GPT-5.6の3モデルがKiroに対応

OpenAIは8月24日、GPT-5.6ファミリーの3モデル、**Sol（高性能型）・Terra（バランス型）・Luna（高速・低コスト型）**が、AWSの開発環境「Kiro」で利用できるようになったと発表した。対象はKiroのIDE、CLI、Web環境で、開発者は既存コードを踏まえながら、ソフトウェアの計画、実装、レビュー、テストを進められる。

Kiroは、短いプロンプトを入力してコードを生成するだけのツールではない。製品や機能についての高レベルな意図を、まず開発仕様（spec）へ変換する点が特徴だ。

Kiroは「意図」を3段階の仕様に変換

Kiroの仕様駆動開発では、開発者が自然言語で作りたいものを説明すると、次のような成果物が作られる。

1. 要件：ユーザーストーリーや受け入れ基準を整理する
2. 技術設計：アーキテクチャ、データの流れ、技術上の判断をまとめる
3. タスク：実装内容を順序立てた、追跡可能な作業へ分解する

Kiroのドキュメントでは、基本的な流れを「Requirements → Design → Tasks」と説明している。生成された仕様は、単発のチャット履歴ではなく、チームが確認・編集・承認できる継続的なコンテキストになる。

この仕組みの狙いは、AIエージェントが短い指示から即興的にコードを書くのではなく、チームが意図した要件や設計に沿って実装することだ。AWSは、要件、設計判断、タスクを監査可能な「信頼できる情報源」として残すことで、AIを使った開発の一貫性や管理性を高められると説明している。

「82％低コスト」は精度ではなく、成功タスクあたりの費用

今回最も注目を集めた数字は、Terminal-Bench 2.1を使ったOpenAIとAWSの共同テストだ。両社によると、Kiro上でGPT-5.6 Terraを使った場合、成功したタスク1件あたりのコストが約82％低くなったという。 1819

ここで注意したいのは、この82％が「Terraの精度が82％向上した」という意味ではないことだ。比較対象は、モデル単体の性能ではなく、Kiroのエージェント実行環境やワークフローも含めた、エンドツーエンドの成功タスクあたりコストである。

同じ比較で示されたタスク成功率は、次の通りだった。

モデル	タスク成功率
GPT-5.6 Terra	87.4％
GPT-5.6 Sol	88.8％

つまり、このテストではSolの方が成功率で1.4ポイント高かった。Terraはわずかに精度で劣る一方、Kiro内ではコスト効率に優れる選択肢として位置づけられている。

なお、OpenAIとAWSは、82％の削減分のうち、どれだけがKiroのエージェント・ハーネスによるものなのか、どれだけがTerraのトークン使用量や価格によるものなのかを分解して公表していない。そのため、この数字をあらゆる環境で再現できるTerra単体の効率向上率と解釈することはできない。

モデル価格も相次いで引き下げ

今回のKiro対応は、GPT-5.6ファミリーの価格性能を前面に出す動きの一環でもある。

8月21日、OpenAIはGPT-5.6 Solの価格を、入力トークンで100万トークンあたり5ドルから4ドルへ、出力トークンで30ドルから20ドルへ引き下げた。入力は20％、出力は約33％の値下げに相当する。プロモーション価格は、少なくとも2026年11月21日まで適用される。 13

対象は従量課金のAPI利用に加え、対象となるChatGPT WorkとCodexのトークンクレジット。ChatGPT Pro、Plus、Businessのサブスクリプションに含まれる利用上限が増えるわけではない。 26

さらに7月30日には、Lunaが80％、Terraが20％値下げされた。OpenAIはLunaを最も高速で手頃なモデル、Terraを日常業務向けのバランス型モデルとして位置づけている。 17

Reutersは、Solの値下げについて、Anthropicや中国のAIモデル提供企業との価格・性能競争が激しくなるなかでの対応だと報じている。 2

開発者にとっての選び方

今回の発表から読み取れる実用的な使い分けは比較的明確だ。

• Terra：多少の精度差を許容し、日常的な実装や大量のタスクを低コストで回したい場合
• Sol：複雑な多段タスクや、成功率を優先する重要な開発作業
• Luna：速度と処理量、コストを最優先する用途

ただし、Kiroでの実際の費用は、モデル価格だけでなく、仕様の作り方、タスクの分割、エージェントの実行回数、既存コードの規模などにも左右される。82％という見出しの数字は、Terraを選べば常に同じ削減率が得られるという保証ではない。

Kiro対応はOpenAIとAWSの関係強化も示す

GPT-5.6のKiro対応は、単なるモデル追加にとどまらず、OpenAIとAWSの商業・技術関係が深まっていることも示している。両社をめぐっては、2025年11月に報じられた380億ドル規模のAWSコンピューティング契約、2026年2月に発表された8年間で追加1000億ドル規模の契約、AmazonによるOpenAIへの500億ドル投資、そしてOpenAIがAWSのTrainiumを約2GW分利用する計画が伝えられている。

ただし、今回確認できた資料では、500億ドル投資と約2GWのTrainium利用については公式発表で裏付けられる一方、380億ドルから1000億ドルへ至る契約のすべての条件や日付を、単一の一次資料で独立に確認できるわけではない。したがって、契約規模の数字は報道ベースの情報として扱う必要がある。

結論：Terraはコスト重視、Solは精度重視

GPT-5.6のKiro対応で最も重要なのは、モデルを選べるようになったことだけではない。Kiroが要件、技術設計、タスクという持続的な仕様を先に作り、そのコンテキストを使ってAIエージェントに実装させる点にある。

TerraはKiro内でコスト効率の高い標準候補として売り込まれており、Solは今回の比較でわずかに高い成功率を示した。したがって、「82％削減」という数字は、Terraそのものがあらゆる環境で82％効率的だという意味ではなく、Kiroとモデルを組み合わせたシステム全体のコスト結果として読むのが適切だ。

GPT-5.6の3モデルがKiroに対応

OpenAIは8月24日、GPT-5.6ファミリーの3モデル、**Sol（高性能型）・Terra（バランス型）・Luna（高速・低コスト型）**が、AWSの開発環境「Kiro」で利用できるようになったと発表した。対象はKiroのIDE、CLI、Web環境で、開発者は既存コードを踏まえながら、ソフトウェアの計画、実装、レビュー、テストを進められる。

Kiroは、短いプロンプトを入力してコードを生成するだけのツールではない。製品や機能についての高レベルな意図を、まず開発仕様（spec）へ変換する点が特徴だ。

Kiroは「意図」を3段階の仕様に変換

Kiroの仕様駆動開発では、開発者が自然言語で作りたいものを説明すると、次のような成果物が作られる。

1. 要件：ユーザーストーリーや受け入れ基準を整理する
2. 技術設計：アーキテクチャ、データの流れ、技術上の判断をまとめる
3. タスク：実装内容を順序立てた、追跡可能な作業へ分解する

Kiroのドキュメントでは、基本的な流れを「Requirements → Design → Tasks」と説明している。生成された仕様は、単発のチャット履歴ではなく、チームが確認・編集・承認できる継続的なコンテキストになる。

この仕組みの狙いは、AIエージェントが短い指示から即興的にコードを書くのではなく、チームが意図した要件や設計に沿って実装することだ。AWSは、要件、設計判断、タスクを監査可能な「信頼できる情報源」として残すことで、AIを使った開発の一貫性や管理性を高められると説明している。

「82％低コスト」は精度ではなく、成功タスクあたりの費用

今回最も注目を集めた数字は、Terminal-Bench 2.1を使ったOpenAIとAWSの共同テストだ。両社によると、Kiro上でGPT-5.6 Terraを使った場合、成功したタスク1件あたりのコストが約82％低くなったという。 1819

ここで注意したいのは、この82％が「Terraの精度が82％向上した」という意味ではないことだ。比較対象は、モデル単体の性能ではなく、Kiroのエージェント実行環境やワークフローも含めた、エンドツーエンドの成功タスクあたりコストである。

同じ比較で示されたタスク成功率は、次の通りだった。

モデル	タスク成功率
GPT-5.6 Terra	87.4％
GPT-5.6 Sol	88.8％

つまり、このテストではSolの方が成功率で1.4ポイント高かった。Terraはわずかに精度で劣る一方、Kiro内ではコスト効率に優れる選択肢として位置づけられている。

なお、OpenAIとAWSは、82％の削減分のうち、どれだけがKiroのエージェント・ハーネスによるものなのか、どれだけがTerraのトークン使用量や価格によるものなのかを分解して公表していない。そのため、この数字をあらゆる環境で再現できるTerra単体の効率向上率と解釈することはできない。

モデル価格も相次いで引き下げ

今回のKiro対応は、GPT-5.6ファミリーの価格性能を前面に出す動きの一環でもある。

8月21日、OpenAIはGPT-5.6 Solの価格を、入力トークンで100万トークンあたり5ドルから4ドルへ、出力トークンで30ドルから20ドルへ引き下げた。入力は20％、出力は約33％の値下げに相当する。プロモーション価格は、少なくとも2026年11月21日まで適用される。 13

対象は従量課金のAPI利用に加え、対象となるChatGPT WorkとCodexのトークンクレジット。ChatGPT Pro、Plus、Businessのサブスクリプションに含まれる利用上限が増えるわけではない。 26

さらに7月30日には、Lunaが80％、Terraが20％値下げされた。OpenAIはLunaを最も高速で手頃なモデル、Terraを日常業務向けのバランス型モデルとして位置づけている。 17

Reutersは、Solの値下げについて、Anthropicや中国のAIモデル提供企業との価格・性能競争が激しくなるなかでの対応だと報じている。 2

開発者にとっての選び方

今回の発表から読み取れる実用的な使い分けは比較的明確だ。

• Terra：多少の精度差を許容し、日常的な実装や大量のタスクを低コストで回したい場合
• Sol：複雑な多段タスクや、成功率を優先する重要な開発作業
• Luna：速度と処理量、コストを最優先する用途

ただし、Kiroでの実際の費用は、モデル価格だけでなく、仕様の作り方、タスクの分割、エージェントの実行回数、既存コードの規模などにも左右される。82％という見出しの数字は、Terraを選べば常に同じ削減率が得られるという保証ではない。

Kiro対応はOpenAIとAWSの関係強化も示す

GPT-5.6のKiro対応は、単なるモデル追加にとどまらず、OpenAIとAWSの商業・技術関係が深まっていることも示している。両社をめぐっては、2025年11月に報じられた380億ドル規模のAWSコンピューティング契約、2026年2月に発表された8年間で追加1000億ドル規模の契約、AmazonによるOpenAIへの500億ドル投資、そしてOpenAIがAWSのTrainiumを約2GW分利用する計画が伝えられている。

ただし、今回確認できた資料では、500億ドル投資と約2GWのTrainium利用については公式発表で裏付けられる一方、380億ドルから1000億ドルへ至る契約のすべての条件や日付を、単一の一次資料で独立に確認できるわけではない。したがって、契約規模の数字は報道ベースの情報として扱う必要がある。

結論：Terraはコスト重視、Solは精度重視

GPT-5.6のKiro対応で最も重要なのは、モデルを選べるようになったことだけではない。Kiroが要件、技術設計、タスクという持続的な仕様を先に作り、そのコンテキストを使ってAIエージェントに実装させる点にある。

TerraはKiro内でコスト効率の高い標準候補として売り込まれており、Solは今回の比較でわずかに高い成功率を示した。したがって、「82％削減」という数字は、Terraそのものがあらゆる環境で82％効率的だという意味ではなく、Kiroとモデルを組み合わせたシステム全体のコスト結果として読むのが適切だ。