ハクソク

世界を動かす技術を、日本語で。

生産用AIエージェントをGPT-5.6に移行：2.2倍の速度、27%のコスト削減

2026年7月13日原文(ploy.ai)

概要

  • Ployエージェント が本日から GPT-5.6 Sol を標準モデルとして採用
  • 以前の標準だった Claude Opus を性能・コスト両面で上回る結果
  • モデル切り替えには 評価環境やツールスキーマの大幅修正 が必要
  • キャッシュ設計やツール呼び出しの違い が移行の大きな課題
  • Ployは 自動でマーケティングサイトを構築・最適化 するAIサービス

Ployエージェントのモデル刷新：Claude OpusからGPT-5.6 Solへ

  • GPT-5.6 Sol はOpenAIが今朝リリースした最上位モデルで、Ployエージェントの新標準
  • これまで Claude Opus （4.7/4.8）が4ヶ月間デフォルトで、他モデルは品質基準を満たせなかった
  • GPT-5.6 Solは コスト27%減・ビルド時間半減・品質同等以上 を実現
  • Ployエージェントは 実際のマーケティングサイトの設計・コード生成・画像生成・最終判断 まで自動で行う高難度タスク
  • モデル刷新には 評価環境の調整・ツールスキーマ修正・キャッシュ設計見直し・推論リプレイ方式変更 が必要

評価環境（Eval Harness）の課題と修正

  • 評価スイートは 実際のエージェントを実ワークスペースでテスト
  • 成功率や品質は 旧モデル依存の設定 が多く、新モデルでは未対応の失敗が多発
  • 例： Opusは逐次的なツール呼び出し、GPT-5.6は並列呼び出し で予算を超過
  • ファイルリードのバッチ非対応 もGPT-5.6では多用され失敗要因に
  • 評価基準の閾値設定ミス で不公平な判定が発生、正しい比較には全トレースの精査が必須

実際のビルド評価結果

  • Claude Opus 4.8（n=11） vs GPT-5.6（n=10）
    • コスト： $3.06 → $2.22
    • ビルド時間： 8分 → 3分42秒
    • 入力トークン： 2.60M → 1.70M
    • 出力トークン： 33.0K → 17.1K
    • 視覚スコア： 0.936 → 0.970
  • GPT-5.6は より短く・効率的なコード生成、例：CSSファイルのサイズ・変数数が大幅削減

デザイン傾向と課題

  • GPT-5.6は クリーンで現代的なグリッドレイアウト が得意
  • 既存デザインシステムを無視し 汎用的・画一的な出力 になりがち
  • Ployでは デザイナーとエンジニアの知見でブランド適合性を補正

ツール呼び出し仕様の違いと解決策

  • Claudeは 必要なパラメータのみ送信、GPT-5.6は 全25項目を毎回送信し未使用値を捏造
  • 未使用値（例：offset: 0）が 本物と区別できず、空ファイルリード多発
  • プロンプトやヒントでは修正不可、スキーマ変換で「未使用はnull可」にした上でnull削除で対応
  • 結果： 空リード0%、ツール呼び出し30%減

プロンプトキャッシュ設計の違いと最適化

  • Claudeは 組織単位キャッシュ で高ヒット率（92～96%）
  • GPT-5.6は 部分一致キャッシュ廃止、プロンプト全体＋キーでキャッシュ
  • キー設計（会話単位・グローバル・ワークスペース単位） が重要
  • ワークスペース単位キー＋分割キャッシュで 初回ヒット率83.7%、未キャッシュトークン28%減、コストOpus以下
  • キャッシュ設計ミスがコスト比較を大きく歪める

推論リプレイの違いと対応

  • GPT-5.6のResponses APIは デフォルトでサーバー側参照
  • 参照切れで会話中断が発生、 store: false で自己完結型リプレイに
  • サーバー状態依存は プロンプトが変わるリスク も

PloyでのGPT-5.6 Sol体験

  • GPT-5.6 Solは本日よりPloyで利用可能
  • 無料トライアル で4分未満のサイト自動構築を体験可能
  • Ployは 計画・構築・公開・最適化を自動化 するマーケティングAIプラットフォーム

Hackerたちの意見

Ployのエージェントは、実際のマーケティングウェブサイトを構築・編集してるんだ。ページを計画して、コードベースを読み、コンポーネントを書いて、画像を生成して、自分の作業をスクリーンショットして、いつ終わったかを決める。これってモデルにとってかなり高いハードルだよね。私たちはすべてのフロンティアリリースをこれに照らしてテストしてるけど、Opusがデフォルトのスロットを持っていた4ヶ月間（最初はOpus 4.7、その後4.8）では、テストした中でこれを超えるものはなかった。まあ、OPとは違って、私は厳密なテストはしてないけど、FableがOpusよりマーケティングウェブサイトを作るのがかなり得意だと思うよ。デッキを作るのは確実にずっと上手いしね。

└

4.7は指示に従うのがすごく自閉的だから、OPの主張は納得できる。

└

GPT 5.6はデザインに関してFableよりずっといいね。

そんな数字はモデルに本当の移行努力をもたらす。なんてバカな言葉の選び方なんだ。この記事を書いているLLMを指揮している人が、LLMスタイルの最悪の例をリライトするためにもう少し努力してほしい。 > でも、非常にうまくいったし、約束は即座で具体的だった：壁時計の時間の半分以下で終わるビルド、27%低コストで、完了した作業に関しては既存のものと同等かそれ以上のスコア。LLMの書き方（おそらくClaude？）は、コロンやカンマ、ピリオドで区切られた短いフレーズで、すごく貧弱でイライラする。この記事には良い洞察がいくつかあるから、読む価値はあるけど、読みやすくはない。 > 以前のGPTモデルは部分的なプレフィックスマッチで暗黙的にキャッシュしていて、そこそこ良いヒット率を得ていた。GPT-5.6では部分プレフィックスマッチが削除された。

└

2026年には、テキストがLLMによって書かれたかどうかの探偵作業はもうやめられないかな？これは無駄な努力だし、構文よりも内容に焦点を当てるべきだと思う。

└

じゃあ、Stratecheryは読まない方がいいよ。それの文章はもっとひどいから。

└

LLMの書き方（たぶんClaude？）は、コロンやカンマ、ピリオドで区切られた短いフレーズばっかりで、ほんとにひどくてイライラするよね。そう、"llmish"（これからは「llmish」って呼ぶね）って最悪。だけど、今の時点でllmishを検出して、最悪な文を読みやすいものに書き換えるブラウザ拡張機能を書くのは簡単だと思う。ウェブページ上のllmishをその場で変える拡張機能にトークンを使ってもいいくらい。あと、llmishには通常、全然悪口がないんだよね。llmishはあまりにも政治的に正しいから。だから、書き換えの際には「攻撃的な」言葉を使うのもありかも。攻撃的な言葉は、ちなみに、Z世代には受け入れられないだろうけど。かわいそうなZ世代… 彼らは、学校や大学などの制度に「特別な存在」だと叩き込まれて育ってきたのに、いざ就職市場に出ると、AIに先に取って代わられたって言われるんだから。しかも、彼らは一つの悪口も耐えられないから（「マイノリティに対して攻撃的だから」とか）、悪口を含むように書き換えられたテキストには耐えられないだろうね。だから、彼らは残りの人生を bland で dumb な AI生成の llmish を読む羽目になる。正直、彼らにはひどい状況だよ。くそったれ。

└

Pangramで100%取った。内容がすごく気が散る。自分で投稿書けよ、マジで。せめて「人間らしくする」タイプのプラグインを通してからにして。

└

この記事が推してる統計が本当に実在するのか、ちょっと疑問に思うよね。

└

AIの会社にとっては、特に悪化してると思う。なんか、1) モデルを十分に使ってないから書き方がわからない 2) それが重要だって自覚がない 3) 全体の状況に無頓着 4) 読者を尊重してない って感じがする。いいシナリオはないね。

└

記事がLLMによって書かれてるんじゃないかと思ったら、すぐに読むのをやめて、自分の好きなLLMツールに要約させるようにしてる。そうすれば、出力のスタイルを少しはコントロールできるからね。

└

私の解決策は、それをLLMに放り込んで、だいたいこんな感じのプロンプトを使うことだよ… 大まかなリストで、一般的なアイデアを得るために… 1) 簡潔な要約をくれ 2) これって既に持ってるものに何か追加してる？（良い記事は注釈やメモと一緒に保存してる） 3) これに関する上流のアイデアを探して（AIの記事は、もっとよく書かれたアイデアを再利用してることが多い）… そんな感じ。特別なシステムがあるわけじゃないけど、これらの記事は無駄が多すぎて、読むのに耐えられなくなっちゃった。だから、AIを使ってAIを解析してるんだ。AIが隠れた宝石を見逃すかもしれないけど、それでも大丈夫。

Hacker Newsで議論の続きを見る