OpenAIが7月30日、GPT-5.6ファミリーのAPI価格を改定しました。同社はあわせて、効率化と投資をどう循環させているかを説明する記事を公開し、その中でLunaを80パーセント、Terraを20パーセント値下げしたことに触れています[1]。Lunaの入力は100万トークンあたり0.20ドル（約32円）まで下がり、上位のSolは価格据え置きのまま新しい速度オプションが用意されました[2][3]。
Lunaは5分の1、Terraは2割安に
新価格は7月30日から適用されています。値下げ前後を並べると次の通りです[2][3]。
| モデル | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| GPT-5.6 Luna（改定前） | 1ドル（約160円） | 6ドル（約950円） |
| GPT-5.6 Luna（改定後） | 0.20ドル（約32円） | 1.20ドル（約190円） |
| GPT-5.6 Terra（改定前） | 2.50ドル（約400円） | 15ドル（約2,400円） |
| GPT-5.6 Terra（改定後） | 2ドル（約320円） | 12ドル（約1,900円） |
※1米ドル=159円換算（2026年7月31日時点）
影響はAPIだけにとどまりません。ChatGPT WorkとCodexで両モデルが消費するクレジット数も減っており、契約中の企業は追加の支払いなしでこれまでより多くの処理を回せる形になります[3]。
GPT-5.6ファミリーの公開は7月9日で、値下げはそこから3週間ほどのタイミングです。上位から順にSol、Terra、Lunaという3階層構成で、Lunaは最速かつ最安の位置づけを担っています。
Solは価格据え置き、代わりに「Fast mode」
フラッグシップのSolについては価格の変更がありません。その代わりAPIでは、従来のPriority Processingに置き換わる形でFast modeが導入されました[3]。標準処理の最大2.5倍の速度を2倍の価格で提供し、知能そのものは変わらないという整理です[1]。すでにpriorityを指定して投げているリクエストは引き続き動作するとされています[3]。
OpenAIは、どのモデルをどの仕事に割り当てるかという問いの立て方自体を見直すべきだと書いています。求める結果にどれだけの知能が必要か、どれくらい速く必要か、いくらで済ませたいか。この3点の釣り合いは1つのワークフローの中でも何度か変わる、という説明です[1]。
値下げの原資は提供効率の改善
価格を下げられた理由として同社が挙げているのは、学習と推論のスタック全体にわたる効率化です[3]。象徴的なのはGPT-5.6 Sol自身が本番用GPUカーネルの最適化に関わった件で、エンドツーエンドの提供コストは20パーセント下がりました。投機的デコードの改善では、トークン生成の効率が15パーセント以上向上しています[1]。
効率はモデル単体で決まらないという点も強調されています。直近のベンチマーク分析では、推論の保持とコンテキスト管理を改善した結果、公開課題セットARC-AGI-3におけるSolのスコアが13.3パーセントから38.3パーセントへ上がり、出力トークンは6分の1で済んだとしています。モデルは変わっておらず、周囲のシステムだけが変わったという例です[1]。
見るべきは「成功した成果のコスト」
同社は、顧客はトークンそのものを買いたいわけではないとも書いています。問い合わせが解決すること、ソフトウェアが出荷されること、契約書のレビューが終わることが目的であり、測るべきは再試行や監督、間違いの手直しに費やした時間まで含めた成果あたりのコストだという主張です。安いモデルで何度もやり直すより、強いモデルで一度に片付けたほうが結果的に安く済む場合がある、という理屈になります[1]。
その裏付けとして示されているのが利用規模です。モデルの利用者は10億人超、法人は200万社超に達しています。登録から6か月が経つと1日に送るメッセージは約50パーセント増え、ChatGPTを使う仕事の種類は約2倍に広がるとしています。社内ではCodex経由のエージェント作業が週次の出力トークンの99.8パーセントを占めているという数字も出ています[1]。
企業の支出は減らず、使い道が変わる
一方で、値下げが企業のAI予算をそのまま縮めるとは見られていません。Pareekh ConsultingのPareekh Jain氏は、CIOにとっての最大の影響はコスト削減よりも導入範囲の拡大だと指摘しています。価格が下がれば実証実験を本番へ移しやすくなり、複数回のモデル呼び出しが必要なエージェント型のワークフローも採算に乗るという見立てです。多くの企業は浮いた分を利用量に再投資するとして、効率化がかえって消費全体を増やすジェボンズのパラドックスを引き合いに出しています[3]。
AvasantのChandrika Dutt氏も、これまで経済的に正当化しづらかった高度なエージェント基盤の構築に、企業が今回の余裕を振り向けるだろうと見ています。Jain氏は、新しいチップや効率的なモデル設計と激しい競争によって、今後24か月は各社の推論コストが下がり続ける可能性が高いとも述べており、価格性能比の変化に合わせてモデルを差し替えられる柔軟な構成とAI FinOpsを前提に設計すべきだと勧めています[3]。
まとめ
今回の改定は、Lunaを実質5分の1の単価にし、Terraを2割安くした一方で、フラッグシップのSolは価格を据え置いてFast modeで速度の選択肢を足す、というめりはりの付いた内容です。値下げの裏にあるのはモデル自身が関わった提供コストの削減で、OpenAIは効率化と投資を回す循環として説明しています。安くなった分をどう使うかは、利用する側の設計次第という段階に入ってきました。
出典[1] https://openai.com/index/building-abundant-intelligence/
出典[2] https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/
