GPT-5.6 Luna xhigh: 知能49・タスク単価$0.04・待ち時間40秒、安い理由まで実測

2026-07-30 の値下げで GPT-5.6 Luna は80%、Terra は20%安くなりました（Sol は据え置き）。Luna を xhigh まで上げると Intelligence Index は49で Terra high と同点、タスク単価は約1/7です。ただし最初の返答まで40.24秒かかり、Terra medium の1.75秒に対して約21倍。結論は用途で割れます — 対話しながら進める通常セッションは Terra のまま、仕様が固まった一括作業だけ Luna xhigh に落とすのが実測から出る判断です。定額の Codex では料金も枠も変わらず、変わるのはクレジット消費が減ることだけ。

2026年7月30日（2026-07-30）、OpenAI は GPT-5.6 の価格改定を発表し、Luna が80%、Terra が20%値下げされました。

このニュースを見て、APIで Terra を常用している人や Codex の定額ユーザーが真っ先に考えるのは「コスト優先で Luna に乗り換えるべきか」という一点だと思います。

先に結論を書きます。用途で割れます。 対話しながら進める通常セッションは Terra のまま、仕様が固まった一括作業だけを Luna xhigh に任せる、という使い分けが実測から出る判断です。

ここが今回の中心です。安くなったかどうかと、いつものセッションで気持ちよく進むかどうかは、別の問題だからです。

定額の Codex では料金も月間枠も変わらず、変わるのはクレジット消費が減ることだけ。この記事では、OpenAI公式発表と第三者ベンチ機関 Artificial Analysis の2026年7月31日採取の実測データを土台に、乗り換え判断のための材料を整理します。

まず事実を整理します。

OpenAI公式発表によると、値下げ対象は GPT-5.6 Luna と Terra で、Sol の価格は据え置きです。APIの新価格は以下の通りです。

• Luna: 入力 1Mトークンあたり $0.20、出力 $1.20 (80%値下げ相当)
• Terra: 入力 $2、出力 $12 (20%値下げ相当)

重要なのは、定額サブスクリプション（ChatGPT、Codex）への影響です。公式は「料金とクォータ予算は変わらず、TerraとLunaの利用が消費するクレジットが減る」と明記しています。

つまり、Codex の定額プランを使っている人は、支払う月額も、割り当てられるクォータそのものも従来どおりです。変化するのは、その枠の中で Terra や Luna を使ったときに消費されるクレジット量が減る、ということだけ。削減率は公表されていないため、具体的な数字は出せません。

なお公式によると、Codex と ChatGPT Work では Free・Go は Terra のみ、Plus・Pro・Business・Enterprise は Terra と Luna の両方を選べます。そもそも Luna を選べるプランかどうかは先に確認しておく必要があります。

迷うとしたら、たぶん「値下げされたから全部 Luna にすればいいのか、それとも Terra を残すべきか」というところです。ここを判断するには、値段だけでなく、性能と待ち時間のトレードオフを数値で見る必要があります。

第三者ベンチ機関 Artificial Analysis が値下げ翌日の2026年7月31日（2026-07-31）に採取したデータを見ていきます。

検証方法: どのように検証したか

先に、どうやって集めた数字かを書いておきます。ここは事実の話で、後半の使い分けの提案は、その事実からの推測を含みます。両者は分けて読んでください。

価格と定額プランへの影響は OpenAI の公式発表（2026-07-30 付）から取りました。知能指数・待ち時間・タスク単価は、第三者ベンチ機関 Artificial Analysis の各モデルページを2026-07-31 に開いて採取したものです。公式ページ・ベンチ機関ページとも自動取得が拒否されるため、実際にブラウザで開いて読み取っています。

数字の意味も押さえておきます。Intelligence Index は Artificial Analysis 独自の総合指標（v4.1）で、9種類の評価をまとめたものです。OpenAI 公式の性能保証ではありませんし、あなたの実作業での成功率でもありません。TTFT は「最初の回答トークンが返るまでの秒数」で、推論モデルでは考えている時間を含みます。タスク単価は Intelligence Index の1タスクあたりの重み付き平均コストで、入力・キャッシュ・推論・回答の全トークンを含みます。

比較の観点は三つです。モデルの知能指数（Intelligence Index）、最初の回答トークンが返るまでの時間（TTFT。推論モデルでは「考えている」時間を含みます）、そして Intelligence Index の1タスクを解くのにかかった重み付き平均コスト（タスク単価）です。

GPT-5.6 Luna (xhigh) の Intelligence Index は 49 です。 これは GPT-5.6 Terra (high) の49と同点で、Terra (medium) の46を上回ります。つまり、effortを最大のxhighまで上げたLunaは、highのTerraと同等の知能を持ちます。

コスト面では、Intelligence Index 1タスクあたりの重み付き平均コストが Luna xhighは$0.04、Terra mediumは$0.16、Terra highは$0.30です。同点のLuna xhighとTerra highを比べると、単価は約1/7になります。

しかし、ここに待ち時間という大きなトレードオフがあります。 同じ実測で、最初の回答トークンが返るまでの時間（TTFT）は、Luna xhighが40.24秒、Terra mediumが1.75秒、Terra highが1.94秒です。Luna xhighはTerra mediumの約21倍も待たなければなりません。

単価は1/10なのに、実コストは1/7止まり

ここで一つ、素直に効かない数字があります。

トークンあたりの価格だけを見ると、Luna の出力は $1.20 で Terra の $12 のちょうど1/10です。ところがタスク単価は $0.04 対 $0.30 で、約1/7にしかなりません。

理由は出力量です。Luna xhigh は Intelligence Index 全体で6700万出力トークンを消費しており、Terra high の2400万、Terra medium の1000万と比べて大幅に多い。同じ知能指数49に到達するのに、Luna ははるかに長く「考えて」います。TTFT が40秒に伸びるのも、タスク単価が単価差ほど下がらないのも、同じ一つの原因から来ています。

なお、Luna が安くなった理由そのものは出力量とは別の話です。OpenAI は公式発表で、GPT-5.6 Sol 自身が本番のカーネルを書き換えてモデル提供コストを20%削減し、トークン生成効率を15%以上改善したと説明しています。値下げの原資はモデルの冗長さではなく、提供側の効率化です。

これらのデータを基に、「通常セッションのモデルをLunaに落とすべきか」という問いに答えます。読者は大きく二つに分かれます。APIを従量課金で使っている人と、Codexを定額で使っている人です。

API従量課金ユーザー: 待ち時間40秒を許容できるタスクだけに絞る

API従量課金ユーザーにとっての判断は、待ち時間に対する許容度で決まります。

もしあなたの作業が、仕様が固まったコードの一括生成、テスト実行、ドキュメント書きのような、対話をあまり必要とせず、最初の返答を40秒待てるものであれば、Luna xhighは圧倒的にコスト効率が良い選択です。知能はTerra highと同点で、タスク単価は約1/7です。

一方、対話しながら仕様を探り、試行錯誤を繰り返すような通常セッションでは、1.75秒と40秒の差は作業体験を大きく損ないます。待ち時間が長いと思考の流れが断ち切られ、生産性が低下する。その場合は、Terra medium（またはhigh）を使い続ける価値があります。タスク単価は高くなりますが、時間単価で見ればむしろ効率的かもしれません。

Codex定額ユーザー: 料金は変わらない。待ち時間と月間枠のトレードオフ

Codex定額ユーザーの状況は異なります。

あなたが支払う月額料金と、月間の利用可能時間（あるいはトークン枠）は変わりません。値下げの影響は、その枠内でTerraやLunaを使った際の「クレジット消費量が減る」ことだけです。

つまり、同じ時間でより多くの作業をこなせるようになる可能性はありますが、料金自体が下がるわけではありません。判断の焦点は、「待ち時間を我慢して、月間枠をより有効に使いたいか」になります。待ち時間が許容できない通常セッションはTerra、待てるバッチ作業はLuna xhigh、と用途で切り分ける考え方は同じです。

この判断を後押しするのが、OpenAI自身が公式ブログで示したコーディングワークフローの例です。

それによると、推奨される使い方は、Solで不確実性を解消して計画を定義し、その後、仕様の固まった変更の実装・テスト実行・結果の評価をLunaで行うというものです。Lunaを常用モデルの単純な置き換えとしてではなく、役割を分けた先の「実行役」として位置づけています。

この推奨は、実測データと符合します。Sol（またはTerra）で仕様を固め、その結果をLuna xhighに渡して、待ち時間はかかっても安く大量の出力を生成させる。この分業が、値下げ後のLunaの最も現実的な活用法だと思います。

2026年7月30日の値下げ後、GPT-5.6 Luna xhighはTerra highと同等の知能（Index 49）を約1/7のタスク単価で提供します。しかし、その代償として最初の返答までに40秒の待ち時間が発生します。

したがって、通常セッションのモデルを全てLunaに置き換えるべきではありません。

答えは用途で分かれます。 対話しながら進める作業はTerra（medium/high）を維持し、仕様が明確な一括生成やバッチ処理だけをLuna xhighに任せる。この使い分けが、実測データと公式の推奨から導かれる現実的な判断です。

定額のCodexユーザーは、料金や枠そのものは変わらないことに注意してください。恩恵は「同じ枠でより長く回せる」という形で返ってきます。しかもこれは Terra を使い続けても受け取れる恩恵です。Terra も20%分の値下げが反映されているので、待ち時間と引き換えに何かを我慢する必要はありません。待ち時間を差し出す判断が必要になるのは、さらに枠を伸ばしたくて Luna xhigh へ落とすときだけです。

もう一つ、Terra の中での昇格も選択肢になります。medium から high へ上げると Intelligence Index は46から49へ伸びる一方、TTFTは1.75秒から1.94秒とほとんど変わりません。待ち時間の面では実質無料の昇格です。ただしタスク単価は $0.16 から $0.30 へ、およそ2倍になります。effort を上げると出力トークンが増えるためで、値下げがあってもこの増分は消えません。

API従量課金ユーザーは、待ち時間40秒を許容できるタスクかどうかをまず考え、そこからコストと時間のバランスを取ってみてください。安さに飛びつく前に、なぜ安いのかの理由まで見ておくと、後で後悔しない選択ができると思います。

正直に書いておきたい弱点が三つあります。

一つ目。Intelligence Index は第三者が独自に測った総合指標で、継続的に再計測されます。実際、同じ Luna xhigh の TTFT は2026-07-10 時点の保存値では25.11秒でしたが、2026-07-31 の採取では40.24秒に変わっていました。3週間で6割増えています。この記事の数字も、読んでいる時点では動いている可能性があります。

二つ目。定額プランのクレジット消費がどれだけ減るのかを、OpenAI は公表していません。この記事でタスク単価を並べているのは、あくまで消費量の目安を掴むためです。クレジットへの換算式とは別物なので、「1/7 になる」と読み替えないでください。

三つ目。ここで比べているのはベンチマークであって、あなたの仕事ではありません。40秒の待ち時間が本当に耐えられないかは、扱う作業の粒度で変わります。最終的には、自分のよく使うタスクで一度両方を走らせて確かめるのが確実です。

Q. Luna は Terra より賢いのですか？

A. effort を揃えれば Terra のほうが上です。Luna が Terra high に並ぶのは、Luna を xhigh まで上げた場合だけで、その代償が40秒の待ち時間です。「Luna のほうが賢い」という単純化はできません。

Q. GPT-5.6 は全部安くなったのですか？

A. いいえ。値下げされたのは Luna と Terra だけで、Sol の価格は据え置きです。

Q. 同時に発表された Fast mode を使えば賢くなりますか？

A. なりません。Fast mode は Sol で標準処理の最大2.5倍速・価格2倍という速度のオプションで、公式に「知能は変わらない」と明記されています。API の Priority Processing を置き換えるもので、Codex の /fast に対応します。

Q. 結局、今の設定を変えるべきですか？

A. 対話中心なら変えなくて構いません。Terra の値下げは何もしなくても効いています。変える価値があるのは、仕様が固まった一括作業を日常的に流している場合で、そこだけ Luna xhigh に切り替えると効きます。

（参考: 本記事の分析に用いた Artificial Analysis の実測データは2026年7月31日（2026-07-31）採取のものです。TTFTなどの値は継続的に再計測されており、以前の保存値から変化している場合があります。価格改定前の詳細なeffort比較については、過去記事「BlogGPT-5.6のeffort、maxにすると何倍遅い？実測で見る使い分けGPT-5.6 Sol/Terra/LunaのreasoningエフォートをArtificial Analysisの第三者実測データで比較。effortを上げるとIntelligence Index・TTFT・価格がどう変わるかを出典付きチャートで確認し、用途別の使い分け判断基準を整理します。→」「BlogGPT-5.6 Sol×Terra、コスパ最強のEffort組み合わせは？実測で検証GPT-5.6 Sol（設計・計画役）とTerra（コーディング実装役）を組み合わせて使う際、どのreasoning effortが最もコスパが良いかをArtificial Analysisの実測データで検証。Solはhighで頭打ち、Terraはhighまで気軽に上げてよい理由を出典付きチャートで確認します。→」もご参照ください。ただし両記事の価格表は値下げ前のものです。）

主な出典:

• https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/
• https://artificialanalysis.ai/models/gpt-5-6-luna-xhigh
• https://artificialanalysis.ai/models/gpt-5-6-terra-medium
• https://artificialanalysis.ai/models/gpt-5-6-terra-high

• BlogGPT-5.6のeffort、maxにすると何倍遅い？実測で見る使い分けGPT-5.6 Sol/Terra/LunaのreasoningエフォートをArtificial Analysisの第三者実測データで比較。effortを上げるとIntelligence Index・TTFT・価格がどう変わるかを出典付きチャートで確認し、用途別の使い分け判断基準を整理します。→
• BlogGPT-5.6 Sol×Terra、コスパ最強のEffort組み合わせは？実測で検証GPT-5.6 Sol（設計・計画役）とTerra（コーディング実装役）を組み合わせて使う際、どのreasoning effortが最もコスパが良いかをArtificial Analysisの実測データで検証。Solはhighで頭打ち、Terraはhighまで気軽に上げてよい理由を出典付きチャートで確認します。→
• Blogreasoning effort 早見表——ChatGPTとClaudeの結論ChatGPTとClaudeのreasoning effortを公式ドキュメントで突き合わせた早見表。既定値の違い（Claudeはhigh、GPT-5.6はmedium）、段階名が同じでも中身が違う理由、ultracodeはmaxの上ではないという誤解の訂正まで。→

HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です！エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします！