Codex向け最適GPT-5.6モデル

短い答え：複雑なコーディングとエージェント作業は GPT-6.1 Sol、集中して繰り返す作業は GPT-6 Luna です。 GPT-6.1 Sol（gpt-6.1-sol）は Codex が難しい作業向けに勧めるモデルで、OpenAI は Astra に近い性能を Astra より安い価格で出せると説明しています。GPT-6 Luna（gpt-6-luna）は自動で確認できる範囲の狭い作業に向き、OpenAI で最も高性能なモデルが必要なときは GPT-6 Astra を選びます。GPT-5.6 の Sol、Terra、Luna は移行期間中も使えるので、下の比較でその中から選べます。

2026年10月24日更新：Codex が勧める GPT-6.1 Sol と GPT-6 Luna を追加しました。

Codex はいまどのモデルを勧めている？

Codex のモデルガイドは現在、複雑なコーディングとエージェント作業に GPT-6.1 Sol、集中して繰り返す作業に GPT-6 Luna を挙げています（2026年10月24日確認）。GPT-6 Astra は OpenAI で最も高性能なモデルのままですが、入力と出力の価格は GPT-6.1 Sol の 5 倍です。

これは標準 API の価格で、100万トークンあたりの米ドルです。3 モデルとも 1,050,000 トークンのコンテキストと最大 128,000 トークンの出力を持ちます。GPT-6.1 Sol はこの中で最も割安です。入力 $2、出力 $10 は GPT-5.6 Terra と入力で同じ、出力で安くなります。入力 100,000 トークン、出力 20,000 トークンの実行は GPT-6.1 Sol で $0.40、GPT-6 Astra で $2.00 です。

切り替えるには、対話式 CLI で /model を入力するか、起動時にモデルを指定します。

codex --model gpt-6.1-sol
codex exec -m gpt-6.1-sol "テストを実行して失敗を説明して"

ChatGPT ログインの Codex では、GPT-5.5 は 2026年10月14日で使えなくなりました。API キーのセッションは対象外です。保存したコマンドに残っている場合は、まず gpt-6.1-sol に置き換えてください。

Sol・Terra・Luna をすぐ選ぶ表

Codex向け最適GPT-5.6モデルは、モデル名の大きさではなくタスクの不確実性、失敗コスト、検証方法で決まります。根本原因が曖昧で失敗を戻しにくい仕事は GPT-5.6 Sol、要件が明確な機能実装・バグ修正・テストは GPT-5.6 Terra、入出力と完了条件が固定された反復処理は GPT-5.6 Luna が出発点です。

迷ったときに品質を優先するなら、まず Sol で代表タスクを一度通します。ただし、毎回 Sol に固定する必要はありません。同じリポジトリの受け入れテストを通る範囲で、より安いモデルと低い reasoning effort へ段階的に下げる方が実務的です。

低コスト層で Luna を検討する場合は、Claude Haiku 4.5 と GPT-5.6 Luna の比較も参照してください。直接料金、キャッシュ、コンテキスト制約、同じ受け入れテストの考え方を扱っています。

GPT-5.6 の中では、深い判断は Sol、通常の開発は Terra、スループットは Lunaです。これはプロンプトごとの絶対的な品質順位ではなく、タスクの形に応じた役割分担です。

Codex はエージェント、GPT-5.6 はモデル

Codex はリポジトリの文脈を読み、ツールを呼び、パッチを適用し、承認を求め、検証コマンドを実行するコーディングエージェントです。Sol、Terra、Luna は、適切な Codex surface を動かすモデルファミリーです。この選択を Claude Code と Codex の製品比較と混同しないでください。

同じモデルでも、片方の実行には AGENTS.md、shell、書き込み可能な sandbox、決定的なテストがあり、別の実行には貼り付けたコードだけがあるなら結果は変わります。可能な限り、同じ Codex client、同じ権限、同じ受け入れ条件で比較してください。

OpenAI は gpt-5.6 を gpt-5.6-sol へ向ける alias として文書化しています。評価と自動化には明示的な ID の方が安全です。

gpt-5.6-sol
gpt-5.6-terra
gpt-5.6-luna

仕様と OpenAI 直結 API 価格

価格は短いコンテキストでの OpenAI 直結標準 API の、100 万 token あたり USD です。OmniaKey の小売価格ではありません。予算を決める前に、3 つのモデルページと ライブモデルカタログで OmniaKey の可用性と表示価格を確認してください。

3 モデルはいずれも text と image 入力、text 出力、streaming、structured outputs、function calling、prompt caching、Responses API を公式に記載しています。プロバイダー固有のツールや ChatGPT 機能が、あらゆる custom provider・client・gateway で使えるとは限りません。使う正確な経路を確認してください。

入力が 272K token を超えるリクエストは、OpenAI の現行ルールではリクエスト全体に短コンテキスト入力価格の 2 倍、出力価格の 1.5 倍が適用されます。cache write は未キャッシュ入力の 1.25 倍です。1.05M の容量があることは、毎回埋めることが経済的または有効である意味ではありません。

難しく、開かれた仕事では Sol

Sol は、モデルが既知の手順を実行するだけでなく、調査して経路を発見する必要があるときの最初の強い候補です。次のケースでは Sol から始めます。

• 根本原因が service、queue、database、権限境界をまたぐ。
• 要件が矛盾する、または重要な制約が明記されていない。
• migration が請求、認証、セキュリティ、永続データに影響する。
• テストが弱く、変更前にモデル自身が証拠を集める必要がある。
• 応答速度より review の質が重要である。
• もっともらしい誤答を戻すコストが高い。

OpenAI Docs は Sol を、追加の分析、判断、仕上げが必要な複雑で開かれた高価値の仕事に位置付けています。Codex cloud が必須なら、現在の公式モデル表で対応として記載されているのはこの tier です。

ただし、リポジトリが大きいだけで Sol が必要になるわけではありません。大規模 monorepo 内の範囲が明確な変更は Terra 向けになり得ます。逆に、小さな service の十行の認可バグでも Sol に値することがあります。

日常的な開発では Terra

タスクが理解できているなら Terra は実用的な既定候補です。次の仕事から始めます。

• 明確な受け入れ条件に沿った機能実装
• focused test のある再現可能な bug 修正
• unit test と integration test の追加・更新
• 既知の call site にまたがる refactor
• 通常の pull request review
• code と合わせた型、設定、文書の保守

短コンテキストの直結 API では、Terra の入力価格は Sol の半分、出力価格は 60% です。日常的な仕事を多く走らせるチームでは、この差だけでも Terra を先に試す理由になります。

Terra が同じ失敗した方針を繰り返す、システム横断の制約を見逃す、根本原因を説明できない、狭いテストだけ通るパッチを作る場合に tier を上げます。ファイル数ではなく証拠で escalation を決めてください。

Terra と Sol ではなく Claude の日常 tier と比較したいなら、Claude Sonnet 5 と GPT-5.6 Terra の比較を使ってください。

明確で反復可能な仕事では Luna

Luna は速く、コスト重視の tier です。入力と完了条件がともに明確なら特に適します。

• 固定 schema で issue を分類または ticket を振り分ける。
• log、report、source file からフィールドを抽出する。
• 繰り返しの設定・文書を変換する。
• 決定的なテストを持つ孤立した機械的変更を行う。
• 親タスク用に範囲の決まった検索結果を要約する。
• false positive と見逃しを計測する大量チェックを走らせる。

曖昧な設計、微妙な security review、説明できない production 障害には Luna を既定にしません。安い失敗を何度も繰り返した後に Terra や Sol を使う方が、最初から適切な tier を選ぶより高くなることがあります。

Luna には明示的な入力、output schema、停止条件、決定的な受け入れチェックを渡してください。可逆で検証しやすい仕事ほど低価格の利点を実際のコスト削減に変えられます。

代表タスクの料金

未キャッシュ入力 100,000 token、出力 20,000 token の実行を考えます。272K の長コンテキスト閾値より下です。

これは完了タスクのベンチマークではありません。cache write、組み込みツール料金、retry、reasoning 使用量の差、人間の修正時間を除外しています。見るべき指標は次です。

完了タスクのコスト = 成功した実行
                   + 失敗した試行
                   + retry とツール料金
                   + 人間の修正時間

Luna が有利なのは、受け入れられる結果を出せる場合だけです。難しい仕事で下位 tier の失敗を複数防げるなら、Sol の方が安いこともあります。

effort を先に調整する

モデル tier と reasoning effort は別の制御です。必要な結果を出す最も低い effort から始め、さらに計画、分析、検証が必要な場合だけ上げます。

1. 慣れたタスクを通常または medium で実行する。
2. 方向は正しいが調査が浅いなら、同じモデルで effort を上げる。
3. 問題を解決できない、必要な判断を逃すなら tier を上げる。
4. 十分に通るなら、低い effort または安い tier で繰り返す。
5. 解釈できる比較のため、一度に変える変数は一つにする。

高 effort の Luna が Sol と同等、低 effort の Sol が Terra と同等とは考えないでください。受け入れ結果、遅延、token、人間の修正時間を configuration ごとに測定します。

local Codex と Codex cloud は別

OpenAI は 3 つの GPT-5.6 モデルを Codex CLI と IDE extension 向けに記載しています。Sol は Codex cloud 向けにも記載され、Terra と Luna は記載されていません。ただし、利用可否は rollout、sign-in method、client に依存します。

API key 課金では ChatGPT plan の含まれる credit ではなく API rate が適用されます。Responses 互換 custom provider は、対応モデルを local Codex に公開できることがありますが、ChatGPT 専用または cloud 専用の機能を解除するものではありません。

対応する設定は OmniaKey Codex CLI ガイド（英語）を参照してください。モデル一覧は正常でも stream や tool call が失敗する場合は、GPT-5.6 互換性キットを使ってください。このページはモデル選択、kit は設定とトラブルシューティングを扱います。

実用的な routing policy

結果とともに model ID、effort、task class、acceptance command を保存してください。これがなければ、後日の regression がモデル、prompt、harness、repository のどれによるかを切り分けられません。

Codex でモデルを切り替える

対話型の Codex CLI session では /model を使います。新しい CLI 実行では正確なモデルを指定します。

codex --model gpt-5.6-sol
codex --model gpt-5.6-terra
codex --model gpt-5.6-luna

非対話の実行でも同じ選択子を使えます。

codex exec -m gpt-5.6-terra "リポジトリの検証を実行し、失敗を説明して"

これらのコマンドはモデルを選ぶだけで、authentication や provider を設定するものではありません。まず対応する setup を終えてください。保存するタスクや評価では exact ID を使い、動く family default を許容できる場合だけ gpt-5.6 alias を使います。

受け入れられた変更で評価する

チームが実際に行う仕事から小さな task set を作ります。

1. 決定的なテストのある通常実装。
2. 少なくとも 2 module にまたがる再現可能な bug。
3. 多数ファイルにまたがる機械的変換。
4. 既知の defect を入れた review task。
5. 高リスクな設計または migration の判断。

各 task は同じ commit、同じ instruction、tool、permission、check から実行します。Agent の結果は変動するため繰り返します。pass rate、経過時間、input/output token、tool call、retry、人間の修正時間を記録してください。

Terra と Luna は、Sol と同じ受け入れ結果を出せる task class だけに昇格させます。追加の判断が結論を変える場所では Sol を残します。一般的な leaderboard ではなく、自分の repository に根ざした routing policy になります。

より広い provider 選択は コーディングモデルファミリーガイドを参照してください。

最終判断

GPT-6.1 Sol は、Codex がいま複雑で答えの決まっていない仕事に勧めるモデルです。GPT-6 Luna は速くて反復可能、客観的に検証できる仕事の既定で、OpenAI で最も高性能なモデルが必要なときは GPT-6 Astra を選びます。GPT-5.6 の中では Sol が最上位、Terra が日常の既定、Luna が最安です。

最大のモデル名から始めず、タスクのリスクと曖昧さから始めてください。その後、自分の結果に基づいて反復作業を、信頼性を保つ最安 tier と最小 effort に移します。

よくある質問

いま Codex ではどのモデルを選べばいい？

複雑なコーディングとエージェント作業は GPT-6.1 Sol、自動で確認できる範囲の集中して繰り返す作業は GPT-6 Luna、OpenAI で最も高性能なモデルが必要なときは GPT-6 Astra です。GPT-5.6 の各 tier は移行期間中も使えます。

Codex 向け最適 GPT-5.6 モデルは？

不明または複雑で開かれた仕事は Sol、日常の機能、debugging、test、refactor は Terra、明確で反復的、大量かつ客観的なチェックを持つ仕事は Luna を選びます。

Codex はまだ既定で GPT-5.6 Sol を使いますか？

Codex はいま GPT-6.1 Sol を勧めています。gpt-5.6 API alias は引き続き gpt-5.6-sol を指し、Codex の picker と default Power は account、plan、sign-in、client、rollout で変わります。再現性が重要なら完全な model ID を指定してください。

Terra は Sol より coding の価値が高いですか？

要件が明確な日常 coding では、Terra は低い直結 API rate のため通常は良い開始点です。深い判断により失敗、review debt、高価な誤実装を避けられるなら Sol の方が価値があります。いまは GPT-6.1 Sol が両方より安く、100 万トークンあたり入力 $2、出力 $10 です（Terra は $2 と $12）。

最も安い GPT-5.6 は？

GPT-5.6 では Luna が最も安く、短コンテキストの 100 万 token あたり入力 $0.20、cache input $0.02、出力 $1.20 です。新しい GPT-6 系では GPT-6 Luna がさらに安く、入力 $0.10、cache input $0.01、出力 $0.50 です。

3 モデルのコンテキストは同じですか？

はい。いずれも 1,050,000 token context、922,000 最大入力、128,000 最大出力です。容量が同じでも、reasoning の深さ、速度、task reliability は同じではありません。

3 モデルとも Codex cloud で使えますか？

現行の公式 Codex モデル表では Sol は Codex cloud 対応として記載され、Terra と Luna は local CLI と IDE extension 向けに記載されています。標準化前に自分の account の利用可否をもう一度確認してください。

確認した一次情報

2026年10月24日に確認しました。

• OpenAI: モデルと推奨（英語）
• OpenAI: Codex のモデルと選択（英語）
• OpenAI: GPT-5.6 Sol（英語）
• OpenAI: GPT-5.6 Terra（英語）
• OpenAI: GPT-5.6 Luna（英語）
• OpenAI: API pricing（英語）
• OpenAI: GPT-6.1 Sol（英語）
• OpenAI: GPT-6 Luna（英語）
• OpenAI: GPT-5.6 model guidance（英語）
• OpenAI: Codex authentication（英語）

事実と計算は 2026年10月24日に確認しました。三モデルを新しく比べた試験は行っていません。導入前に、公式 OpenAI Docs とライブカタログで model ID、価格、client availability を再確認してください。