世界を動かす技術を、日本語で。

GPT-5.6

2026年7月10日原文(openai.com)

概要

  • GPT-5.6ファミリー の一般公開開始
  • SolTerraLuna の3モデル展開
  • 知能・効率・コストパフォーマンス で従来モデルを上回る
  • 設計判断・サイバーセキュリティ・科学研究 など多分野で最先端
  • 安全性とガバナンス強化 による信頼性向上

GPT-5.6ファミリーの概要

  • GPT-5.6ファミリー は、一般公開に向けてリリースされたAIモデル群
    • Sol :フラッグシップモデル、最高の知能と効率性
    • Terra :日常業務向けのバランス型モデル
    • Luna :最もコスト効率に優れたモデル
  • Sol は、コーディング・知識業務・サイバーセキュリティ・科学分野で最先端の成果
  • 従来・競合モデルよりも 少ないトークン数低コスト で高精度な成果
  • ultra設定 により、複数エージェントの並列作業で複雑なタスクを高速処理

パフォーマンスと効率性

  • Agents’ Last Exam (55分野のプロ業務評価)で Sol は53.6点、Claude Fable 5を13.1点上回る
  • 中程度の推論設定 でも、Fable 5を11.4点上回り、コストは約1/4
  • TerraLuna は、Fable 5を約1/16のコストで上回る性能
  • Artificial Analysis Intelligence Index では、Sol(max推論)がFable 5に1点差で迫り、61%短時間・約半額でタスク完了

セーフガードと安全性

  • 最も堅牢な安全対策 を実装
    • 人的レッドチーミングと大規模自動テストの組み合わせ
    • 専門機関・パートナーと連携し、リスク耐性を強化
    • モデル内蔵の保護機能+リアルタイム監視・アクセス制御

コーディング・ツール連携

  • Artificial Analysis Coding Agent Index でSol(max推論)は80点、Fable 5を2.8点上回る
  • 出力トークン数・処理時間・コスト全てで優位性
  • Terminal-Bench 2.1DeepSWE でも最先端
  • Programmatic Tool Calling により、ツール連携や中間データ処理を効率化

マルチエージェント・並列処理

  • ultra設定 で4エージェント標準並列化、1エージェント比で高精度・高速化を実現
  • BrowseCompSEC-Bench ProTerminal-Bench 2.1 で大幅なスコア・レイテンシ改善
  • APIでは multi-agent beta でultra的な体験構築が可能

デザイン・フロントエンド能力

  • 高レベル指示だけで 洗練されたUI設計機能的インターフェース を生成
  • 実際のレンダリング結果を検証・修正し、完成度の高い成果物を提供
  • ChatGPT Work 内で自然言語から インタラクティブな説明・可視化 を生成

ナレッジワーク・ビジネス文書

  • Slack、Notion、Microsoft 365、Google Drive などの文脈を専門成果物へ変換
  • BrowseComp で92.2%、 OSWorld 2.0 で62.6%の新記録
  • Luna はGPT-5.5のピーク性能に近く、コストは半分以下
  • Terra はGPT-5.5を上回る性能・低コスト

プレゼン・ドキュメント・スプレッドシート

  • プレゼン資料・文書・表計算 の品質と正確性が向上
  • テンプレート・リファレンスデッキの構造・デザイン規則を忠実に再現
  • 複雑な数式・財務モデルにも高精度対応
  • タイポグラフィ・レイアウト・階層構造の一貫性

サイバーセキュリティ性能

  • ExploitBench1 で73.5%、GPT-5.5の47.9%を大幅上回る
  • ExploitGym2 で実環境脆弱性のエクスプロイト成功率を2倍近く向上
  • SEC-Bench Pro で71.2%、GPT-5.5の45.8%より高性能かつ低レイテンシ
  • Daybreak’s Trusted Access for Cyber で防御機能を強化

サイエンス・AI研究サポート

  • 生命科学・化学分野 でGPT-5.5を上回るパフォーマンス
  • GeneBench Pro などで少ないトークン・短時間で高精度解析
  • AI研究タスク (デバッグ、最適化、実験、解釈)を加速
  • 内部評価 でGPT-5.5比16.2ポイント向上

安全性・デュアルユースへの配慮

  • 生物学・サイバーセキュリティ 両分野でクリティカル閾値を超えない設計
  • 攻撃よりも防御・修正能力が高く、悪用リスクを抑制
  • コンテキストに応じたアクセス制御と誤遮断リスクの最小化

参考資料

Hackerたちの意見

うーん、長いことClaude Codeを使ってきたけど、最近他にも試すべき素晴らしいモデルがあることに気づいたんだ。でも、新しいものに移るのがちょっとためらわれる。今のところ、CodexとClaude Codeの評判ってどうなの?もう重要じゃないのかな?

実際、あんまり重要じゃなかったよ(Codexが新しかった頃を除いて)。むしろ、Codexのリモートセッション統合の方が優れてるし、Claude Codeが得意な「ウルトラコード」のオーケストレーション以外では、Codexの方がいいツールだと思う。

Codexの世界は、ドラマが少なくていいよね。CCから抜け出すまで、その圧迫感に気づかないんだ。停電、変な制限、劣化、使用量の加速とか、ほんと色々あるし。

Codexは長い間良かったけど、ちょっと高いけど効率に特化してる。Opusモデルよりも早くて要点を押さえてる感じがするし、長時間のジョブでも信頼できる。あと、定期的なリセットがあって、Anthropicのドラマに振り回されることがないのもめっちゃいい。

Codexはここ数ヶ月Claude Codeよりも優れていると言えるけど、同じようなバイラルマーケティング効果を得られなかったから目立たなかったね。オープンAIは一般的に、オンライン開発者の間でAnthropicよりもPR問題が多かったから。僕が「優れている」という言葉を使うのは、基盤となるGPTモデルが根本的に賢いわけではなく、Codexが製品としては単純で、安価で、信頼性が高くて、トラブルが少ないからだよ。

半年くらい、Claude Code、Codex、Gemini(今はAntigravity)を同時に使ってるんだけど、エージェントコーディングに手を出してからだね。一般的に言うと、Claude CodeとCodexは同じくらいパワフルで、Geminiはちょっと遅れをとってるかな。Codexの良いところは、最近OpenAIが時々、貯められるクォータリセットをくれること。だから、週の終わり前に週のクォータを使い切っちゃっても、リセットしてCodexを使い続けられるんだ。これのおかげでCodexのクォータについてあまり不安を感じなくなったよ。昨日、貯めてたリセットを1回使ったけど、まだ3回残ってる。逆にClaudeだと、週の終わりの3日前にクォータの95%を使っちゃうと、すごく不安になるよね。一方で、Claude Codeの/remote-control機能は、クラウドで動かしてる時に監視したり、スマホでコントロールしたりするのにすごく便利。Codexは今のところこういう使い方には対応してないんだ。Codexは、スマホを使ってデスクトップのセッションに接続することしかできないから、クラウドでは使えないんだよね。

Claude Codeファンだよ…Codexもすごく良い。時にはそれ以上かも。決定的な特徴は価格だね。6ヶ月以上Claude Codeを使ってたけど、制限が変わって$200/月のプランを数日で使い切るようになっちゃったから、仕方なくCodexを試さざるを得なかった。最近は両方の$200/月プランを払ってるけど、週の仕事をこなすのにちょうど足りるくらいだよ(小さなゲームスタジオだから、書くコードが無限にある!)。

今日のcodexとclaudeコードのコンセンサスはどう?もう本当に重要じゃないの?HNで反映される人気の意見には「コンセンサス」って言葉は合わないかも。AIに関しては、常にそれぞれ2つ持っておくことをお勧めするよ。そうすれば、一つのもののクセに縛られすぎることがないから。すぐに、物事がすごく早く進むことに気づくはずで、特定のベンダーに依存するのではなく、共通のパターンを内面化するようになるよ。claudeの他にpiとcodexも試して、自分の感覚を掴んでみて。

FableとGPT 5.5の違いが全然わからないんだよね。Fableのトライアルの20ドルモードを試してみたけど、全部使い切っちゃって、すごく良かった。でも、GPT 5.5に戻ったら、全部同じだった。OpenAIのいいところは、他のハーネスをサブスクリプションに接続できるところだよね。私のPiセットアップは数ヶ月かけて自分の理想通りに構築したから、CCやCodexに移行するのは本当に面倒。注意点として、私はコードを小さな塊で扱うのが好きなんだ。やりたいことを見つけて、どうやってやりたいかを決めて、それをプロンプトにして、出力を洗練させて、また繰り返す。Fableは2文のプロンプトからアプリ全体を作るのが得意かもしれないけど、私には全然重要じゃない。

コンセンサスはわからないけど、1週間ずっと職場でOpus 4.8とGPT 5.5の両方を使ってタスクをこなしてみた結果、GPTの方が圧倒的に良かった。時々、GPTから計画や解決策をコピーして(異なるGitのワークツリーを使って)Opusに貼り付けたら、Opus自身が「GPTの計画の方が良い」って言ってたくらい。そこで私は移行したんだ。Fableは私たちのワークスペースでは使えないから試してないけど、Claudeは今年の2月頃に信頼を失った。計画が「このメソッドを削除」みたいな意味不明なことを言ってたから、明らかにそのコードベースの重要なメソッドだったのに。個人プロジェクトにはCodexの20ドルプランを使ってて、それが終わったらコストに対してすごく良いDeepSeekを使ってる。

もう本当に関係ある?それぞれ異なるモデルで、背後には異なる哲学がある。これは1人のユーザーの経験に基づく話だけど、私の経験では:Claudeは個性が強くて、もっとクリエイティブだと思う。曖昧な指示を与えると、合理的なアイデアで空白を埋めるのが得意。GPT-5.5は指示に従うのが得意で、やりたいことがはっきりしていれば、脱線せずにやってくれる。あんまり「お前はバカだ」って暗示することもないけど、私はそれにはあまり興味ないな。そう思う人もいるけど。

5.6 Terra(中堅モデル)は、DeepSWEのFableと同じくらい良くて、Opus APIの価格よりも安い。これは大成功の予感!

Hacker Newsで議論の続きを見る