GPT-6ファミリーのモデルガイド：三つの階層、推論強度、コスト管理

2026年10月2日、OpenAIはスタートアップと開発者に向けた実践的な文書「GPT-6ファミリーのモデルガイド」を公開した。このガイドは新しいモデルを発表するものではない。すでに提供されているモデル群を、チームがそのまま実行できる工学的な手順としてまとめ直したものである。最初から立場は明確で、GPT-6は単一のモデルではなく、用途別に選べるスイートだという。構成は三つある。GPT-6 Astraは最も高い知能を持つモデルで、入力が100万トークンあたり10ドル、出力が50ドル、キャッシュ入力が1ドルである。GPT-6.1 Solは、Astraに近い知能を5分の1の価格で提供し、入力2ドル、出力10ドル、キャッシュ入力0.10ドルとされる。GPT-6 Lunaは大規模な日常業務に向く高速で効率的なモデルで、入力0.10ドル、出力0.50ドル、キャッシュ入力0.01ドルである。価格差は大きく、Lunaの入力価格はAstraの100分の1にすぎない。そのため、モデル選びは「最強を使えばよい」という話ではなく、意図的に予算を決める作業になる。 ガイドの第一部は、本番環境で安定して動かすための方法である。中心となる助言は、まずコンテキストを管理することだ。タスクに不要な文脈は削り、必要な証拠は残す。互いに無関係なタスクは並列で実行し、遅い一つの工程が他の作業を止めないようにする。繰り返し発生する作業では、プロンプトキャッシュで共有コンテキストを再利用する。OpenAIによれば、キャッシュされた入力トークンの料金は、モデルによって最大95%安くなる。価格表を見ると、Solのキャッシュ価格0.10ドルは通常の入力価格のちょうど20分の1である。この割引を得るには、変わらない指示や参照資料を先頭に置き、毎回変わるタスクの詳細を後ろに置く。ツール定義も呼び出しごとに一貫させる。キャッシュのダッシュボードと診断ガイドを使えば、再利用がどこで途切れているかが分かる。ワークフロー全体の費用を見積もるときは、キャッシュの書き込みと長いコンテキストの料金も含める必要がある。会話が長くなった場合は、圧縮によって、続行に必要な状態を保ちながらコンテキストを小さくできる。デプロイ前には、代表的なタスクを実行し、タスク成功率、遅延、そして成功したタスクあたりの費用を測るべきだとされる。最後の指標は特に重要である。一回の呼び出しが安くても、ワークフロー全体が安いとは限らない。三回やり直す安価なモデルは、一回で終わる高価なモデルより高くつくことがある。

第二部は、モデルを作業負荷に合わせる方法である。ガイドはこれを知能と価格のトレードオフとして整理している。Astraは最大の知能が必要な最も難しい推論に充てる。Solは複雑なコーディング、調査、コンピュータ操作に向く。Lunaは、請求書の項目抽出、問い合わせの分類、構造化された要約など、目的が明確で繰り返し発生する作業に適する。モデルに加えて、APIでは推論の強度も選べる。低は事実の抽出や小さな修正といった定型作業に向く。中は機能の計画や選択肢の比較など、判断を要する作業に向く。高は難しいデバッグ、深い分析、慎重なレビューに使う。さらに上の「超高」や「最大」は、高で足りないときだけ試し、追加の時間と費用に見合う改善がある場合のみ残すべきだとされる。APIでは、キャッシュを壊さずに会話の途中で推論強度を変えられる。Codexでは、まずそのモデルの既定値で始め、単純な作業では下げ、深い分析では上げる。応答時間が重要なチャットアプリやコーディングツールでは、高速モードも使える。モデル、強度、速度という三つのつまみにより、製品単位ではなくタスク単位で費用を設計できる。 第三部はプロンプトとスキルである。ガイドは、モデルに明確な課題を与え、必要な出力を定義するよう求める。プロンプト、スキル、リポジトリの指示は、何を納品するのか、何を自力でしてよいのか、何をもって完了とするのかについて、互いに一致していなければならない。当たり前に聞こえるが、エージェント型ワークフローで最もよくある失敗の原因の一つである。リポジトリの指示が自由に編集してよいと言い、プロンプトが先に確認せよと言えば、モデルは二つの指示の間で揺れる。完了の条件を検証可能な形で書けば、早すぎる終了や、際限のない手直しも減らせる。 第四部は長時間実行されるタスクを扱う。OpenAIは、途中の更新や独立した作業を扱うために、ステアリング、非同期ツール、委任を使うよう勧めている。また、モデルがいつ手を止めて人に尋ねるべきかについて、明確な境界を設けるよう求めている。長いタスクでは、この境界が知能の高さそのものより重要である。尋ねるべきときに独断で動くエージェントの代償は、余分な質問一つよりはるかに大きいからだ。Codexでは、コンピュータ使用を活用すれば、本来は人が手で行う工程をより多くモデルに任せられる。記事の末尾には、GPT-6 Astraでテストから本番へ進んだチームの事例も挙げられている。

総じて、このガイドの価値は新機能ではなく、費用管理を製品設計の一部にした点にある。これまでは最強のモデルを先に選び、その後で節約の方法を探すことが多かった。OpenAIが示す順序はその逆である。まずタスクと成功基準を定める。次に、それを満たす最も安いモデルと強度を選ぶ。最後に、キャッシュ、圧縮、並列化で請求額を下げる。スタートアップにとっては、評価セットと成功タスクあたりの費用が日々の指標になるということだ。階層化されたモデルと調整可能な推論強度は業界の標準的な作法になるだろう。競争の焦点も、単発のベンチマークから、ワークフロー全体の信頼性と単位経済性へ移っていくと考えられる。