GPT-6とOpus 5.5が同日発表、LLM競争の主戦場はコストへ

2026年9月22日、OpenAIはGPT-6 Sol/Lunaを、AnthropicはClaude…

2026年9月22日、OpenAIとAnthropicが相次いで新モデルを発表した。OpenAIの「GPT-6 Sol/Luna」はAPI価格を前世代比で半減させ、Anthropicの「Claude Opus 5.5」は典型的なワークロードで従来比40%のコスト削減を訴える。フロンティアLLMの開発競争が、性能そのものから「コストあたりの知能」へと主戦場を移しつつあることを、両社の一次資料から確認する。

9月22日、二つの「新型フロンティア」が同日に並んだ

2026年9月22日、OpenAIはGPT-6ファミリーの新モデル「GPT-6 Sol」と「GPT-6 Luna」を発表した(Introducing GPT-6 Sol and Luna)。同月初めに登場した最上位モデルGPT-6 Astraと同様の手法で訓練し、Astraの能力をより安く、より速く提供する位置づけだ。APIでは「gpt-6-sol」「gpt-6-luna」として利用でき、ChatGPT WorkとCodexでは有償プラン(Plus/Pro/Business/Enterprise/Edu)向けに提供が始まっている。

同じ日、Anthropicは新ファミリー「Claude 5.5」の第一弾「Claude Opus 5.5」を発表した(Introducing Claude Opus 5.5)。同社によれば、多くの作業で上位モデルの「Claude Fable 5.1」と同等の水準にあり、運用コストはOpus 5比で40%低いという。下位モデルのSonnet 5.5とHaiku 5.5は「今後数週間で」投入される予定だ。

両発表に共通するのは、最上位モデルの知能をいかに安く届けるかが中心メッセージになっている点だ。

API価格は半額、キャッシュ読み取りは最大9割引き

数値を見ると、値下げの幅が際立っている。

OpenAIはGPT-6 SolのAPI価格を100万トークンあたり入力2ドル・出力10ドルとし、GPT-5.6 Solのプロモーション価格(同4ドル・20ドル)から50%引き下げたと発表した。廉価版のGPT-6 Lunaは入力0.10ドル・出力0.50ドルで、同じく半減している。

AnthropicはOpus 5.5を100万トークンあたり入力4ドル・出力20ドルとし、Opus 5比20%の引き下げとした。影響が大きいのはキャッシュ読み取りで、100万トークンあたり0.20ドルとOpus 5比60%引きだ。エージェントやコーディングではキャッシュ読み取りがコストの大半を占めるため、総コストの削減につながりやすい。出力速度もOpus 5比で30%以上速いとしている。

OpenAIもキャッシュ入力の読み取りに90%の割引を適用し、キャッシュヒット率が高まるよう改良したと説明している。GitHubではこの改良によって、OpenAIのモデルへの数十億件のリクエストのうち、新規処理が必要なプロンプトトークンの割合が半分以上減ったと、OpenAIは伝えている。

ベンチマークの比較軸が「スコア」から「コストあたりの性能」へ

両社の発表資料では、ベンチマーク結果が「同等のスコアを何分の一のコストで達成したか」という形式で並んでいる。

OpenAIの発表では、実在するコードベースでの長期ソフトウェア開発を測るDeepSWE v1.1で、GPT-6 Sol(max effort)が68.8%を記録し、Claude Fable 5の最高スコア69.9%(xhigh effort)と1.1ポイント差ながら、タスクあたりコストは約80%低いとされる。ビジネスワークフローを測るAutomationBench 1.0.6では、GPT-6 Sol(xhigh)がスコア33.2%・タスクあたり0.27ドルに対し、Claude Opus 5(max)はスコア26.9%でコストはその11.1倍としている。

Anthropicの発表では、ターミナルでの実務タスクを測るTerminal-Bench 4.0でOpus 5.5(xhigh effort)が66.4%(標準誤差±2.6ポイント)を記録し、OpenAIが報告したGPT-6 Astra(high effort)の57.9%を上回ったとしている。ただし同社は「この能力水準ではベンチマークの差が実世界の差を示す信頼できる指標ではなくなりつつある」と明記し、Opus 5.5とFable 5.1の実質的な差はスコアが示すより小さいという自社評価も併記した。

実運用の報告としてAnthropicは、初期テスターが68万行のコード移行を1日未満で完了した事例や、20万行のコードベース監査を3時間弱で終えた(Opus 5は20時間超)例、HAProxyをCからRustへ書き換える内部テストでFable 5.1より2.5時間速く51%安く完了した例を挙げている。いずれも企業側の主張であり第三者検証を経ていない点には注意が必要だ。

安全性評価が発表日の中心的な要素になった

今回の両発表で目立つのは、安全性・アラインメント評価が製品アピールの中核に組み込まれたことだ。

AnthropicはOpus 5.5について、公開前に外部評価機関のFrontier DesignとMETRによるテストを受けたと明らかにした。同社が最も包括的としている自動行動監査では「過去にテストしたモデルの中で最高のスコア」を取得したとし、プロンプトインジェクションへの耐性は検証した全設定でOpus 5を上回ったと主張している。AIセキュリティ企業Gray Swanのベンチマークでは、プロンプトインジェクションの成功率がテスト済みモデル中最低となりFable 5.1と並んだという。評価の詳細はOpus 5.5 System Cardとして公開されている。

Opus 5.5は、CEOのDario Amodeiがフロンティア開発の速度調整を呼びかけて以来、初めてのモデルリリースでもある。

OpenAI側も、GPT-6 SolとLunaはGPT-5.6世代よりアラインメント評価を改善したと発表。コーディング成果についての虚偽の主張が減ったことを含んでいる。さらに、ユーザーが誤りを報告した実際の会話に基づく内部評価で、GPT-6 Solの事実誤認が前世代比でおよそ半分に減ったとしている。

「安くなったフロンティア」が利用者に届く経路

ここまでは両社の発表という事実の整理である。以下は解釈である。

エージェント型のワークロードでは、タスクあたりコストが実用性を左右する。1回の質問ならトークン単価の差は小さいが、コーディングエージェントを終日稼働させる使い方では、単価・キャッシュ価格・トークン消費量の積がそのまま費用になる。両社がキャッシュ読み取りの値下げを前面に出したのは、この利用形態を明示的に狙ったものと考えられる。

一方で、両社のベンチマーク主張には構造的な限界もある。相互比較の数値は各社が自社の設定で測定・引用したもので、評価環境やeffort指定、フォールバック構成が異なる。Anthropic自身が「ベンチマークの差は信頼できる指標ではなくなりつつある」と認める水準であり、導入判断では自社ワークロードでの実測が重みを持つだろう。

それでも、フロンティア級の能力が前世代の半値前後で供給され始めた事実は、API利用者にもエンドユーザーにも届く。AnthropicはPro/Max/Team/Enterpriseの5時間あたり利用上限を引き上げ、サブスクライバーが任意のタイミングで使えるレート制限のリセットを提供する。OpenAIは無料・Goユーザーにもデスクトップアプリ経由でGPT-6 Lunaを開放した。競争の軸が「どれだけ賢いか」から「どれだけ安く賢いか」へ移ったことだけは、9月22日の2本の発表が明確に示している。

+

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です