GPT-6 ファミリー選定ガイド公開：OpenAI が3段階の価格と使い方を一度に明示

GPT-6 ファミリーをどう選ぶかという実務的な問いに、OpenAI は 2026 年 10 月 2 日に公開した公式ガイド『A model guide for the GPT-6 family』で体系的に答えました。このガイドは3段階の価格を並べるだけではありません。推論レベル、プロンプトキャッシュ、プロンプトの書き方、長時間タスクの管理をまとめて扱い、開発チームにコストと能力を一体で考える方法を示しています。

3段階のモデルと価格

価格はいずれも100万 token あたりです。GPT-6.1 Sol は複雑なプログラミング、研究、computer use に向きます。GPT-6 Luna は請求書の項目抽出、リクエストの分類、構造化された要約の生成といった反復可能な業務が対象です。段階間の価格差は最大で100倍に達するため、選び方を誤るとコストはそのまま膨らみます。

モデルと推論レベルを一緒に選ぶ

中核となる原則は、モデルの選択と推論レベルを、知能と価格のトレードオフとして一緒に捉えることです。Low は事実の抽出や小さな修正などの定型作業に、Medium は機能の計画や案の比較など判断を要する作業に、High は困難なデバッグ、深い分析、丁寧なレビューに向きます。Extra high と Max は High で足りない場合にだけ試し、改善が追加の時間とコストに見合うときだけ残すべきです。すべてに最高設定を既定にするのではなく、タスクの難しさに応じて振り分けることが求められます。

プロンプトキャッシュとコンテキスト管理

キャッシュされた入力は、キャッシュされていない入力より最大で95%安くなります。ガイドは、安定した指示と参考資料を変化するタスクの詳細の前に置き、ツールの定義を一貫させることでキャッシュの命中率を上げるよう勧めています。長い会話では compaction でコンテキストを圧縮しつつ、作業を続けるのに必要な状態を保持でき、長時間タスクが高コストで低速になるのを防げます。

プロンプトの書き方は変わりつつある

OpenAI の開発者体験責任者 Eric Provencher は、モデルがニュアンスや曖昧さを理解する力が高まり、かつて有効だった過度に具体的な指示が今では結果の妨げになり得ると述べています。ガイドが求めるのは明確なタスク指示書です。望む結果、誰のためのものか、関連する背景と制約、そして何をもって完了とするかを示します。skills の説明は短く明確にし、いつ実行するかを記します。一律に「まず私に聞いて」という規則の代わりに、明確な判断の境界を使います。「完了」の定義には、変更を実装し、実行し、結果を確認し、失敗を修正することまで含まれます。

数時間から数日に及ぶタスクのために

GPT-6 ファミリーは数時間から数日に及ぶタスクを引き受けられます。API 側では Responses WebSocket API により、モデルの作業中に方向を修正でき、更新はキューに入り、実行中のツールはキャンセルされません。遅いツールの実行中、モデルはそれに依存しない作業を先に進められます。GPT-6.1 Sol は Responses API で独立したサブタスクをサブエージェントに割り当てて並行処理することもでき、マルチエージェントは現在 beta です。3モデルともウェブサイトやデスクトップアプリを直接操作でき（computer use）、原則は各ステップで最も確実で最も単純な方法を選ぶことです。API や接続ツールで完了できるなら、画面を読んでボタンをクリックする必要はありません。

チームの事例も示されています。Cognition は Astra を使い、事前情報なしで、5000 ドルの現金と 20 万の API クレジットに関わる支払い bug の修正を30分以内にエンドツーエンドで突き止め、検証しました。Harvey は Astra と監査ログを使い、約8000件の文書のコーパスで法律エージェントをテストしました。Invideo は Astra をカラーグレーディングと補正のタスクに使い、成功率を約3倍にしました。

注意点として、このガイドは3モデルのコンテキストウィンドウの長さを公開していません。超長文コンテキストを計画するチームは追加情報を待つ必要があります。選定中のチームにとって、このガイドの価値は判断を「最強を選ぶ」から「タスクごとに振り分ける」へ変える点にあります。日常業務は Luna でコストを抑え、複雑な作業は Sol、本当に難しい課題は Astra に任せ、推論レベルとキャッシュを重ねることで、支出全体を管理できます。