OpenAIが動かしたのは値札だけではない。GPT-5.6 Sol自身がCodex上で自社の本番GPUカーネル(Triton・Gluon)を自律的に書き換え、サービングコストを20%削減した——その効率化の分け前がそのまま価格に跳ね返り、Luna 80%減・Terra 20%減という大幅値下げになった。開発者にとっての効き目は具体的だ。Lunaの処理コストがこれまでの5分の1に下がったことで、「不確実性の解消や計画立案はSol、仕様が固まった後の実装・テスト・評価はLuna」という階層混在ワークフローが、コスト面で一段と組みやすくなる。加えてSol向けには2.5倍速・2倍価格の有料Fast modeが新設され、速度とコストを用途ごとに選び分ける粒度も増えた。これはGoogleのFlash系値下げやKimi K3・Meta Muse Sparkの低価格戦略と並ぶ、フロンティアラボ自身による「安く速いモデルをどう束ねるか」という価格・階層競争の一角だが、今回の値下げの原資が競合対抗ではなくモデル自身によるインフラの自己最適化である点は他に例が少ない。人間のエンジニアが担ってきたサービングインフラの改善を、モデル自身が担う主体として加わり始めている——価格性能フロンティアを押し上げる担い手が広がりつつあることを示す一例だ。
何が起きたか
OpenAIは2026年7月30日付で、GPT-5.6ファミリーの価格体系を改定した。
- GPT-5.6 Luna(最速・最安モデル): 80%値下げ。新価格は100万トークンあたり入力$0.20・出力$1.20
- GPT-5.6 Terra(バランス型モデル): 20%値下げ。新価格は100万トークンあたり入力$2・出力$12
- GPT-5.6 Sol(フラッグシップモデル): 標準価格は変更なし
同時に、Sol向けに新機能「Fast mode」を追加した。これは従来のPriority Processingを置き換えるもので、標準処理より最大2.5倍速く処理できる。価格は標準の2倍だが、応答の知能（品質）に変化はないとOpenAIは説明している。API上でservice_tier: priorityを指定していたリクエストは、自動的にFast modeへ移行する後方互換が用意されている。
ChatGPTおよびCodexのサブスクリプション価格・クォータ予算そのものは変更されていないが、Terra・Lunaの利用は従来より少ないクォータ消費で済むようになった。
仕組み・詳細：なぜ値下げが可能になったか
OpenAIはこの値下げの技術的背景として、モデル本体だけでなく推論システム・API・Codexのエージェントハーネス（ツール呼び出しワークフロー）を横断的に最適化した結果だと説明している。
その中核にあるのが、GPT-5.6 Sol自身による自律的な最適化だ。SolはCodex上で、本番GPUカーネルを自律的に書き換え・改善した。対象はTriton・Gluonという、いずれもOpenAI自身が保守するオープンソースのGPUプログラミング言語で、Solはこの2言語でカーネルを記述・改善する能力を持つよう訓練されている。
この最適化により、サービング（推論提供）コストは20%削減された。加えて、投機的デコーディング（speculative decoding、次のトークンを先読みして生成を高速化する技術）の改善により、トークン生成効率は15%を超えて向上したという。
数字で見る
| 項目 | 内容 |
|---|---|
| Luna価格改定 | 80%値下げ／入力$0.20・出力$1.20（100万トークンあたり） |
| Terra価格改定 | 20%値下げ／入力$2・出力$12（100万トークンあたり） |
| Sol価格 | 変更なし |
| Fast mode速度 | 標準処理比で最大2.5倍 |
| Fast mode価格 | 標準処理の2倍 |
| サービングコスト削減幅 | 20% |
| トークン生成効率の向上幅 | 15%超（投機的デコーディング改善による） |
| 発効日 | 2026年7月30日 |
なお、GPT-5.6以降のモデルでは、GPT-5.5にはなかった「キャッシュ書き込み課金」が新たに導入されている。プロンプトキャッシュへの書き込みは、未キャッシュ入力単価の1.25倍で課金される（キャッシュ読み取りは従来どおり90%割引を維持）。値下げと同時に、コスト構造の一部にはこうした新しい課金項目も加わっている点は留意が必要だ。
背景
OpenAIは今回の価格改定を、単なるコスト削減としてではなく「1つのワークフロー内でモデル階層を混在させる」使い方を後押しする施策として位置づけている。例として、コーディングワークフローでは不確実性の解消や計画立案にSolを使い、仕様が固まった後の実装・テストの実行・結果評価にはLunaを使う、という組み合わせを挙げている。
GPT-5.6以降の命名体系では、バージョン番号がモデル世代を示し、Sol・Terra・Lunaは「独自のペースで進化しうる持続的な能力階層（durable capability tiers）」として位置づけられている。今回、最速・最安のLunaが最も大きな値下げ幅（80%）を受けたことは、この階層戦略において「大量に・高頻度に呼ばれる下位モデルほど、効率化の恩恵を優先的に反映させる」という設計思想の表れとも読める。
なお、独立系ブロガーがCodexの個人利用ログを基に「GPT-5.6 Sol xhighはGPT-5.5 xhigh比で2倍を超えるトークンを消費し、クォータベース課金の実質価値を目減りさせている」と主張しているが、これはOpenAI公式による裏付けのない未検証の情報であり、本記事の価格改定の事実そのものとは別の論点として扱う必要がある。
なぜ重要か
この値下げが示す本質は、「価格を下げた」という結果よりも、その原資の出どころにある。人間のエンジニアがサービングインフラを改善して初めてコストが下がる、という従来の構図に対し、今回はモデル自身（Sol）がCodexという自社のエージェント製品を使って本番GPUカーネルを書き換え、コスト構造そのものを動かした。モデルの能力向上が、応答の賢さだけでなく、自社サービスの原価構造に直接効いてくるという実例だ。
これは、フロンティアラボ各社が「安く速いモデルをどう束ねて使わせるか」という価格・階層競争を繰り広げる中で、OpenAI自身が競合対抗としての値下げではなく、モデル自身の自己最適化を原資とする値下げという別の道筋を示したことを意味する。開発者にとっては、Sol・Terra・Lunaを使い分ける階層混在ワークフローのコスト効率がさらに上がったことで、単一の賢いモデルに頼るより、モデル階層とハーネスの設計そのものを最適化する方向への移行が一段と現実的になる。そしてこの流れが続けば、価格性能フロンティアを押し上げる担い手は、人間のインフラエンジニアだけでなく、モデル自身へと広がっていくことになる。