt-5.4-miniが$0.75/$4.50、gpt-5.4-nanoが$0.20/$1.25^[3]。Lunaの出力単価$1.20は、前世代でいちばん小さいnanoよりも安い。 「品質を諦めて小型モデルに落とす」という選択の前提が、静かに変わっています。

• 同じモデルのまま、Lunaは約5分の1、Terraは2割安くなった。 APIだけでなく、ChatGPT WorkとCodexのクレジット消費にも反映される。
• 値下げの原資が公表されている。 Sol自身が本番カーネルを書き換えて提供コストを20%削り、投機的デコーディングの改良でトークン生成効率を15%以上上げた。人間が主導するプロセスと検証ツールが前提に置かれている。
• モデル選定の外側にも余地がある。 遅延ディスカバリ、ツール出力の上限、追記専用の履歴。値段が下がったいまこそ、自分の実装が何度も払っている繰り返しの費用を見直す価値がある。