GPT-5.6 Sol・Terra・Luna コスパ・タイパの違いは？思考量と速度を比較
ChatGPT WorkでGPT-5.6を使おうとすると、Sol・Terra・Lunaという3つのモデルが表示されます。
名前だけを見ても、「一番速いのはどれ？」「普段使いならTerraでいい？」と迷いますよね。
OpenAI公式では、Solは高性能、Terraはバランス型、Lunaは高速・低コスト型と案内されています。
ただし、実際の待ち時間や指示の守り方、利用制限まで含めた使い勝手は、説明を読んだだけでは分かりません。
そこで今回は、3モデルに同じ指示を出し、文章作成、文字置換、表整理をそれぞれ3回ずつ実行しました。
さらに5時間ごとの利用回数とクレジット消費も比較し、結局どのモデルがコスパに優れるのかを検証します。
各モデルに同じ作業をさせて速度を実測した結果、結論としては、1モデルだけ使うならTerra、大量の単純作業ならLuna、重要な完成原稿や難しい判断ならSolが適しています。
全部をSolで処理するより、作業の種類によって3モデルを切り替えた方が、待ち時間と利用枠の両方を節約できます。
この記事では、ChatGPT 5.6のモデルの違いを、公式スペックだけではなく実測結果から判断します。
どれを選べばよいか迷っている方は、次のポイントを基準にしてください。
- 普段の文章作成や一般的な作業はTerra
- 置換、分類、表整理などの反復作業はLuna
- 検索意図の分析や重要な完成原稿はSol
- 思考量はMediumから始め、必要な作業だけ上げる
ChatGPT 5.6で一番コスパがよいモデルはどれ？
ザックリ言うと、普段使いのコスパがよいのはTerraですが、作業を限定すると答えが変わります。
Lunaは単純作業でTerraと同じ正確性を保ちながら、Plusの利用回数が約10倍あるため、大量処理では圧倒的に有利です。
| 使い方 | コスパがよいモデル | 理由 |
|---|---|---|
| 1モデルだけを普段使いする | Terra | 速度、判断力、利用回数のバランスがよい |
| 置換や表整理を大量に行う | Luna | 単純作業の正確性が同じで、利用回数が多い |
| 重要な記事を一度で仕上げる | Sol | 複雑な判断、文章量、仕上がりを優先できる |
| ブログ運営全体で使う | 3モデルを使い分ける | 考える仕事と定型作業を分けると無駄が少ない |
最安のLunaだけを使えばよいわけでも、最上位のSolを選べば得になるわけでもありません。
AIのコスパは1回の料金や待ち時間ではなく、修正回数と利用制限を含めて、目的の成果物が完成するまでで考える必要があります。
GPT-5.6 Sol・Terra・Lunaの違いを比較
GPT-5.6の3モデルは、能力が違うだけではなく、得意な仕事と利用枠の消費量が違います。
OpenAI公式の位置付けと、普段の作業へ当てはめた使い方をまとめると、以下のようになります。
| モデル | 公式の位置付け | Plusの利用目安 | 向いている作業 |
|---|---|---|---|
| GPT-5.6 Sol | 最も能力が高いフラッグシップ | 5時間で10～100回 | 複雑な分析、重要な記事、サイト設計、難しいコード |
| GPT-5.6 Terra | 能力とコストのバランス型 | 5時間で25～200回 | 普段の文章作成、リライト、資料、一般的な制作 |
| GPT-5.6 Luna | 高速で低コストの反復作業向け | 5時間で250～2,000回 | 置換、分類、抽出、HTML整形、表やCSVの変換 |
OpenAI公式では、Solを複雑で自由度の高い仕事、Terraを日常業務、Lunaを明確で反復できる仕事向けとしています。
モデルの最新情報は、OpenAI公式のGPT-5.6モデル案内で確認できます。
GPT-5.6 Solは考えるところから任せたい仕事向け
Solは、GPT-5.6シリーズで最も能力が高く、正解が一つに決まらない仕事や、条件が多い作業を任せるモデルです。
単に文章を長くするのではなく、全体の目的を考え、複数案を比較して仕上げる仕事で強みを発揮します。
ブログ運営なら、検索意図の分析、記事の役割、カニバリ、内部リンクまで考える作業はSol向きです。
一方、決められた文字列を置換するだけの作業にSolを使っても、今回の実測では正確性の差が出ませんでした。
GPT-5.6 Terraは迷ったときの普段使いに向く
Terraは、Solほど利用枠を消費せず、Lunaよりも判断を伴う仕事へ対応できるバランス型です。
記事構成、通常の本文作成、既存記事のリライトなど、日常的な作業を一つのモデルで済ませたい場合の第一候補です。
今回の計測では、文章作成、文字置換、表整理の3種類すべてで、終了までの時間が最も短くなりました。
ただし、文章作成では指定文字数を3回とも下回ったため、単純に速いというより、短くまとめる傾向が時間へ表れた可能性があります。
GPT-5.6 Lunaは完成形が決まった大量処理向け
Lunaは、何をどう変換すれば完成なのかが明確な仕事に向いています。
誤字や表記の一括置換、データ分類、決まったHTMLへの変換など、判断よりもルールの正確な実行が重要な作業で使います。
単純作業ではTerraより平均1.6秒ほど遅い結果でしたが、正確性は同じで、利用可能回数は約10倍です。
数秒の差より、途中で利用制限に達しにくいことを重視するなら、Lunaを選ぶ方が現実的です。
モデルと思考量の違いを知っておこう
GPT-5.6では、Sol・Terra・Lunaのモデルとは別に、Light、Medium、Highなどの思考量を選べます。
モデルが基本的な能力と得意分野を決め、思考量は選んだモデルにどこまで計画、分析、確認をさせるかを決めます。
| 設定 | 役割 | 分かりやすく言うと |
|---|---|---|
| Sol・Terra・Luna | 基本能力、得意分野、消費量を選ぶ | どの頭脳へ任せるか |
| Light／Low～Max | 計画、分析、確認に使う量を選ぶ | その頭脳にどこまで考えさせるか |
| Ultra | 作業を複数の担当へ分けて進める | 一人で考えるか、分担するか |
思考量を上げると、複雑な作業では見落としを減らせる反面、待ち時間とトークン消費が増えます。
OpenAIも、必要な結果を得られる範囲で最も低い思考量を使い、足りない場合だけ上げる方法を案内しています。
| 思考量 | 向いている作業 | 使い方の目安 |
|---|---|---|
| Light／Low | 置換、整形、短い質問、定型処理 | 完成条件が明確なとき |
| Medium | 通常の記事、要約、一般的な相談 | 最初に試す基準 |
| High | 比較、SEO記事、複数条件の判断 | Mediumで検討不足を感じたとき |
| Extra High | サイト戦略、難しい分析、重要な原稿 | 品質を優先したいとき |
| Max | 一つの難題を深く検討する作業 | 速度や消費量より深さを優先するとき |
| Ultra | 複数分野の調査や大量ファイルの確認 | 独立した仕事へ分割できるとき |
Lunaの思考量をMaxまで上げても、LunaがSolへ変わるわけではありません。
反対に、単純な置換へSol・Maxを使っても考える余地が少ないため、品質差が小さいまま利用枠だけ多く消費することがあります。
Sol・Terra・Lunaの速度を同じ条件で測ってみた
公式の「速い」「バランス型」という説明だけでは、実際に何秒待つのか分かりません。
そこで、文章作成と単純作業の2種類に分け、同じプロンプトを3モデルへ送って終了までの時間を測りました。
計測条件は、思考量Medium、新規セッション、Web検索なし、外部資料なしで、各モデル3回ずつです。
時間はプロンプトを送ってから、指定したHTMLファイルの保存が完了するまでを測っています。
- 3モデルとも思考量はMedium
- 毎回新しいセッションで実行
- Web検索、画像生成、外部ツールは不使用
- 各作業を1モデルにつき3回実行
- 3回のうち中央の値である中央値を主に比較
この時間には、モデルの起動、処理、HTML保存までが含まれています。
APIの最初の文字が表示されるまでの時間や、1秒当たりの出力トークン数を測ったものではないため、普段使いに近い実測値として見てください。
文章作成の速度はTerraが最速、内容量ではSolが有利
最初の実験では、「500～650文字、H2を1つ、pタグを4つ、各pは2文、文末にbrを入れる」という同じ指示を出しました。
ブログ記事の短いセクションを作る想定で、速度だけではなく文字数とHTML構造も確認しています。
| モデル | 3回の計測時間 | 中央値 | 平均時間 | 平均出力文字数 |
|---|---|---|---|---|
| Luna | 35.5秒／41.7秒／34.6秒 | 35.5秒 | 37.3秒 | 522文字 |
| Terra | 32.3秒／33.4秒／33.7秒 | 33.4秒 | 33.2秒 | 435文字 |
| Sol | 41.2秒／34.0秒／38.7秒 | 38.7秒 | 38.0秒 | 600文字 |
終了までの時間だけを見るとTerraが最速ですが、平均出力は435文字で、指定した500～650文字に3回とも届きませんでした。
SolはTerraより平均4.8秒長くかかったものの、平均出力は約165文字多く、記事としての情報量を確保しています。
| モデル | 500～650文字を達成 | 指定したHTML構造を達成 | 1,000文字当たりの時間換算 |
|---|---|---|---|
| Luna | 3回中3回 | 3回中2回 | 68.0秒 |
| Terra | 3回中0回 | 3回中3回 | 76.0秒 |
| Sol | 3回中2回 | 3回中3回 | 63.0秒 |
同じ文字数へ換算するとSolが最も速く、Terraが短時間で終わった理由には、出力自体が短かったことも関係しています。
一方、Lunaは文字数指定をすべて守ったものの、1回だけbrタグの数が不足しており、細かな形式には確認が必要でした。
この結果だけで文章の良し悪しを点数化することはできませんが、「返事が早いモデルほど記事作成も効率的」とは限らないことが分かります。
短い下書きならTerra、指定文字数を優先するならLuna、一度で情報量を出したいならSolという違いが見えました。
文字置換と表整理ではTerraが最速、正確性は3モデル同じ
次に、判断をほとんど必要としない単純作業を測りました。
指定した5種類の表記を一括置換する作業と、12行のCSVを番号順に並べてWordPress用HTMLテーブルへ変換する作業です。
| 作業 | Lunaの中央値 | Terraの中央値 | Solの中央値 |
|---|---|---|---|
| 文字置換 | 42.2秒 | 39.9秒 | 42.4秒 |
| 表整理・HTML化 | 40.2秒 | 39.7秒 | 45.0秒 |
| 6回の平均 | 41.8秒 | 40.3秒 | 44.1秒 |
| 正解数 | 6回中6回 | 6回中6回 | 6回中6回 |
単純作業ではTerraが2種類とも最速でしたが、Lunaとの差は文字置換で約2.4秒、表整理で約0.5秒です。
6回の平均でも差は約1.6秒しかなく、手作業の待ち時間としては大きな違いではありません。
注目したいのは、3モデルとも置換結果は完全一致し、表も空白を除いて正解データと一致したことです。
この程度の作業ならSolへ利用枠を使う理由は薄く、TerraまたはLunaで十分という結果になりました。
利用制限まで比べると単純作業はLunaが有利
速度だけならTerraがわずかに勝ちましたが、コスパを判断するには5時間ごとの利用制限も確認する必要があります。
OpenAIが公表しているローカルメッセージ数の目安は、モデルと契約プランによって以下のように変わります。
| モデル | Plus | Pro 5x | Pro 20x | Business |
|---|---|---|---|---|
| GPT-5.6 Sol | 10～100回 | 50～500回 | 200～2,000回 | 10～100回 |
| GPT-5.6 Terra | 25～200回 | 125～1,000回 | 500～4,000回 | 25～200回 |
| GPT-5.6 Luna | 250～2,000回 | 1,250～10,000回 | 5,000～40,000回 | 250～2,000回 |
Plusで比べると、Lunaの利用回数はTerraの約10倍、Solの約20～25倍です。
ChatGPT WorkとCodexは利用枠を共有しており、ローカルメッセージとクラウド作業も同じ5時間枠から消費されます。
ただし、1回送信するたびに固定で1カウント減る仕組みではありません。
会話履歴、入力と出力の長さ、思考量、ファイル、Web検索、ツール使用などで消費量が変わるため、公式の回数にも幅があります。
最新の利用回数と注意点は、OpenAI公式のChatGPT Work・Codex料金案内で確認できます。
追加の週次制限が適用される場合もあるため、上限の数字を毎回使える固定回数とは考えない方がよいでしょう。
クレジット消費はLunaがTerraの10分の1
利用回数に大きな差がある理由は、モデルごとのクレジット消費率を見ると分かります。
ChatGPTの利用枠を計算する基準では、TerraとLunaの間に入力、キャッシュ済み入力、出力のすべてで10倍の差があります。
| モデル | 入力100万トークン | キャッシュ済み入力 | 出力100万トークン |
|---|---|---|---|
| GPT-5.6 Sol | 100クレジット | 10クレジット | 500クレジット |
| GPT-5.6 Terra | 50クレジット | 5クレジット | 300クレジット |
| GPT-5.6 Luna | 5クレジット | 0.5クレジット | 30クレジット |
今回の単純作業では、LunaはTerraより約4％遅いだけで、正確性は同じでした。
それに対して利用可能回数は約10倍なので、置換や表整理を繰り返す用途では、数秒早いTerraよりLunaの方が総合的なコスパに優れます。
ChatGPTの利用枠とAPI料金は別に考える
PlusやProでChatGPT Workを使う場合は、5時間ごとの利用枠が基準になります。
一方、自分のAPIキーでGPT-5.6を利用する場合は、回数制限ではなく、読み書きしたトークン量に応じて料金を支払います。
| モデル | API入力料金 | API出力料金 |
|---|---|---|
| GPT-5.6 Sol | 100万トークン当たり4ドル | 100万トークン当たり20ドル |
| GPT-5.6 Terra | 100万トークン当たり2ドル | 100万トークン当たり12ドル |
| GPT-5.6 Luna | 100万トークン当たり0.20ドル | 100万トークン当たり1.20ドル |
2026年8月28日時点では、LunaのAPI料金はTerraの10分の1です。
なお、Solの料金は少なくとも2026年11月21日までのプロモーション価格なので、長期運用では改定後の金額も確認してください。
大量の分類、抽出、定型変換をAPIで自動化する場合も、求める正確性を満たせるならLunaのコスト差が大きく効いてきます。
同じ指示を繰り返す処理ほど、1回当たりの小さな料金差ではなく、処理全体のトークン料金で比較することが大切です。
API料金は改定されることがあるため、実装前にはOpenAI公式のAPIモデル一覧で確認してください。
ChatGPTの月額プランに含まれる利用枠と、APIの従量課金を混同しないことも大切です。
実験結果から分かった用途別のおすすめモデル
すべての作業で一つのモデルが最もコスパに優れるわけではありません。
実測した速度、指示の達成状況、利用制限を合わせると、以下のように仕事を分けるのが無駄の少ない使い方です。
| 作業 | おすすめモデル | 思考量の目安 | 選ぶ理由 |
|---|---|---|---|
| 文字置換、表記統一 | Luna | Light／Low～Medium | 正確性が同じで利用枠を節約できる |
| 表、CSV、HTMLの整形 | Luna | Light／Low～Medium | 完成形式を具体的に指定できる |
| 通常の記事下書き | Terra | Medium～High | 速度と文章判断のバランスを取りやすい |
| 既存記事のリライト | Terra | High | 元の内容を残しながら改善する判断が必要 |
| 重要なSEO記事の完成原稿 | Sol | High～Extra High | 情報量、構成、読者意図をまとめて確認できる |
| サイト設計、記事群のカニバリ分析 | Sol | Extra High～Max | 正解が一つではなく、複数の判断が必要 |
| 複数分野の調査と統合 | Sol | Ultra | 独立した調査へ分けて並行処理できる |
どのモデルを選ぶか迷い、毎回設定を変えたくない方は、Terra・Mediumを基準にすると扱いやすいです。
結果が薄い、判断が足りないと感じた仕事だけSolへ上げ、完成条件が明確な反復作業だけLunaへ下げます。
ブログ記事はSol・Terra・Lunaを工程で分ける
ブログ運営では、一つの記事の中にも、考える作業と単純に処理する作業があります。
最初から最後まで同じモデルへ任せず、次のように工程で分けると、品質を落とさず利用枠を節約できます。
- 検索意図、競合との差、記事構成はSolで考える
- 決まった構成に沿った本文作成やリライトはTerraで進める
- 表記統一、タグ修正、表やCSVの整形はLunaへ任せる
- 公開前の事実確認と全体チェックはSolまたはTerraで行う
この使い方なら、Solの高い判断力を必要な場面へ集中させながら、単純作業で利用枠を減らさずに済みます。
コスパのよいモデルを一つ選ぶより、得意な工程だけを担当させる方が、完成までの時間と修正回数を抑えられます。
公式ではLunaが速いのに実測でTerraが勝った理由
OpenAIはLunaを高速モデルと位置付けていますが、今回の3種類の実験ではTerraが最も早く終了しました。
これは公式説明が間違いという意味ではなく、モデルの生成速度と、一つの作業が終わるまでの時間が同じではないためです。
実際の待ち時間には、モデルの起動、指示の解釈、出力する文章量、ファイル保存などが含まれます。
文章作成ではTerraの出力が短かったため、モデルそのものの速度だけではなく、生成した内容量の差も終了時間へ影響しています。
また、同じモデルでも毎回数秒から十数秒のばらつきがあり、Solの表整理では35.1秒から48.3秒まで開きました。
OpenAIはモデル間の固定された秒数や倍率を公表していないので、「Lunaなら毎回Terraより速い」と断定しない方が正確です。
GPT-5.6のモデル選びでよくある疑問
1モデルだけ使うならSol・Terra・Lunaのどれがいい？
普段の文章作成、調査、リライト、簡単な整理まで一つで済ませたいなら、Terra・Mediumが無難です。
重要な仕事だけSolへ上げ、反復作業が増えたときだけLunaへ切り替えると分かりやすいでしょう。
一番高性能なSolを毎回使った方が失敗は少ない？
Solでも間違えることはあり、置換や表整理では3モデルの正確性に差がありませんでした。
考える必要が少ない作業までSolへ任せると、結果が変わらないまま利用枠だけ早く消費することがあります。
Lunaでもブログ記事を書ける？
文字数、見出し、段落構成、含める情報を具体的に指定すれば、Lunaでも記事本文を作成できます。
ただし、検索意図やサイト全体での記事の役割まで考えさせるなら、SolまたはTerraで構成を決めてから使う方が安全です。
思考量はどれを選べばいい？
通常はMediumから始め、単純作業ならLightまたはLow、条件が多い比較やSEO記事ならHighへ変更します。
Extra High、Max、Ultraは消費量も増えるため、結果に明確な差が出る難しい仕事へ限定してください。
Plusの利用回数はモデルごとに別枠？
モデルごとに独立した固定回数が配られるのではなく、ChatGPT WorkやCodexの共通利用枠から作業内容に応じて消費されます。
そのため、同じ回数を送信しても、SolとLuna、短い処理と長い処理では残り方が変わります。
速度を最優先するなら結局どれ？
公式の位置付けではLunaですが、今回の短い作業ではTerraがわずかに速く、文章量をそろえるとSolが最速でした。
単発の数秒を重視するならTerra、大量処理を止めずに続ける意味での速さならLunaと考えるのが実用的です。
まとめ
ChatGPT 5.6のモデルは、1モデルだけならTerra、単純な大量処理ならLuna、重要な判断と完成度を優先するならSolがおすすめです。
今回の実測ではTerraが最も早く終了しましたが、Lunaとの速度差は小さく、単純作業の正確性には差がありませんでした。
LunaはTerraより約4％遅かった一方、Plusの利用回数とクレジット消費には約10倍の差があります。
置換、分類、表整理などではLunaのコスパが高く、文章作成や判断を伴う普段の仕事はTerraへ任せるのが現実的です。
一度で情報量のある記事を作りたい場合や、検索意図、カニバリ、内部リンクまで考える場合は、Solを使う価値があります。
モデルの価格や速さだけで選ばず、完成までの修正回数と利用枠を含めて使い分けることが、最も無駄の少ない方法です。
この記事の公式情報は、2026年8月28日時点のOpenAI Docsを基準にしています。
モデルの料金、利用制限、提供条件は変更されるため、利用前にモデル案内と料金・利用制限も確認してください。