OpenAIが「GPT-5.6」開発者ガイドを公開　新モデル「Luna」「Terra」による劇的な低コスト化とAPI拡張の詳細

要点

• OpenAIは、高性能なAIエージェントを低コストで構築するためのガイド「The builder's guide to GPT-5.6」を公開した。

• コスト最適化された新モデル「Luna」や「Terra」は、テスト時計算量を増やすことで、前世代のフラグシップモデルと同等の性能を大幅に安価で提供する。

• 評価テスト環境において、GPT-5.6は「低い」推論設定であっても、従来のGPT-5.5が「高い」設定で出した性能を上回る結果を示した。

• 推論結果の引き継ぎや「ネイティブコンパクション」といったResponses APIの機能拡張により、トークン消費を抑えた効率的な動作が可能になった。

• AI自身がJavaScriptを書いてツールの実行制御を行う「プログラムによるツール呼び出し」により、不要なデータ処理をコンテキストウィンドウの外に追いやる仕組みが導入された。

• 米OpenAIは2026年8月13日、同社の最新AIモデルファミリー「GPT-5.6」を活用して効率的かつ高性能なAIエージェントを構築するための技術ガイド「The builder's guide to GPT-5.6」を公開した。本ガイドは、すでに同モデルを導入している複数のスタートアップ企業による実践的な成果や、新しいAPIコントロール機能についてまとめたものである。性能の向上と劇的なコスト低減を両立させたことで、実用的なAIエージェント開発の新たな標準となることが期待されている。

「低い」推論負荷で従来の最高性能を凌駕

GPT-5.6モデルファミリーは、AIエージェントとしての高度な処理能力をこれまで以上に手頃な価格で提供することを目指して設計されている。従来のGPT-5以降、各モデル世代は「より少ないトークン（AIがテキストを処理する際の最小単位）で、より長期にわたるタスクを解決すること」に取り組んできたが、GPT-5.6はこの方向性をさらに推し進めた。

具体的には、モデル性能を測定するための標準的なテスト環境である「ハーネス」を用いた「Agents’ Last Exam」において、GPT-5.6 Solを「低い」推論設定で動かした際の成績が、従来のGPT-5.5を「高い」推論設定で動かした際の成績を上回るという結果が報告されている。

この性能向上は、すでに実運用の現場でも実証されている。AIを活用したデータ分析ツールを提供するHex社のAI研究リードであるイジー・ミラー氏は、「自社の評価環境にGPT-5.6を導入したところ、推論負荷を低く設定しても極めて優れた結果が得られた」と述べている。同モデルは必要なデータが存在しない状況を正確に判断し、見込みのない処理を避けることで、消費トークン数を抑つつ正解に到達したという。

コスト最適化モデル「Luna」と「Terra」の台頭

これまでのAIエージェント開発では、長期にわたるタスクや複雑なツール制御に対応するため、最も推論能力が高い最高峰のフラグシップモデルを採用することが定石とされてきた。しかしGPT-5.6ファミリーの登場によって、その常識は変わりつつある。

本ファミリーに加わったコスト最適化モデル「Luna」および「Terra」は、テスト時計算量（回答生成時にモデルが追加で行う計算処理の量）を増やすアプローチを採用している。これにより、前世代のフラグシップモデルであるGPT-5.4やGPT-5.5に匹敵する性能を維持しながら、実行コストを劇的に引き下げることに成功した。

実際に導入した企業の評価でも、その費用対効果の高さが示されている。
ドキュメント抽出ツールを開発するHypha社では、Lunaを導入することで、GPT-5.5が持つ情報抽出精度の98%を維持したまま、コストを18分の1に抑えることができたと報告している。また、ブラウザ操作の自動化技術を手がけるBrowser Use社は、難易度の高い106件のブラウザ操作タスクをLunaで実行し、78%を約14ドルで完了した。これは既存のSOTA（特定分野で最先端の技術レベル）モデルが80%の完了に約235ドルを要した事例と比較して劇的なコスト減となる。さらに、PlayerZero社は、コード探索タスクにおいて推論コストを64%削減し、応答速度を90%向上させ、予測精度を示す指標であるF1スコアを5ポイント改善させた。

難解な事実検索をテストするベンチマーク「BrowseComp」では、GPT-5.5が33.27ドルで達成したスコア（84.36%）とほぼ同等の結果（84.04%）を、GPT-5.6 Lunaはわずか1.33ドルで実現している。

このような特性を持つTerraやLunaは、処理量が多いワークロードや応答速度が重視される操作、あるいは何度も繰り返し発生する処理ステップに適している。例えば、手書きのメモをテキストデータ化した後にエージェント分析にかけるワークフローにおいて、すべての工程で最先端モデルを使用するのではなく、最初のテキスト抽出部分にTerraやLunaを限定的に適用することで、システム全体のコストを大幅に抑制することができる。

エージェントの効率を最大化するAPIの3大機能

GPT-5.6では、単なるモデル自体の性能向上に加え、より効率的なエージェント構築を可能にするための「Responses API」の機能拡張が実施された。OpenAIは、エージェントを効率的に動作させるため、以下の3つのアプローチをモデルに組み込んでいる。

第一は「すでに行われた作業の再利用」だ。推論をモデルのターン間で維持し、「ネイティブコンパクション」（会話の圧縮技術）を使用することで、長期にわたるタスクでも文脈を見失うことなく一貫した作業を継続できる。

第二は「適切な並列分散処理」だ。「ネイティブ・マルチエージェント・オーケストレーション」により、メインエージェントが複数のサブエージェントに並列してタスクを委譲し、複雑な作業を高速化する。

第三は「決定論的な処理のコード移行」だ。「プログラムによるツール呼び出し」機能により、データのフィルタリングや結合といった定型処理をコンテキストウィンドウ（モデルが一度に処理できる情報量）の外側でJavaScriptコードとして実行し、不要なトークン消費を減らす。

これらの機能を組み合わせた場合の効果は非常に大きく、推論の維持とコンパクション機能を有効にしたテスト（ARC-AGI-3）では、出力トークン数を約6分の1に減らしながら、スコアを13.3%から38.3%へとほぼ3倍に向上させた実績があるという。

プログラムによるツール呼び出しとマルチエージェント連携

本ガイドでは、AIエージェントの作業を「判断を要するタスク」と「データの移動や整理といった定型的処理」の2つに分解して考えている。
たとえば、AIが100件の書類を取得し、日付で並べ替え、特定の取引情報を探す場合、その中間データすべてをモデルがコンテキストウィンドウ内で読み取って推論する必要はない。「プログラムによるツール呼び出し」を使えば、モデルが自らJavaScriptを書いて複数のツールを並列に動かし、その結果のみを受け取ることができる。これにより、モデルは純粋な知能が必要とされる判断に専念できる。

金融リサーチ分野での適用例として、Rogo社の応用AI担当であるアレックス・ワン氏は、「プログラムによるツール呼び出しを活用した結果、成果物の質を落とすことなく、入力トークン数を21%削減できた」と報告している。

また、複雑なタスクを並列化して処理速度を上げる「マルチエージェント」構成も、Responses APIの設定を有効にすることでネイティブに実装できるようになっている。これは現在、ChatGPTの「ultra capability（超高機能設定）」を動かしているのと同じ仕組みである。

このように、GPT-5.6は単に頭脳が賢くなっただけでなく、開発者が実用に耐えうる高性能・低コストなAIエージェントを効率的に組み立てるための土台として進化を遂げている。