OpenAIは2026年7月9日（米国時間）、大規模言語モデル「GPT-5.6」シリーズの一般提供を開始しました。米政府調整による限定プレビュー段階を経ての本格ロールアウトで、ChatGPTのPlus・Pro・Business・Enterpriseプランで最上位「GPT-5.6 Sol」の利用が可能になります。最大の注目点は、最上位モデルがAnthropicの主力モデル「Claude Fable 5」を主要ベンチマークで大きく上回り、下位モデルも約1/16と推定される低コストでFable 5超えの性能をうたっている点です。AIモデル競争が新たな局面に入ったことを示す発表となりました。
GPT-5.6シリーズと提供体制——3モデル×2プランで拡張
GPT-5.6シリーズは、最上位「Sol」、バランス型「Terra」、軽量版「Luna」の3モデル構成で提供されます。ChatGPT側では、Plus・Pro・Business・Enterpriseの各プランでGPT-5.6 Solが利用可能となり、Pro・Enterpriseでは深い推論を担う上位モード「Sol Pro」も選択できます。無料ユーザーはChatGPT Work・Codexに限り「Terra」へのアクセスが用意されており、フリー層にもGPT-5.6世代の入り口を広げる設計です。
限定プレビュー段階では信頼できるパートナー限定でのアクセスだった構造から、多くのユーザーが日常業務で触れられるフェーズへと移行しました。API経由での企業向け提供も同時に本格化しており、ChatGPT製品群での体験と、外部システムに組み込むための開発基盤の両輪で普及を進める狙いが見えます。
ベンチマーク——「Agents' Last Exam」でFable 5を13.1ポイント差
OpenAIが発表で強調するのが、長時間の専門業務ワークフローを評価するベンチマーク「Agents' Last Exam」でのスコアです。最上位「GPT-5.6 Sol」は53.6を記録し、Anthropicの「Claude Fable 5」を13.1ポイント上回ったとしています。エージェント運用が業務適用の主戦場となる中で、長時間タスクを高精度でこなす能力が明確に差別化要素として位置付けられました。
コーディング系のベンチマーク「Terminal-Bench 2.1」では、Sol が88.8%を記録し、Claude Mythos 5（88%）とFable 5（83.1%）を上回るスコアが示されています。さらに上位モード「Sol Ultra」は91.9%を達成しました。サイバーセキュリティ系の「ExploitBench」ではSolが73.5%となり、前世代GPT-5.5の47.9%から大幅に改善しています。コード生成・セキュリティ運用・長時間エージェント処理といった実務ワークロードで、次世代性能に踏み込んだ内容が並んでいます。
「下位モデルで1/16コストのFable 5超え」の主張
もう1つの目玉が、下位モデル「Terra」「Luna」に関する主張です。OpenAIによれば、これら下位モデルは「約16分の1と推定されるコスト」でClaude Fable 5を上回る性能を発揮するとしています。エンタープライズが本番運用時に気にする「性能あたりのコスト効率」で、フロンティアモデル対比の優位性を強く打ち出した形です。
一方で、「約16分の1」という数字は推定比較に基づく表現で、具体的な計算根拠や条件の詳細については明示されていない点は注意が必要です。実際の業務適用時のコストは、扱うトークン量・推論モードの選択・ツール呼び出しの頻度によって変動します。実運用検討時には、社内ユースケースでの試算を並行して回し、性能・コスト・レイテンシの三要素で総合評価するステップが引き続き重要になります。
企業向け新機能「ChatGPT Work」——業務エージェント環境へ進化
正式公開と同時に、企業向けの新サービス「ChatGPT Work」も提供が始まりました。従来のCodex的な用途を発展させたもので、接続したアプリやファイルを横断しながら情報を収集し、資料作成や業務プロセスを自律的に進める「業務エージェント環境」として位置づけられます。無料ユーザーもChatGPT Work・Codexの範囲でTerraが利用でき、生成AIによる業務自動化の裾野を広げる設計です。
企業ユースにとってのポイントは、モデルの性能向上と業務ワークフローへの統合が同時に進んだ点です。「モデルを呼び出す」から「業務プロセスをAIエージェントに任せる」への移行が、フロンティアAIベンダー側でも明確に打ち出されるようになりました。SaaS連携・ファイル横断参照・アクセス権管理などの実運用要件を、OpenAI標準機能として提供する構造が固まりつつあります。
日本企業への示唆——AI調達の比較軸に「エージェント性能」と「実効コスト」が加わる
日本企業にとっての示唆は3つに整理できます。1つ目は、AIモデルの比較軸として、単発の文章生成品質だけでなく「エージェントとしての長時間タスク遂行性能」が中心指標になっていく流れです。今回OpenAIが強調したAgents' Last Examのような評価は、社内PoCでも参考にすべき観点となりそうです。
2つ目は、実効コスト面の見直しです。「下位モデルで1/16コスト」の主張が事実であれば、これまで高コストを理由に本番運用を見送っていた業務プロセスにも、AIエージェントを組み込む合理性が出てきます。とりわけ、大量のデータ処理・定型調査・コード自動化といったコストシビアな領域では、Terra・Lunaのようなモデル選定が採用検討の中心になり得ます。3つ目は、ChatGPT Workのような業務エージェント環境の登場により、「AI導入プロジェクト」がシステム開発案件から業務プロセス再設計案件へと移りつつある点です。情シスと業務部門の役割分担、ガバナンス設計、社内データ接続範囲といった議論の再構築が求められそうです。
まとめ
GPT-5.6の正式公開は、性能・コスト・提供形態の3軸で「フロンティアAIの企業導入」を一段前に進めた発表と受け取れます。ベンチマーク上のFable 5・Mythos 5超えの主張、下位モデルによる1/16コスト訴求、ChatGPT Workによる業務エージェント環境の同時提供は、それぞれが独立したニュースではなく、「AIモデル→AIエージェント基盤」への転換を一体で押し出す流れの中に位置付けられます。
日本企業としては、まず社内ユースケースでのベンチマーク再検証、コスト試算、業務プロセスとの適合度確認を並行して進める段階に入りました。競合ベンダーであるAnthropic側の対応や、モデル選定基準としての「エージェント性能」の定量化がここから加速していくことを踏まえ、AI活用戦略のアップデートを検討するタイミングと言えそうです。
