OpenAIはGPT-6 SolとGPT-6 Lunaを発表しました。GPT-5.6の同系列モデルに比べ、Solはinput $2/output $10、Lunaはinput $0.10/output $0.50 per 1M tokensへ価格を下げたと説明しています。 frontier modelの選定は最高性能だけでなく、agent taskごとの完了率、reasoning effort、cache効率、token単価を合わせた費用対効果で決まります。長時間coding agentや業務agentの運用設計に直結します。 GPT-6 familyの中位・軽量モデルが更新 OpenAIは2026年9月22日、GPT-6 SolとGPT-6 Lunaを発表しました。GPT-6 Astraで導入した訓練手法の進歩を、より速く安いmodel tierへ広げる位置づけです。OpenAIは、professional work、factuality、coding、computer use、alignmentでAstra由来の改善を取り込んだと説明しています。Astraは最高性能向けとして残り、SolとLunaは費用対効果を重視する用途を担います。企業の標準model選定にも影響します。 API価格はGPT-5.6 promotional pricing比で半減 公式記事では、GPT-6 SolのAPI価格はinputが100万tokenあたり2ドル、outputが10ドルと示されています。GPT-6 Lunaはinputが0.10ドル、outputが0.50ドルです。いずれもGPT-5.6 SolとLunaのpromotional pricingから50%の引き下げです。OpenAIは、cachingとinferenceの改善による効率化を利用者に還元すると説明しています。長いagent runでは、この単価差が予算計画に直接響きます。 評価はtask成功率とcost per taskで見る OpenAIはAutomationBench、Agents' Last Exam、FrontierCode、DeepSWE、OSWorld 2.0などの結果を使い、性能だけでなくcost per taskを並べて示しました。たとえばAutomationBenchでは、GPT-6 Solのxhigh effortがClaude Opus 5 max effortを上回り、taskあたりcostはOpus 5の9%だとしています。DeepSWEではGPT-6 Sol max effortが68.8%で、Claude Fable 5の最高値から1.1ポイント差と説明しています。 agent運用ではeffortとcacheを組み合わせる 導入側にとって重要なのは、model名だけでなく、reasoning effort、prompt caching、tool構成、taskの失敗時再試行を含めた総費用です。Solは高めのeffortで複雑なcodingや業務workflowを任せる候補になり、Lunaは日常的な反復処理で量をさばく候補になります。評価時は平均token単価ではなく、完了率、review工数、latency、cache hit率を同じdashboardで追う必要があります。