GPT-6 vs GPT-6 Luna：100万トークンあたり10セント、そして無料プランに応えるティア

この比較には、答えが一行で済む版もある。GPT-6は呼び出せないが、GPT-6 Lunaなら100万入力トークンあたり10セントで呼び出せる。しかし、より役に立つのは、なぜLunaが今やほとんどの人が実際に使ったことのあるモデルなのかを説明する版だ。OpenAIは2026年10月8日、ChatGPTのFreeおよびGoプランにこれを搭載し、それによりLunaはこの世代で最も安い階層となり、ユーザー数では最も利用の多いものとなった。以下では、階層のはしごを一度説明し、そのうえで100万あたり10セントが実際に何をもたらすのかを見ていく。

家族、そしてその中でのルナの位置づけ

OpenAIはGPT-6世代を、2026年9月22日にリリースされた3つのモデルIDとして提供しており、openai/gpt-6というファミリー名に対応するエンドポイントは存在しません：

• GPT-6 Astra — フラッグシップモデル。100万トークンあたり入力$10.00／出力$50.00で、OpenAIの料金表ではこの世代の最上位として記載されている
• GPT-6 Sol — 中間層。$2.00／$10.00で、OpenAIが有料のChatGPTプランでのチャット用に指定しているモデル
• GPT-6 Luna — 低価格層。$0.10／$0.50で、OpenAIがFreeプランとGoプラン用に指定しているモデル

その最後の行こそ、はっきりさせておく価値のある部分だ。なぜなら、それがLunaのトラフィックがファミリー内の他のすべてを圧倒している理由だからだ。OpenAI自身の10月7〜8日のロールアウトに関する発表には、「ChatGPTのGPT-6は、Plus、Pro、Business、EnterpriseティアではGPT-6 Sol、FreeおよびGoティアではGPT-6 Lunaによって動作している」と記されている。$0.10 / $0.50で無料プランに応答するモデルは、どのプレミアムティアよりも1日あたり多くの質問に応えているモデルであり、しかもAPI経由で呼び出せるのと同じチェックポイントだ。消費者向けの接点は流通チャネルであり、別個のSKUではない。

ここで繰り返しておかなければならない注意点がある。このブログがすでにこの件を取り上げているからだ。同じ発表では、FreeとGoがGPT-6 Lunaを利用できるとされている一方、ChatGPTにおけるGPT-6に関するOpenAIのヘルプセンターページでは、確認した日時点でFreeとGoがGPT-5.6 Lunaを動作させていると説明されていた。これらは同じティアについて両立しない記述であり、OpenAIはどちらが現行なのかを明言していない。もしあなたの作業が無料プランの背後にどの安価なモデルが位置するかに依存するなら、ヘルプセンターの記載をより具体的なページとして扱い、どちらかに合わせて構築する前に再確認してほしい。

100万あたり10セントで実際に何が買えるのか

見出しの数字は、Lunaのカードの中でいちばん面白みのない数字だ。こちらがカード全体と、その下にあるティアステップです：

• ショートコンテキスト、最大272,000入力トークン — 入力100万トークンあたり$0.10、出力100万トークンあたり$0.50
• 272,000入力トークンを超える場合 — 入力100万トークンあたり$0.20、出力100万トークンあたり$0.75。リクエスト全体に適用
• キャッシュ済み入力 — ショートティアでは100万トークンあたり$0.01、90%割引。そのしきい値を超える場合は$0.02
• キャッシュ書き込み — ショートティアでは100万トークンあたり$0.125、それを超える場合は$0.25
• コンテキストと出力 — 入力1,050,000トークン、出力128,000トークン
• 入力モダリティ — テキスト、画像、ファイル。SolおよびAstraと同じマルチモーダル入力
• 推論 — 設定可能なエフォートパラメータ。ツール、JSON出力、シード付きサンプリングと併用可能

ここから2つのことが導かれる。1つ目は、Lunaは切り詰められたモデルではないということだ。画像とファイルを受け取り、より高価な2つの兄弟モデルと同じツール呼び出しと構造化出力の機能面を備えており、スペック表でLunaをSolと分ける唯一の点は、能力ではなく深さである。2つ目は、段差の方だ。272,000入力トークンを超えるプロンプトでは、Lunaの入力料金が2倍になり、出力料金が5割増しになる。しかもこれは超過分だけでなく、リクエスト全体に適用される。この価格帯では緩やかな段差だ——300,000トークンのリクエストでも、入力は3セントではなく約6セントになる——ため、Astraの予算計画を左右し、Solでは重要になる長文コンテキスト条項も、ここではほぼ無関係である。

大規模に実際にコストを左右する数値は、キャッシュ読み取りだ。100万あたり1セントなら、毎ターン同じ大きなコンテキストを再送するワークロードは、繰り返される部分に対してほとんど何も支払っていない。安定したシステムプロンプトと安定したドキュメントを備えた大量抽出・分類パイプラインでは、それは安価なモデルとほぼ無料のモデルの違いであり、Luna の完成した回答1件あたりの実コストが料金表が示す額をはるかに下回っている、具体的な理由でもある。

能力面であなたが犠牲にするもの

Lunaは最も能力が低いため、最も安価なティアです。そして、独立したボードは、どれだけ劣っているかについて明確です。2026年10月8日時点の各モデルについて、OrcaRouterのカタログ項目を通じてArtificial Analysisを読み取ってください：

• AA Intelligence Index — GPT-6 Sol 47.6、14位；GPT-6 Luna 38.1、37位
• Humanity's Last Exam — GPT-6 Sol 47.9 対 GPT-6 Luna 38.5
• SciCode — GPT-6 Sol 57.6 対 GPT-6 Luna 54.6
• 長コンテキスト想起 — GPT-6 Sol 83.7 対 GPT-6 Luna 83.3
• Terminal-Bench 4.0 — GPT-6 Sol 43.9 対 GPT-6 Luna 12.6
• 7日間のトラフィック — GPT-6 Luna 約5億7,400万トークン；GPT-6 Sol 約210万
• 最初のトークンまでの時間の中央値 — GPT-6 Luna 1,494ミリ秒 対 GPT-6 Sol 6,785ミリ秒
• 出力速度の中央値 — GPT-6 Luna 132.9トークン/秒 対 GPT-6 Sol 179.6トークン/秒

その内訳の形は、見出しの差よりも多くのことを語っている。Luna は Sol より 9.5 インデックスポイント遅れているが、その遅れは均等に広がっているわけではない：長コンテキスト想起は 0.4 ポイントの引き分けであり、SciCode — コード生成ではなくコード理解 — はわずか 3 ポイント差だ。崩壊しているのはエージェント型の多段実行である：Terminal-Bench 4.0 は 12.6 対 Sol の 43.9。百万トークンの文書から、より大きな兄弟モデルとほぼ同程度に検索でき、まともな単発回答を書けるモデルは、ツールループを完遂まで駆動できるモデルとは別の道具である。

2点注意があります。指数の数値はOpenAIではなくArtificial Analysisによるもので、同評価者は、2つのモデルページが同じ日に同じインデックス改訂版に基づいて表示されることを保証していません。小数点以下の差異は精度ではなく方向性として捉えてください。また、サービングの数値は当社独自のルーティング測定による直近7日間のローリングウィンドウの結果です。読み取りごとに変動するため、サービスレベルの約束としてではなく、差異の傾向をつかむのに役立つものです。

注目すべきサービング指標が1つある。Lunaの最初のトークンまでの中央値時間はSolの6,785 msに対して1,494 ms — 最初のトークンまでおよそ4.5倍速い — そしてストリーミングが始まるとスループットは実質的に低くなる。ユーザーが冒頭の一行を待つチャット画面では、この逆転こそがこのティアの存在意義であり、無料プランがファミリー内で最も安価なモデルを動かしながら速く感じられるのはそのためだ。

家族の中で生まれた新たな競争

ルナの同世代内での価格優位性は、投入以降縮小している。GPT-6.1 Solは9月29日、Solの$2.00 / $10.00という価格で登場し、インデックスは51.8、キャッシュ入力料金を100万あたり$0.10に引き下げた。これはルナのショートコンテキスト料金には影響しない——入力10セント、出力50セントは、依然としてどのSolよりも入力で20倍安い——だが、ルナの一つ上のティアがキャッシュトラフィックをより安く処理できるようになったということであり、それはまさにルナの優位性が最も大きかったワークロードだ。差は依然として大きい。だがもはや、料金表だけが示すほど大きくはない。

実際のところ、ティアの線はどこで引かれるのか

作業を分ける基準は、どのモデルのスコアが高いかではなく、タスクが何を必要としているかで決めよう。

Lunaは、大量のチャット、分類、抽出、モデレーション、長文書の要約に最適な選択だ——検索でより大きな兄弟モデルと並ぶその行こそ、大きなコンテキストが実用になるかどうかを左右する行なのだ。初回トークンまでのレイテンシのおかげで、推論負荷が高くない対話型の用途にはより良い選択になる。そして、キャッシュ済み100万トークンあたり1セントなら、安定したコンテキストのパイプラインは繰り返し部分ではほぼ無料に近い。

Sol、あるいは今ではGPT-6.1 Solは、タスクがツールループ、長期にわたる計画、または完遂しなければならない一連のステップを必要とするその瞬間に、正しい判断となる。Terminal-Benchの差 — 43.9対12.6 — は、この比較で最も明確なシグナルであり、実際の失敗モードに対応している。つまり、最初のステップにはうまく答えるものの、その後で筋を見失う安価なモデルだ。effortパラメータとは、Lunaにもっと推論を求めることができるという意味だが、effortは天井を引き上げるのではなくトークン数を増やす。12.6を43.9に変えることはない。

そして、フラッグシップにしかできない仕事では、Astraが依然として答えです。Lunaの10セントに対して入力$10.00／出力$50.00というこの選択は、チーム単位ではなくコール単位で正当化できるはずの判断です。

この選択の単一API版

三層構成のモデルファミリーが厄介なのは、その層の境界が機能ごとに動き、リクエストごとにも動くという点だ。同じアプリケーションでも、あるエンドポイントには Luna を、次のエンドポイントには Sol を求めたいのが普通である。これは調達の問題ではなく、ルーティングの問題だ。GPT-6 の3つの層はすべて同じ OrcaRouter のカタログに並び、200以上のモデルの前面に立つ単一の OpenAI 互換 API を通じて呼び出される。プロバイダーの定価は0%のマークアップでそのまま渡されるため、どの層であれベンダーの価格改定は、次回の突合時ではなくその日のうちにここへ反映される。ルーティング DSL はその分割を明示的に組み立てる — リクエストサイズ別、エンドポイント別、あるいはシェア別に — ので、分類パスでは Luna を動かしつつ、エージェントパスでは Sol を動かすことができ、プロバイダーをまたぐ自動フェイルオーバーが、劣化したルートをカバーし、失敗した実行からそれに気づかされる事態を防いでくれる。

これで実現できないことの一つは、Sol のように振る舞う Luna を手に入れることだ。ティアが存在するのはモデルが異なるからであり、上記の数値はその差の大きさを示している。単一のキーとルーティングルールで得られるのは、安全のためにすべてを最も高価なティアに載せたり、予算のためにすべてを最も安価なティアに載せたりするのではなく、各リクエストを実際に合ったティアに載せられるようにする力だ。

答え、唯一重要な問いによって

大規模な文書、チャット、または大量テキスト処理に対して検索してから回答するタスクなら、GPT-6 Luna が適したティアであり、10セントのカードは妥協ではない — 長文コンテキスト想起の行は、20倍のコストがかかるモデルと同じくらいうまく検索できると示している。タスクを完了するために多段階エージェントが必要なら、Luna は誤ったティアであり、正直な選択は GPT-6 Sol か GPT-6.1 Sol だ。そこでは価格は絶対額では依然として安く、エージェント評価が崩壊することもなくなる。

「GPT-6」が単体で何なのかは、改めて言うと、呼び出せるものではない。それは、3つの価格帯と3つの異なる能力上限にまたがる3つのIDを包含するファミリー名であり、Lunaはその最下位にある——最も安く、最初のトークンまで最速で、無料プランに応答しており、タスクが単一の自信ある回答以上のものを必要とした瞬間にその上限が露呈するものだ。