OpenAIの次期モデルとして発表された「GPT-5.6 Sol」は、単なるGPT-5.5の延長線上にあるアップデートではない。公開資料が示しているのは、コーディング、科学、サイバーセキュリティという高度専門領域での性能向上であり、同時に「どこまで強いAIを、どのような安全網のもとで世界に出すのか」という、AI企業と政府の関係そのものを映し出す新しいフェーズだ。
GPT-5.6シリーズは、最上位のSol、バランス型のTerra、低コスト・高速型のLunaという3つで構成され、Solはその中でもフラッグシップに位置づけられている。OpenAIはSolを、コーディング、科学、サイバーセキュリティで強化された次世代モデルとして説明し、同社として最も進んだ安全対策スタックと組み合わせている。
その全貌について図も交えながら解説していく。
GPT-5.6 Solとは何か：OpenAIが用意する次世代モデルの全体像
GPT-5.6 Solを理解するうえで重要なのは、OpenAIが単一の巨大モデルだけを打ち出しているわけではないという点だ。GPT-5.6シリーズは、最高性能を担うSol、性能とコストのバランスを狙うTerra、速度と低コストを重視するLunaという構成になっている。TerraはGPT-5.5よりも安価な選択肢として位置づけられ、Lunaは最も低コストで高速なモデルとして設計されている。つまりOpenAIは、研究者や大企業だけでなく、開発現場、プロダクト組み込み、日常的な業務自動化までを見据え、性能・速度・コストを選べるモデルラインアップを整えようとしている。
この構成は、AIモデル競争が「最も賢いモデルはどれか」という単純な比較から、「用途に応じてどのモデルを選ぶべきか」という実装段階の競争へ移っていることを示している。Solは最先端の推論や複雑なタスク処理に向く一方、TerraやLunaはコスト感度の高いサービスや大量処理に向く。特にGPT-5.6では、深い推論を行う「max」推論モードに加え、複数のサブエージェントを活用する「ultra」モードが用意されており、単に回答精度を上げるだけでなく、複雑な作業を分解し、並列的に処理し、結果を統合する方向へ進化している。
ベンチマークで見えたGPT-5.6 Solの実力
GPT-5.6 Solの真価は、公開されたベンチマーク結果を見るとよりはっきりする。特に注目すべきなのは、コーディング、科学・生物学、サイバーセキュリティという3つの領域だ。いずれも、単純な知識問題ではなく、実務に近い推論、検証、長期的な作業能力が問われる領域である。OpenAIがGPT-5.6 Solを次世代モデルとして打ち出す背景には、チャットで自然な文章を返す能力だけではなく、現実の開発環境や研究環境、セキュリティ運用に入り込めるだけの作業能力を持たせたいという意図がある。
・コーディング能力：GPT-5.6 Sol UltraはTerminal-Bench 2.1で首位級に
GPT-5.6 Solの性能面で最もわかりやすい成果は、コーディングベンチマーク「Terminal-Bench 2.1」に表れている。Terminal-Bench 2.1は、単にコードの一部を補完する能力ではなく、コマンドライン環境で計画を立て、試行錯誤し、ツールを連携させながら作業を完遂する能力を測る評価だ。ここでGPT-5.6 Sol Ultraは91.91%、Sol Maxは88.76%を記録し、GPT-5.5の83.4%を明確に上回った。Terra Maxは84.27%、Luna Maxは82.47%で、すでに中位・低コスト帯のモデルでもGPT-5.5に迫る水準にある。比較対象としてClaude Mythos 5は88%、Fable 5は84.3%、Claude Opus 4.8は78.9%、Gemini 3.1 Pro Previewは70.7%とされており、少なくともこの評価軸ではGPT-5.6 Sol Ultraが一段抜けた結果を示している。
GPT-5.6 Sol Ultraが91.91%でトップ。Sol MaxもClaude Mythos 5とほぼ同水準に位置する。
モバイル版では視認性のため主要モデルに絞って表示しています。
この結果が重要なのは、AIのコーディング能力が「会話の中でコードを書く」段階から「開発環境の中で自律的に作業する」段階へ移っているからだ。従来の生成AIは、関数の作成、エラーの説明、簡単な修正提案に強みを持っていた。しかしTerminal-Bench 2.1が問うのは、ファイル構造を読み、コマンドを実行し、失敗を見て修正し、必要に応じて別の手段を試すような、より実務に近い作業能力だ。GPT-5.6 Solがここで高い結果を出したことは、ソフトウェア開発におけるAIの役割が、補助的なコード生成から、タスク単位の実行支援へ進んでいることを示している。
・科学・生物学領域でも伸びるGPT-5.6 Sol
科学領域でも、GPT-5.6 Solは大きな伸びを示している。公開資料では、ゲノミクスや定量生物学のタスクを扱う「GeneBench v1」において、Sol Maxが30.7%のpass@1を記録し、GPT-5.5 Maxの22.94%を上回った。Terra Maxも28.4%と高く、Luna Maxは14.44%にとどまるものの、モデル階層に応じて性能、コスト、速度の選択肢が明確に分かれている。
興味深いのは、単に正答率が上がっただけではなく、Solがより効率的に結果を出している点だ。公開資料では、GPT-5.6 SolがGeneBench v1でGPT-5.5を上回り、より少ないトークンで高い成果を示したことが説明されている。これは、研究支援AIとして見たときに非常に重要である。科学分野では、長大な実験計画、論文読解、データ解釈、仮説生成など、多くのトークンを消費するタスクが発生する。少ない出力で質の高い推論ができるなら、コスト面でも、速度面でも、実用性は大きく高まる。
GPT-5.6 Sol Maxが30.7%でトップ。Terra Maxも28.4%とSolに迫る性能を示している。
モバイル版では主要比較に絞って表示しています。
・サイバーセキュリティ性能：Mythos Previewに迫る効率性
サイバーセキュリティ分野では、GPT-5.6 Solの評価はさらに慎重に読む必要がある。資料によれば、SolはExploitBenchで73.5%のcap percentを記録し、Mythos Previewの約74.2%に近い結果を、約3分の1の出力トークンで達成している。これは、長期的な脆弱性調査やエクスプロイト関連タスクにおいて、Solが性能と効率のフロンティアを押し上げていることを示す。GPT-5.5の47.9%と比べても、伸び幅は大きい。
ただし、この領域での性能向上は手放しで称賛できるものではない。サイバーセキュリティは、防御にも攻撃にも使えるデュアルユース性の高い分野だからだ。OpenAIは、Solが脆弱性の特定やパッチ作成には強い一方で、自律的なエンドツーエンドの攻撃能力で「Cyber Critical」の閾値を超えたわけではないと説明している。つまりGPT-5.6 Solは、防御側にとって強力なツールになり得るが、同時に利用制御と監視が不可欠なモデルでもある。
この点で、GPT-5.6 SolとAnthropicのMythos Previewとの比較は重要だ。ExploitBenchではMythos Previewが約74.2%とわずかに高い値を示す一方、Solはそれに近い73.5%を、約3分の1の出力トークンで達成している。これは、単純なスコアだけではなく、推論効率、出力の簡潔さ、APIコストまで含めた実用上の競争力を考える必要があることを意味する。高度なセキュリティ支援AIでは、「どれだけ解けるか」と同じくらい、「どれだけ少ないコストで、どれだけ速く、どれだけ安全に解けるか」が問われる。
GPT-5.6 Sol MaxはMythos Previewに迫る73.5%を記録。加えて、より少ない出力トークンで近い成果を出した点が注目される。
モバイル版では主要比較に絞って表示しています。
強力なモデルをどう安全に出すのか：OpenAIの多層防御
OpenAIが強調している安全対策は、モデル単体の拒否応答だけではない。GPT-5.6シリーズには、モデルレベルの拒否、リアルタイムの誤用分類システム、アカウント単位の審査、差別化されたアクセス権、モニタリング、 enforcement、継続的なテストを組み合わせた多層的な安全スタックが導入されている。高リスクなサイバー関連リクエストや生物学的な誤用が疑われる出力では、生成を一時停止したり、出力を保留したりする仕組みも含まれる。
OpenAIはさらに、70万A100相当GPU時間を超える自動レッドチーミングを行い、既知の攻撃だけでなく、より汎用的な脱獄手法の検出にも取り組んでいる。これは、フロンティアモデルの安全性が、リリース前の静的なテストだけでは担保できなくなっていることを示している。実際の利用環境では、ユーザーは想定外のプロンプトを書き、攻撃者は安全対策の抜け道を探し続ける。だからこそOpenAIは、モデル内部の安全学習、リアルタイム分類、アカウント単位の監視、継続的な改善を組み合わせる必要がある。
この安全対策は、利用者にとっては便利さと摩擦の両方をもたらす。プレビュー段階では、正当な防御目的のリクエストであっても、デュアルユース性が高い場合には拒否や遅延が発生する可能性がある。OpenAIはこのフィードバックをもとに、不必要なブロックを減らし、文脈理解を改善しながら、より広い公開に向けて調整していく方針だ。企業向けには、プライバシーを保った検出、顧客側で運用できる安全管理、リスクに応じたアクセス制御も検討されている。
GPT-5.6 Solの提供時期、価格、利用できる場所
では、GPT-5.6 Solはいつ、どのように使えるようになるのか。資料によると、現在はAPIとCodexを通じた一部パートナー向けの限定プレビュー段階であり、今後ChatGPT、Codex、APIでのより広い提供が計画されている。Sol、Terra、Lunaはいずれも今後数週間で一般提供へ進む予定とされ、SolについてはCerebras上で最大750 tokens/secの高速提供も予定されている。
価格は100万トークンあたりSolが入力5ドル・出力30ドル、Terraが入力2.50ドル・出力15ドル、Lunaが入力1ドル・出力6ドルとされている。これは、OpenAIがGPT-5.6シリーズを「最高性能モデルを一つ出す」形ではなく、利用者が性能、速度、コストを選べるプロダクト体系として設計していることを示している。特に企業利用では、すべてのタスクにSolを使うのではなく、重要な推論や高リスクな判断にはSolを使い、大量処理や低レイテンシー用途にはTerraやLunaを使う、といった使い分けが現実的になるだろう。
Anthropic Mythos/Fableとの違い：国外提供と米国政府との距離感
ここで重要なのが、OpenAIの政府対応だ。GPT-5.6 Solの初期アクセスは、政府との調整やサイバー関連の大統領令フレームワークに沿う形で進められているとされる一方、資料上は「国外提供を制限する」といった明示的な説明は確認できない。AnthropicのMythosやFableと比較した場合、GPT-5.6 Solは少なくとも公開資料上、特定地域への提供制限を前面に出すモデルではなく、米国政府との事前調整を通じて広範な展開へ進む設計に見える。
もちろん、これは資料から読み取れる範囲の推測であり、最終的な提供地域や利用条件は正式リリース時の発表を待つ必要がある。しかし、OpenAIが「政府と距離を置いて独自にリリースする」のではなく、「政府に先に説明し、制度設計に乗せてから出す」方向に動いていることは読み取れる。これは、強力なAIモデルをグローバルに展開するうえで、性能そのものと同じくらい重要な競争力になりつつある。フロンティアAIの競争は、モデル性能、推論コスト、安全対策、そして政府との調整能力まで含めた総合戦になっている。
この観点から見ると、GPT-5.6 Solは「規制されないほど弱いモデル」ではなく、「規制当局と調整しながら可能な限り性能を出せるように準備されたモデル」と表現するほうが近い。高度なサイバー能力を持つモデルでありながら、段階的リリース、安全対策、アクセス制御、政府連携を組み合わせている点に、OpenAIの戦略が表れている。もし今後、GPT-5.6 Solが地域制限なしに広く提供されるなら、それはOpenAIが米国政府側と一定の信頼関係を築きながら、フロンティアモデルの国際展開を進めていることの表れと見ることもできる。
まとめ：GPT-5.6 SolはAI競争の次の基準になるか
総合すると、GPT-5.6 Solは、OpenAIが次のAI競争で何を重視しているかをよく示している。第一に、コーディングや科学、サイバーセキュリティのような高付加価値領域で、実務に近いベンチマークを押し上げること。第二に、Sol、Terra、Lunaという階層設計によって、最高性能だけでなく、コスト効率や速度の選択肢を用意すること。第三に、強力なモデルを社会に出すために、政府調整、安全対策、段階的リリースを一体で設計することだ。
直近のAIの主役はAnthropicのClaude Mythos(Fable)だった。しかし、それは政府との対立もあり、米国外に出すことができない。話題性には事欠かないし、基準だっただろう。そのMythosを一部上回るGPT-5.6 Sol、そのインパクトは、単に「また賢いモデルが出る」という話ではないだろう。
また賢いAIが出ましたよという報告だけでは、ビジネスや実際の仕事は回らない。だが、AIがソフトウェア開発、研究、セキュリティ運用の現場に深く入り込み、その提供方法まで国家レベルの調整対象になる時代が来ている。Terminal-Bench 2.1での高スコア、GeneBench v1での科学推論の伸び、ExploitBenchでMythos Previewに迫る効率性は、GPT-5.6 Solが次世代AI競争の中心に立つ可能性を十分に示している。タスクの処理だけではなく、数学や研究分野などでも自律動作が広まるだろう。OpenAIがこの性能をどれだけ安全に、どれだけ広く、どれだけ実用的な形で提供できるかにかかっている。
