公開日 2026.07.13 ／ 検証日 2026.07.13 ／ テック比較ジャーナル編集部
最初に確認したいのは、Sol・Terra・Lunaを同じ場所で選べるわけではないことです。標準のChatGPT会話ではSolが思考設定に使われ、TerraとLunaは選べません。3モデルを使い分けられるのは主にAPI、Codex、ChatGPT Workです。画面に表示される選択肢は、契約プランと利用する製品で変わります。
この記事は、API・Codex・ChatGPT WorkでGPT-5.6を使う人向けの選定ガイドです。性能の順位ではなく、間違えた後の修正時間、処理件数、資料間の依存関係で担当を決めます。実機出力を横並びに採点したレビューではなく、2026年7月13日に確認したOpenAI公式仕様と業務設計を組み合わせた判断基準です。
OpenAIの公式モデル一覧では、Solは複雑な推論とコーディング向けのフラッグシップ、Terraは知能とコストのバランス、Lunaはコスト重視・大量処理向けと整理されています。APIでは3モデルとも、テキスト・画像入力、Web検索、ファイル検索、コンピューター操作などに対応し、コンテキストウィンドウも同じです。違いは「できる・できない」より、どこまで深く考えさせる価値があるかにあります。根拠となる仕様と価格はOpenAIの公式モデル一覧で確認できます。
| モデル | 公式上の位置づけ | 仕事での基準 | API価格の目安 |
|---|---|---|---|
| Sol | 複雑な専門業務、推論、コーディング | 間違えると修正が重い仕事 | 入力5ドル／出力30ドル・100万トークン |
| Terra | 性能とコストのバランス | 普段の企画・調査・文章作成 | 入力2.5ドル／出力15ドル・100万トークン |
| Luna | 低コスト・大量処理 | 1件の失敗が軽く、件数が多い仕事 | 入力1ドル／出力6ドル・100万トークン |
この表だけを見ると「重要ならSol、普通ならTerra、軽作業ならLuna」で終わります。しかし、現場では重要度が曖昧です。たとえばメール返信は軽作業に見えても、役員向けの謝罪文なら間違いの修正コストは高い。逆に、100件の文章分類は件数こそ多いものの、1件の誤りを人がすぐ直せるならLunaで十分です。
想定する指示は、「中小企業向けのAI議事録サービスについて、競合3社、想定顧客、差別化案、リスク、初月の販売施策をA4一枚にまとめて」です。この仕事では、情報を広く整理し、読みやすい形へまとめる力が必要ですが、最初から最高強度で考えさせる必要はありません。
第一稿はTerraが向きます。市場の論点を出し、比較軸を作り、企画書の骨格を作るところまでを短い往復で進めやすいからです。ここで競合名、対象業種、価格帯が固まったら、人が不足情報を追加します。次に「競合Aが無料プランを拡張した場合」「個人情報保護の懸念が強まった場合」まで含めて反論を潰すならSolへ切り替えます。
Lunaでも文章自体は作れますが、企画の抜けを探す工程には向きにくいと考えます。逆に、企画が完成した後で「営業向け100字要約を10案」「SNS投稿を5案」と展開するならLunaが効きます。つまり、同じ案件でも、企画の中心はTerra、反論整理はSol、派生物はLunaと工程で分ける方が合理的です。
次は、経営会議向けに20ページのPDFを3本読み、「共通する市場変化、数字の食い違い、意思決定に必要な追加調査」を出す場面です。この仕事で怖いのは、要約が少し雑になることではなく、資料Aの数字と資料Bの前提を混ぜることです。
このケースはSolを優先します。長い資料をまたいで矛盾を追い、前提条件を分け、最後に判断材料へ戻す必要があるからです。思考強度を上げる価値もあります。ただし、最初から「極めて高い」に固定するのではなく、まず高で構造を作り、矛盾が多いときだけxhighやmaxへ上げる方が無駄がありません。
一方、3ページ程度の社内報告書を「部長向けに5項目で要約」するならTerraで十分です。Lunaは、フォーマットが固定された定型要約を大量に処理するときに向きます。ここでの独自ポイントは、ページ数ではなく“資料間の依存関係”です。100ページでも各ページが独立したFAQならLunaやTerraで分割できますが、10ページでも前後の論理が連鎖する契約書や仕様書はSol寄りです。
Web担当が「お問い合わせフォームの送信後、完了画面へ遷移しない。原因を調べて修正案を出して」と頼むケースを考えます。HTMLとJavaScriptだけの小さな不具合で、再現条件が明確ならTerraから始めて問題ありません。エラーログ、該当コード、期待動作を揃えれば、原因候補と修正箇所を絞れます。
ただし、認証、決済、外部API、データベース更新が絡むならSolへ寄せます。1行の修正が別機能を壊す可能性があり、テスト計画、ロールバック、権限、セキュリティまで見る必要があるためです。Lunaは、変数名の整理、コメント追加、決まった規則でのコード変換など、判断の幅が狭い作業に向きます。
ありがちな失敗は、最初からSolに「全部直して」と投げ、巨大な変更案を受け取ることです。能力が高いモデルほど、指示が広いと改善範囲も広がりやすい。修正対象、触ってよいファイル、禁止事項、テスト条件を先に決めなければ、賢さがそのまま安全性にはなりません。
バックオフィスで、問い合わせメール100件を「請求、解約、不具合、その他」に分類し、30字の要約を付ける仕事を想定します。これはLuna向きです。処理量が多く、分類ルールが明確で、1件の誤りを人が短時間で直せるからです。
ただし、全部をLunaだけで完結させるより、「分類の確信度が低いもの」「複数カテゴリにまたがるもの」だけTerraへ回す設計が強いです。さらに、重大クレームや法的表現を含むものだけSolへ送る。こうすると、高価なモデルを全件に使わず、失敗コストが高い例外だけ厚く処理できます。
この“段階式ルーティング”は、モデル比較記事であまり語られない実務的な使い方です。モデルを1つ選ぶのではなく、Lunaでふるい、Terraで判断し、Solで最終確認する。ChatGPTの画面でも、同じ会話をそのまま引き継ぐより、重要な案件だけ要点を整理して上位モデルへ渡す方が、前提の混線を防げます。
混乱の原因は、モデル名と思考強度が同じ画面に出る製品があることです。GPT-5.5の低・中・高・極めて高は、同じモデルにどれだけ計算を使わせるかの調整です。一方、Sol・Terra・Lunaはモデル自体の役割分担です。Terraの高とSolの低を、モデル名だけで上下比較することはできません。
実務では、先に仕事の難しさと失敗時の損失でモデルを決め、その後に推論強度を決めます。たとえばLunaの推論強度を上げても、Solと同じ役割になるわけではありません。製品ごとに選べる強度や表示名は異なるため、利用中のモデルピッカーとChatGPTの公式提供状況を確認してください。
ここが、今まさに既存プロジェクトを抱えている人の知りたいところです。結論から言うと、GPT-5.5の「中」を日常的な企画、調査、文章作成、軽いコード相談に使っているなら、まずTerraへ切り替えて同じ作業を試す価値があります。OpenAIのAPI価格では、GPT-5.5が100万トークンあたり入力5ドル・出力30ドルなのに対し、Terraは入力2.5ドル・出力15ドル。入力も出力もちょうど半額です。
しかもTerraは、公式に「知能とコストのバランス」を狙ったモデルとして位置づけられ、旧世代のmini系に近い価格帯でありながら、日常業務を担当するモデルとして設計されています。したがって、作業の重みが同じで、5.5の中で困っていない仕事なら、「5.6だから必ず上」ではなくても、Terraで同等の成果をより軽く出せるかを確認する合理性があります。特にAPIやCodexで長いプロジェクトを回す人は、出力トークンの半額が効きやすいです。
ただし、ChatGPT PlusやBusinessの画面で使う場合、API単価が半額だから月額料金も半額になるわけではありません。ユーザー側に現れる差は、利用上限、応答速度、待ち時間、モデルの選択回数として感じやすい部分です。だからChatGPT利用者は「料金が安いから移行」ではなく、同じ依頼をTerraで処理して、修正回数と所要時間が増えないかで判断します。
| 今の使い方 | 最初に試す移行先 | 判断基準 |
|---|---|---|
| 5.5 中で企画・調査・文章作成 | Terra 中 | 同じ品質で修正回数が増えなければ移行 |
| 5.5 高で複数資料の統合 | Terra 高から開始 | 矛盾検出が弱ければSolへ上げる |
| 5.5 極めて高いで重要判断 | Sol 高以上 | 初回正解率とレビュー負担を比較 |
| 5.5 低で要約・分類を大量処理 | Luna | 例外率が高ければTerraへ戻す |
既存プロジェクトで最も危ないのは、モデル公開直後に会話、指示書、成果物生成を一度に切り替えることです。出力が変わったとき、モデル差なのか、引き継いだ文脈なのか、プロンプト変更なのかを判別できなくなります。まず、毎週繰り返している1工程だけを選びます。たとえば「記事構成案を作る」「競合情報を表にする」「コードレビューコメントを出す」といった、品質を比較しやすい工程です。
同じ入力、同じ資料、同じ出力形式で5.5とTerraを1〜3回ずつ試し、見るのは文章の好みではなく、抜け、事実誤認、追加指示の回数、完成までの時間です。Terraで修正が増えないなら、その工程は移行候補です。逆に、短くはなったが重要な条件を落とす、複数資料を混同する、コードの波及範囲を見落とすなら、Terraの思考強度を上げるかSolへ寄せます。
この方法なら、「5.6へ全面移行して失敗した」「新しいモデルなのに期待外れだった」という極端な判断を避けられます。モデル変更は引っ越しではなく、チーム内の担当替えに近いものです。担当業務を一つずつ渡し、問題がなければ範囲を広げる方が、プロジェクトを止めません。
| 設定 | 使いどころ | 避けたい使い方 |
|---|---|---|
| 低 | 要点整理、短い修正、方向確認 | 複数資料の矛盾検証 |
| 中 | 日常の企画、調査、文章作成 | 失敗時の損失が大きい最終判断 |
| 高 | 比較、反論整理、複雑なコード | 定型文100件の処理 |
| 極めて高い／xhigh以上 | 長い依存関係、検証回数が多い課題 | 質問自体が曖昧なまま丸投げ |
モデル選択で止まったら、次の3問だけで決めます。第一に、間違いが見つかったときの修正は10分以内か。第二に、複数の資料や条件をまたいで考えるか。第三に、同じ処理を何十件も繰り返すかです。
修正が10分以内で大量処理ならLuna。修正が10〜30分で、企画や調査の中心ならTerra。修正が30分を超え、複数資料、コード、契約、重要提案に波及するならSol。さらに、初回は低〜中で方向を合わせ、論点が固まってから高以上へ上げると、待ち時間とやり直しの両方を抑えられます。
向いていないのは、「とにかく最新だからSol」「安いから全部Luna」と固定する使い方です。モデルを固定すると、軽作業で待ちすぎたり、重要作業で修正が増えたりします。ChatGPTのモデル選択は、担当者を選ぶ感覚に近いです。総務の定型処理、企画会議の壁打ち、専門家レビューを同じ人へ全部頼まないのと同じです。
API価格はSol、Terra、Lunaで明確に差がありますが、ChatGPT利用者はトークン単価を直接払っていないことも多く、価格差を実感しにくいです。それでも、モデル選択にはコストがあります。上位モデルで毎回長く待つ時間、利用上限へ早く近づく不安、下位モデルで前提を何度も説明し直す手間です。
たとえば、15分で終わる定例レポートをSolで丁寧に作っても、差分がほとんど出ないなら待ち時間が無駄になります。反対に、重要な提案書をLunaで何度も直し、上司から戻されるなら、最初からSolを使った方が安い。つまり、APIではトークン単価、ChatGPTでは人間の作業時間まで含めて考える必要があります。
2026年7月13日時点で、OpenAIはGPT-5.6 Solを対象の有料プランへ段階展開中と案内しています。標準のChatGPT会話ではFree、Go、ログアウト利用者はSolの対象外で、TerraとLunaは選択できません。ChatGPT WorkとCodexでは利用できるモデルが増え、管理されたワークスペースでは管理者設定でも表示が変わります。「記事では使えると書いてあったのに表示されない」ときは、使っている製品、契約プラン、モデルピッカーを順に確認してください。
実務で起きやすいもう一つの失敗は、Lunaで始めた長い会話を、途中からSolへ切り替えれば自動的に全部よくなると思うことです。会話の前半に曖昧な前提、古い数字、採用しなかった案が混ざっていると、上位モデルもその文脈を引き継ぎます。能力が上がっても、汚れた作業台はそのままです。
重要工程へ移るときは、新しいチャットを作り、「確定した前提」「未解決の論点」「使ってよい資料」「出力形式」だけを短く渡します。企画書なら、ターゲット、予算、競合、禁止案、意思決定者の条件をまとめる。コードなら、再現手順、ログ、触ってよいファイル、テスト条件をまとめる。この引き継ぎメモが、モデル差より大きく品質を変えることがあります。
おすすめは、Lunaを作業員、Terraを担当者、Solをレビュー責任者として扱うことです。作業員へ任せた結果を、そのまま責任者へ丸投げするのではなく、担当者が論点を整理してから渡す。この三段階にすると、モデルを増やしたせいで逆に混乱する問題を防げます。
能力の上限ではSolが最上位ですが、普段の仕事で常にSolが最適とは限りません。速度、利用上限、コスト、修正時間まで含めると、日常業務はTerra、大量の定型処理はLunaの方が合理的です。
単純比較はできません。5.5の思考強度は同じモデル内の計算量調整で、Solは別モデルの位置づけです。まず仕事内容でモデルを選び、その後に思考強度を決めてください。
日常的な文章作成、企画、一般調査、表整理なら、Terraを同じ入力条件で試す価値があります。API単価は5.5の半額ですが、品質が同じとは限らないため、修正回数と完成時間を比較し、複雑な仕事だけSolへ残す方法が安全です。
低品質というより、速度とコストを優先したモデルです。短い要約、分類、言い換え、定型文では十分な場面が多く、例外判断や複雑な推論だけ上位モデルへ回すと効率的です。
必ずしもそうではありません。指示が曖昧なまま思考時間だけ増やすと、ズレた前提を深く掘ることがあります。まず低〜中で方向を確認し、重要な論点だけ高以上へ上げる方が実務的です。
本記事のモデル名、API価格、コンテキストウィンドウ、対応ツールはOpenAI APIのモデル一覧、ChatGPT・Work・Codexにおける提供範囲はGPT-5.6 in ChatGPT、公開時の位置づけはOpenAIのGPT-5.6発表を2026年7月13日に確認しました。料金、提供範囲、利用上限は変更されるため、実運用前に必ず公式ページを再確認してください。
ChatGPT全体の基本機能はChatGPTのツール紹介、検索用途との違いはPerplexityとChatGPT検索の比較もあわせて確認してください。