• Sol（ソル）：最前線の推論、長期的なエージェントワーク、最も要求の厳しいタスク向けの旗艦モデル。
• Terra（テラ）：日常的な利用に適したバランス型モデル。GPT-5.5と同等の性能を約2分の1のコストで実現。
• Luna（ルナ）：最速かつ最もコスト効率の高い階層。大量処理タスクを最低価格で提供。

ベンチマーク性能：コーディング、生物学、サイバーセキュリティ

OpenAIはGPT-5.6 Solを、コーディング、生物学、サイバーセキュリティの3つの主要分野で新たな最前線に位置づけています。

コーディング — Terminal-Bench 2.1

Terminal-Bench 2.1は、複数ステップの計画、ツールの連携、反復処理を必要とするコマンドライン作業をテストするベンチマークです。89の複雑なプログラミングタスクで構成されています。結果は以下の通りです。

GPT-5.6 Sol Ultraは91.9%で新たな最高記録（State of the Art）を達成しました。標準のSolスコア88.8%は、Anthropicの制限付き最前線モデルであるClaude Mythos 5の88.0%を約1ポイント上回っています。

生物学 — GeneBench v1

GeneBench v1は、長期的なゲノミクス（遺伝子解析）や定量生物学の分析タスクを評価するベンチマークです。OpenAIは、SolがGPT-5.5よりも少ない出力トークンでより強力な結果を達成したと報告しています。これは科学研究のワークフローにおいて、意味のある効率改善を示しています。

サイバーセキュリティ — ExploitBench と ExploitGym

サイバーセキュリティ研究ベンチマークの ExploitBench では、GPT-5.6 SolがAnthropicのMythos Previewとほぼ同等の性能を示しながら、出力トークンは約3分の1に抑えられました。

ExploitGym は、UCバークレーの研究者がOpenAIや他の最前線AIラボと協力して構築したベンチマークです。このテストでは、GPT-5.6の全3モデルにおいて、推論能力の向上に伴いサイバーセキュリティ性能が改善されました。

重要なのは、OpenAIがGPT-5.6 Solは自社のPreparedness Framework（準備態勢フレームワーク）のもとでCyber Critical（サイバー重大）閾値を超えていないと明言している点です。ChromiumやFirefoxを対象とした評価では、モデルはバグやエクスプロイトの構成要素を特定しましたが、テスト条件下で自律的に機能する完全なエクスプロイトチェーンを生成することはありませんでした。GPT-5.6シリーズ全体として、内部評価では（サイバーセキュリティと生物兵器能力の次元で）「High（高）」リスクと評価されましたが、最高レベルの「Critical（重大）」には達していません。

安全スタック：OpenAI「これまでで最も堅牢」

OpenAIは、GPT-5.6 Solが「これまでで最も堅牢な安全スタック」とともにローンチされると述べています。安全対策には以下が含まれます。

• 強化されたリアルタイム保護：高リスクなサイバー活動や繰り返される悪用に対する対策。
• 新しい活性化分類器：機密性の高い領域向けに、生成中に安全でない回答を介入・停止できる仕組み。
• 人間によるレッドチーミングと70万A100相当GPU時間以上の自動テスト：脱獄（ジェイルブレイク）手法を発見し、システムを強化するために実施。
• トレーニング、リアルタイムモニタリング、アカウントレベルのシグナル、階層的なアクセス制御を組み合わせた多層安全システム。

プレビュー期間中は、OpenAIが誤検出率と検出漏れ率を微調整するため、一部のプロンプトが追加審査のために遅延またはブロックされる可能性があります。

段階的公開と米国政府との連携

GPT-5.6の展開は、これまでのOpenAIのリリースとは一線を画すものです。米国政府の要請により、OpenAIは当初、少数の信頼できるパートナーと組織（Axiosの報道によれば約20社）にのみアクセスを制限し、モデルは追加の国家安全保障審査を受けることになりました。

このプレビューは、広くセルフサービスで利用できるプログラムではありません。この期間中、GPT-5.6 Sol、Terra、Lunaは、この限定されたグループに対してのみOpenAI APIとCodexを通じて利用可能です。プレビュー期間中、これらのモデルはChatGPTでは利用できません。OpenAIは、ChatGPT、Codex、APIでの広範な提供を「数週間以内」に計画していると述べています。

OpenAIは、政府による承認プロセスを一時的なものと明確に位置づけています。同社は「我々は広範なアクセスを信じており、このプロセスが長期的なデフォルトとなるべきではない」と明言しました。内部メモの中で、CEOのサム・アルトマンはスタッフに対し、政府が「このプレビュー期間中、顧客を一社ごとに承認する」とし、数週間後にはより広範なリリースを期待していると伝えています。

このプロセスは、米国国家サイバー局長室（Office of the National Cyber Director）および科学技術政策局（Office of Science and Technology Policy）との協議から生まれたものであり、トランプ政権が試験的に導入している新たな最前線モデル枠組みを反映しています。

API料金体系

OpenAIの公式ヘルプセンターは、100万トークンあたりの以下の料金を確認しています：

Solの価格はGPT-5.5と同額ですが、TerraはGPT-5.5と比較して約2倍安価です。参考までに、Solの価格はAnthropicの制限付きモデルMythos 5（$10/$50）よりも、Claude Opus 4.8（$5/$25）に近い設定となっています。

プロンプトキャッシュのアップデート

GPT-5.6では、より予測可能なプロンプトキャッシュが導入され、いくつかの重要な変更点があります：

• 明示的なキャッシュブレークポイントのサポート。開発者がプロンプトのどの部分をキャッシュするかを制御可能に。
• 30分間の最低キャッシュ寿命。
• キャッシュ書き込みは、モデルの非キャッシュ入力レートの1.25倍で課金。
• キャッシュ読み取りは引き続き90%のキャッシュ入力割引が適用。

Cerebrasへの展開

OpenAIはまた、GPT-5.6 Solが7月にCerebrasハードウェア上で展開されることを発表しました。推論速度は最大750トークン/秒に達します。

主なポイント

GPT-5.6ファミリーは、これまでのOpenAIのローンチから大きく逸脱した発表となりました。3層構造（Sol、Terra、Luna）は、モデルシリーズと能力階層を切り離す、長期間使用可能なブランディングを導入しています。ベンチマークの結果、特にTerminal-Bench 2.1でのSolの最高記録とExploitBenchでの効率改善は、サイバーセキュリティや生物学の分野で意味のある進歩を示しています。しかし、今回のローンチを最も特徴づけるのは、政府によるアクセス制限であり、これは最前線AIの展開における新たなパラダイムを象徴しています。

• Sol（ソル）：最前線の推論、長期的なエージェントワーク、最も要求の厳しいタスク向けの旗艦モデル。
• Terra（テラ）：日常的な利用に適したバランス型モデル。GPT-5.5と同等の性能を約2分の1のコストで実現。
• Luna（ルナ）：最速かつ最もコスト効率の高い階層。大量処理タスクを最低価格で提供。

ベンチマーク性能：コーディング、生物学、サイバーセキュリティ

OpenAIはGPT-5.6 Solを、コーディング、生物学、サイバーセキュリティの3つの主要分野で新たな最前線に位置づけています。

コーディング — Terminal-Bench 2.1

Terminal-Bench 2.1は、複数ステップの計画、ツールの連携、反復処理を必要とするコマンドライン作業をテストするベンチマークです。89の複雑なプログラミングタスクで構成されています。結果は以下の通りです。

GPT-5.6 Sol Ultraは91.9%で新たな最高記録（State of the Art）を達成しました。標準のSolスコア88.8%は、Anthropicの制限付き最前線モデルであるClaude Mythos 5の88.0%を約1ポイント上回っています。

生物学 — GeneBench v1

GeneBench v1は、長期的なゲノミクス（遺伝子解析）や定量生物学の分析タスクを評価するベンチマークです。OpenAIは、SolがGPT-5.5よりも少ない出力トークンでより強力な結果を達成したと報告しています。これは科学研究のワークフローにおいて、意味のある効率改善を示しています。

サイバーセキュリティ — ExploitBench と ExploitGym

サイバーセキュリティ研究ベンチマークの ExploitBench では、GPT-5.6 SolがAnthropicのMythos Previewとほぼ同等の性能を示しながら、出力トークンは約3分の1に抑えられました。

ExploitGym は、UCバークレーの研究者がOpenAIや他の最前線AIラボと協力して構築したベンチマークです。このテストでは、GPT-5.6の全3モデルにおいて、推論能力の向上に伴いサイバーセキュリティ性能が改善されました。

重要なのは、OpenAIがGPT-5.6 Solは自社のPreparedness Framework（準備態勢フレームワーク）のもとでCyber Critical（サイバー重大）閾値を超えていないと明言している点です。ChromiumやFirefoxを対象とした評価では、モデルはバグやエクスプロイトの構成要素を特定しましたが、テスト条件下で自律的に機能する完全なエクスプロイトチェーンを生成することはありませんでした。GPT-5.6シリーズ全体として、内部評価では（サイバーセキュリティと生物兵器能力の次元で）「High（高）」リスクと評価されましたが、最高レベルの「Critical（重大）」には達していません。

安全スタック：OpenAI「これまでで最も堅牢」

OpenAIは、GPT-5.6 Solが「これまでで最も堅牢な安全スタック」とともにローンチされると述べています。安全対策には以下が含まれます。

• 強化されたリアルタイム保護：高リスクなサイバー活動や繰り返される悪用に対する対策。
• 新しい活性化分類器：機密性の高い領域向けに、生成中に安全でない回答を介入・停止できる仕組み。
• 人間によるレッドチーミングと70万A100相当GPU時間以上の自動テスト：脱獄（ジェイルブレイク）手法を発見し、システムを強化するために実施。
• トレーニング、リアルタイムモニタリング、アカウントレベルのシグナル、階層的なアクセス制御を組み合わせた多層安全システム。

プレビュー期間中は、OpenAIが誤検出率と検出漏れ率を微調整するため、一部のプロンプトが追加審査のために遅延またはブロックされる可能性があります。

段階的公開と米国政府との連携

GPT-5.6の展開は、これまでのOpenAIのリリースとは一線を画すものです。米国政府の要請により、OpenAIは当初、少数の信頼できるパートナーと組織（Axiosの報道によれば約20社）にのみアクセスを制限し、モデルは追加の国家安全保障審査を受けることになりました。

このプレビューは、広くセルフサービスで利用できるプログラムではありません。この期間中、GPT-5.6 Sol、Terra、Lunaは、この限定されたグループに対してのみOpenAI APIとCodexを通じて利用可能です。プレビュー期間中、これらのモデルはChatGPTでは利用できません。OpenAIは、ChatGPT、Codex、APIでの広範な提供を「数週間以内」に計画していると述べています。

OpenAIは、政府による承認プロセスを一時的なものと明確に位置づけています。同社は「我々は広範なアクセスを信じており、このプロセスが長期的なデフォルトとなるべきではない」と明言しました。内部メモの中で、CEOのサム・アルトマンはスタッフに対し、政府が「このプレビュー期間中、顧客を一社ごとに承認する」とし、数週間後にはより広範なリリースを期待していると伝えています。

このプロセスは、米国国家サイバー局長室（Office of the National Cyber Director）および科学技術政策局（Office of Science and Technology Policy）との協議から生まれたものであり、トランプ政権が試験的に導入している新たな最前線モデル枠組みを反映しています。

API料金体系

OpenAIの公式ヘルプセンターは、100万トークンあたりの以下の料金を確認しています：

Solの価格はGPT-5.5と同額ですが、TerraはGPT-5.5と比較して約2倍安価です。参考までに、Solの価格はAnthropicの制限付きモデルMythos 5（$10/$50）よりも、Claude Opus 4.8（$5/$25）に近い設定となっています。

プロンプトキャッシュのアップデート

GPT-5.6では、より予測可能なプロンプトキャッシュが導入され、いくつかの重要な変更点があります：

• 明示的なキャッシュブレークポイントのサポート。開発者がプロンプトのどの部分をキャッシュするかを制御可能に。
• 30分間の最低キャッシュ寿命。
• キャッシュ書き込みは、モデルの非キャッシュ入力レートの1.25倍で課金。
• キャッシュ読み取りは引き続き90%のキャッシュ入力割引が適用。

Cerebrasへの展開

OpenAIはまた、GPT-5.6 Solが7月にCerebrasハードウェア上で展開されることを発表しました。推論速度は最大750トークン/秒に達します。

主なポイント

GPT-5.6ファミリーは、これまでのOpenAIのローンチから大きく逸脱した発表となりました。3層構造（Sol、Terra、Luna）は、モデルシリーズと能力階層を切り離す、長期間使用可能なブランディングを導入しています。ベンチマークの結果、特にTerminal-Bench 2.1でのSolの最高記録とExploitBenchでの効率改善は、サイバーセキュリティや生物学の分野で意味のある進歩を示しています。しかし、今回のローンチを最も特徴づけるのは、政府によるアクセス制限であり、これは最前線AIの展開における新たなパラダイムを象徴しています。