GPT-6 SolとGPT-6 Lunaは同じ世代のモデルだが、100万トークンあたりの料金はSolが20倍高い。その差がベンチマークと1タスクあたりのコストでどう現れるかを並べる。どちらが優れているかではなく、何がいくら違うのかを見ていく。
先に結論を並べる
SolとLunaの違いは、能力の差より料金の差のほうが大きい。SolはLunaのおよそ20倍の単価で、その見返りは最も難しい作業での精度だ。Lunaは精度をわずかに落とす代わりに、同じ処理を桁違いに安く回せる。
両者は同じ系統の手法で作られている。違うのは想定するコスト帯で、その差が性能の差として表に出る度合いは小さい。以下、公表されている数値で確認する。
料金と性能の差を並べる
料金から見る。Solは100万トークンあたり入力2ドル、出力10ドル。Lunaは入力0.10ドル、出力0.50ドル。入力で20倍、出力でも20倍の開きがある。
GPT-6 Sol
- 100万トークンあたり入力2ドル/出力10ドル
- AutomationBench最高努力で33.2%(1タスク0.27ドル)
- DeepSWE 1.1最高努力で68.8%
- 日々の実務を回す主力向け
GPT-6 Luna
- 100万トークンあたり入力0.10ドル/出力0.50ドル
- DeepSWE 1.1最高努力で66.6%
- 1タスクあたりのコストは上位競合より93〜96%少ない
- 回数を重ねる大量処理向け
性能を並べる。47のツールにまたがる業務手順を測るAutomationBenchで、Solは最高努力時に33.2%を記録し、1タスクあたり0.27ドルかかる。OpenAIによれば、これはClaude Opus 5の最高設定(26.9%)を上回り、そのOpus 5は1タスクあたり11.1倍のコストがかかるという。
コーディングを測るDeepSWE 1.1では、差がぐっと縮む。Solの最高努力時が68.8%、Lunaの最高努力時が66.6%だ。2.2ポイントの違いで、料金差の20倍とは比べものにならない。
Lunaの側から見たコストも押さえておく。OpenAIは、Lunaの1タスクあたりのコストが上位の競合モデルより93〜96%少ないと説明する。努力設定を上げれば、旧GPT-5.6 Solと約100分の1のコストで並ぶという。
この差が生まれる理由
料金差が20倍で、性能差が数ポイントという組み合わせは直感に反する。理由は学習手法にある。OpenAIによれば、LunaはAstraやSolと近い手法で作られている。下位モデルが上位モデルの能力を、ゼロから作り直すのではなく受け継ぐ構図だ。
すると両者の差は、能力の質ではなく、能力を引き出すコストに集まる。最も難しい推論に合わせて調整したモデルは、その調整の分だけ運用費が高くつく。OpenAIはSolを、その高い運用費に見合う用途へ向け、Lunaを、最先端の性能を必要としない大量処理へ向けている。
つまり20倍という単価差は、20倍の賢さを買う値札ではない。同じ系統の能力を、どの程度の余裕をもって引き出すかの値段だ。この構造を押さえると、ベンチマークの数値がなぜ近い位置に並ぶのかが腑に落ちる。
1タスクあたりのコストで見ると
単価は分かりやすいが、実際の支出を決めるのは1タスクあたりのコストだ。処理に使うトークン量がモデルによって変われば、単価の差はそのまま請求額の差にはならない。
AutomationBenchの数字がその例になる。Solは33.2%を出すのに1タスクあたり0.27ドルかかる。Lunaは同じ試験の数値をOpenAIが公表していないため直接は比べにくいが、コスト面では明確に下に位置する。DeepSWE 1.1では両者のスコアが2.2ポイント差に収まる一方、1タスクあたりのコストはLunaが大きく低い。
単価が20倍違っても、タスクあたりのコスト差はそれより小さく出る場合がある。逆に、やり直しが増えればタスクあたりのコストは単価差以上に開く。同じ処理でも、モデルを間違えると単価の損得が入れ替わる。
どちらを選ぶべきか
選び方は用途で決まる。日々の実務で、複数ステップの作業を最後までやり切らせたいなら、Solの精度が効く。難しい推論を含む業務手順を任せるなら、単価が高くてもタスクあたりの成功率で回収できる場面がある。
呼び出しの回数が多く、1回あたりの処理が軽いなら、Lunaの単価がものを言う。大量の定型処理を回す用途では、20倍の単価差がそのまま月次のコスト差になる。
判断を難しくするのは、両者のスコアが近いことだ。DeepSWE 1.1で2.2ポイントの差しかないなら、その差が実際の作業で成果を分けるかどうかを見極める必要がある。OpenAIが重視するAutomationBenchではSolが上に出るが、これは自社試験の結果だという点は差し引いて読むべきだ。
見落としやすいのは、安いモデルに難しい処理を投げたときの逆効果だ。Solの精度が要る長い調査をLunaに任せれば、単価で浮いた分より、やり直しに使うトークン代のほうが高くつく。逆に、軽い処理にSolを使えば、必要のない精度に金を払い続けることになる。
今後の見どころ
判断材料として足りていないのは、独立系の検証だ。現時点のベンチマークはOpenAIの発表記事によるもので、第三者による追試はまだない。特にLunaは、コスト優位の主張が自社試験に依拠している。
今後数週間で、実際の負荷をかけた試験が両モデルのタスクあたりコストを確かめるはずだ。そこでは、単価差がそのまま請求額の差として残るのか、それともトークン効率の差に吸収されるのかが見えてくる。用途が固まっているなら、自分の処理で両者を並行して試すのが最も確実だ。






