GPT-5.6は1つのモデルではなく、Sol・Terra・Lunaの3つから構成されており、サイズと価格の降順に並んでいます。いずれもコンテキストウィンドウは105万トークン、最大出力は128Kトークンで共通です。OpenAIの命名規則はサイズの順序を示しているに過ぎないため、2026年9月2日に私たちは自社APIを通じて3つのモデルすべてに同一の3つの質問を行い、回答をストリーミングし、各リクエストの請求額を確認しました。Claude Opus 5・Kimi K3・Gemini 3.7 Flashなど12モデルを対象にした完全版テストは、同日比較記事でご覧いただけます。本記事はGPT-5.6ファミリーに絞った内容です。
注目すべき結果は次のとおりです。Terraは、ファミリー内だけでなく12モデル全体で最も初回トークンまでの時間が短く、3つのプロンプルいずれでも推論トークンを一切使用せず、2つのプロンプトについてはブラインドテストの読者がSolの回答と区別できないほどの品質を示しました。Solが価格に見合った結果を出したのは判断力を問う設問1問のみで、Terraの約4倍の料金を払いながら10秒かけて回答しました。Lunaは3問合計でわずか0.1セント未満の請求で正確な回答を返しましたが、速度面で1点だけ注意すべき点がありました。
プロンプトと設定
各モデルページの「実際の出力」セクションから、完全版テストと同じ3つのプロンプトをそのまま使用しました。
- 「重複する区間をマージするPython関数と、短いテスト3つを書いてください。コード全体を40行以内に収めてください。」
- 「約120語で、初めての創業者にモノリスとマイクロサービスのどちらを選ぶべきかを説明し、分割のタイミングを示す1つのシグナルを教えてください。」
- 「次の文を3通りに書き換えてください。それぞれ明確に異なるトーン（平易・ユーモラス・エグゼクティブ）で、ラベルを付けてください：『Our app makes budgeting easy.』」
すべてのリクエストは、2026年9月2日に米国の家庭用回線に接続したノートPCからNinjaChat APIへ送信しました。各モデルへのウォームアップリクエスト後に1件ずつ実行し、temperature 0.7、最大出力2,500トークン、使用量レポート付きストリーミング、推論はモデルのデフォルト設定を使用しました。3つのサイズはいずれもOpenAIが直接提供しています。初回トークンまでの時間は、隠れた推論処理後に最初の文字が表示されるまでの時間であり、レイテンシには当社のルーティング処理も含まれます。コストはAPIが報告した請求額です。単回の計測はばらつきが生じるため、小数点以下の数値は参考値として、全体的なパターンをご参照ください。
結果
| サイズ | プロンプト | 初回トークンまでの時間 | 合計時間 | 出力トークン数 | 推論トークン数 | 回答の請求額 |
|---|---|---|---|---|---|---|
| Sol | 区間マージ（コード） | 8.8秒 | 10.7秒 | 194 | 26 | $0.0046 |
| Sol | モノリスかマイクロサービスか | 7.0秒 | 10.0秒 | 164 | 238 | $0.0082 |
| Sol | 3つのトーン（書き換え） | 2.2秒 | 3.2秒 | 47 | 0 | $0.0011 |
| Terra | 区間マージ（コード） | 1.5秒 | 2.9秒 | 184 | 0 | $0.0023 |
| Terra | モノリスかマイクロサービスか | 2.4秒 | 4.6秒 | 167 | 0 | $0.0021 |
| Terra | 3つのトーン（書き換え） | 2.4秒 | 3.3秒 | 54 | 0 | $0.0008 |
| Luna | 区間マージ（コード） | 5.9秒 | 7.2秒 | 171 | 374 | $0.0007 |
| Luna | モノリスかマイクロサービスか | 2.6秒 | 4.4秒 | 165 | 75 | $0.0003 |
| Luna | 3つのトーン（書き換え） | 1.6秒 | 2.1秒 | 44 | 0 | $0.0001 |
3つの注目ポイントがあります。
コードはすべて同じでした。 3つのサイズすべてが、ソート＆スイープ方式の区間マージ関数と3つのアサートを返しました。違いはリストとタプルのどちらを返すか、docstringを追加するかどうかという程度です。Terraは推論トークンを一切使わず2.9秒で回答し、これはこの日テストした12モデル全体でも最速でした。Solは26の推論トークンを使用し、docstringを追加した上で10.7秒を要しました。その大半は最初の文字が表示される前の処理時間です。Lunaは374トークンの推論を行い7.2秒かかり、3つの中で最もコンパクトな関数を生成しましたが、この日の自身の回答の中では最も遅い結果でした。
Solは判断を問う設問で思考します。 創業者向けの設問でSolは238の推論トークンを消費してから回答を始め、初回トークンまで7秒を要し、3つの中で最も優れた文章を生成しました。「製品の特定の部分が繰り返し独立したデプロイやスケーリングを必要とし、モノリスがそれを実際に妨げているとき、分割を検討する」という内容に続き、「その境界のみを切り出し、明確なインターフェースとオーナーを与え、それ以外はまとめたままにしておく」と記述しました。Terraはほぼ同じ内容を2番目の文なしに4.6秒で回答し、請求額は4分の1でした。Lunaは75トークンの短い推論を行い、他の2つが見落とした一文を加えていました。「そのコンポーネントを切り出した後、改善を測定し、そこで止める」という内容です。
短いコピーでは3つは同一モデルのようです。 3つの書き換えはほぼ互換性があります。SolとTerraは平易なバージョンを同じ7語で書き始め、「Our app helps you manage your budget」という表現を使い、Lunaも同じアイデアを言い換えただけでした。エグゼクティブラインには3つともが「streamlines budgeting」を使用しています。Lunaは2.1秒で回答し、請求額は0.01セントでした。
価格・コンテキスト・制限
2026年9月2日時点のNinjaChat APIの定価と、各サイズで3問分のテスト全体にかかった請求額は以下のとおりです。
| サイズ | モデルID | 入力/出力（100万トークンあたり） | キャッシュ入力（100万トークンあたり） | コンテキストウィンドウ | 最大出力 | 3問分の合計請求額 |
|---|---|---|---|---|---|---|
| Sol | gpt-5.6-sol | $4 / $20 | $0.4 | 1,050,000 | 128,000 | $0.0139 |
| Terra | gpt-5.6-terra | $2 / $12 | $0.2 | 1,050,000 | 128,000 | $0.0052 |
| Luna | gpt-5.6-luna | $0.2 / $1.2 | $0.02 | 1,050,000 | 128,000 | $0.0011 |
重要なのはその比率です。Terraの入力価格はSolの半額、出力価格は60%。この日の3問分の請求額はSolの37%でした。Lunaの入力価格はSolの20分の1、出力価格は17分の1で、3問分の請求額はTerraの約5分の1です。キャッシュ入力も同様の階段構造を持っており、毎ターンで長いシステムプロンプトを再送するエージェントには特に重要です。Lunaで5万トークンのプロンプトをキャッシュした場合、1回の呼び出しコストは0.1セント以下になります。
3つのサイズでコンテキストウィンドウが共通というのは珍しく、かつ実用的です。100万トークンのフルコンテキストを使いながらLunaでプロトタイプを作成し、回答の品質が不十分な場合に1つの呼び出しだけSolに切り替えることができます。チャンクの構成を変える必要は一切ありません。
どのサイズをいつ使うべきか
デフォルトはTerraを使用してください。 新規プロジェクトにまず試してほしいサイズです。Solと同じコンテキスト、推論が不要なタスクでは推論コストなし。この日のコードタスクでは3サイズ中最速で、創業者向け設問ではLunaとの差は0.2秒以内でした。創業者向けの回答はSolより1文だけ短かった程度です。
Solは回答そのものが製品となる呼び出しに使用してください。 顧客が読む計画書、難しいバグの診断、重要な注意点の欠落が問題につながる分析など。こういった場面ではSolが一時停止して推論する能力こそが必要なものです。10秒の待ち時間は、誤った回答と比べれば何でもありません。コストには注意が必要です。推論トークンは出力として請求されるため、あの設問1問だけでTerraの約4倍の請求になりました。
Lunaは大量処理に使用してください。 分類・抽出・ルーティング・大規模な書き換え・人が編集する前提の初稿など、1日に何千回も実行するような処理に最適です。今回の3問でも誤りはなく、3問合計の請求額は約0.1セントでした。なお、Lunaはプロンプトの内容によって自発的に推論を行うことがあります。コードのプロンプトでは7秒かかりました。即時性が必要な場合は、リクエストで推論努力レベルを低く設定してください。
効果的なパターン：LunaでルーティングしてTerraで回答、必要ならSolにエスカレーション。 Lunaにリクエストが軽微かどうか判断させ、通常ケースはTerraで処理し、本当に深い思考が必要な少数のケースをSolに送ります。3つがコンテキストウィンドウを共有しているため、エスカレーションはモデル文字列を1行変えるだけです。
IDで呼び出す
3つすべてがNinjaChat APIでライブ稼働中です。OpenAI互換、キー1つ。電話番号認証済みのアカウントには$0.50のスターター残高が付与されます。IDはそれぞれ gpt-5.6-sol・gpt-5.6-terra・gpt-5.6-luna です。
curl https://www.ninjachat.ai/api/v1/chat/completions \
-H "Authorization: Bearer $NINJACHAT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-terra",
"messages": [{"role": "user", "content": "Write a Python function that merges overlapping intervals, plus three short tests."}],
"max_tokens": 2500,
"stream": true,
"stream_options": {"include_usage": true}
}'
from openai import OpenAI
client = OpenAI(base_url="https://www.ninjachat.ai/api/v1", api_key="YOUR_KEY")
def ask(model, prompt, **kw):
r = client.chat.completions.create(model=model, messages=[{"role": "user", "content": prompt}], max_tokens=2500, **kw)
u = r.usage
print(model, "output tokens:", u.completion_tokens, "reasoning tokens:", u.completion_tokens_details.reasoning_tokens)
return r.choices[0].message.content
# 安価なモデルで初回処理し、同じプロンプト・同じコンテキストでエスカレーション。
draft = ask("gpt-5.6-luna", "Summarise this incident report in five bullets: ...")
final = ask("gpt-5.6-sol", "Summarise this incident report in five bullets: ...", reasoning_effort="high")
各レスポンスのusageオブジェクトは推論トークンと可視出力トークンを別々に報告するため、Solのコストがどこで発生しているかを正確に追跡できます。各IDのライブ価格は、キー不要で GET https://www.ninjachat.ai/api/v1/models から確認できます。また、コンシューマー向けとしても3つすべてをお試しいただけます：Sol・Terra・Luna、有料プランで利用できます。
よくある質問
GPT-5.6 Sol・Terra・Lunaの違いは何ですか？ サイズと価格です。Solが最大かつ最高性能、Terraが中間、Lunaが最小で最安値です。3つともコンテキストウィンドウ105万トークン・最大出力128Kトークンを共有しているため、選択の基準はコストパフォーマンスであり、処理できる内容の違いではありません。
GPT-5.6 Terraはコーディングに十分な性能がありますか？ 2026年9月2日のテストでは、Solと同じ区間マージ関数をテスト付きで2.9秒、推論なしで生成しました。日常的な関数処理には最適なサイズです。アーキテクチャの検討や本格的な思考が必要なバグ修正はSolにエスカレーションしてください。
なぜSolは特定のプロンプトでコストが大幅に高くなったのですか？ 推論のためです。創業者向けの設問では、可視出力164トークンを書く前に238の推論トークンを生成し、推論トークンは出力として請求されます。書き換えでは推論トークンを使用しなかったため、Terraとほぼ同等の請求額でした。
NinjaChat APIでのGPT-5.6の料金は？ 2026年9月2日時点のNinjaChat APIの料金：Solは入力$4・出力$20（100万トークンあたり）、Terraは$2・$12、Lunaは$0.20・$1.20で、キャッシュ入力は入力価格の10分の1です。価格は変動することがあるため、予算計画前にmodelsエンドポイントでご確認ください。
コードを変えずにサイズを切り替えられますか？ はい。3つはコンテキストウィンドウとAPIサーフェスを共有しているため、切り替えはモデル文字列を変えるだけです。上記のPythonスニペットのエスカレーションパターンがその考え方の核心です。
Lunaは推論を行いますか？ デフォルトでは、状況によって行います。コードのプロンプトでは374トークン、創業者向けプロンプトでは75トークンの推論を行い、書き換えでは行いませんでした。深い検討を促すような質問でも即時性を重視したい場合は、リクエストで推論努力レベルを下げてください。