GPT-6で『AIを使える人』の価値が下がる。Sol / Luna登場で始まる、本当のAI格差

また、新しいGPTが出た。

そう聞いて、

「また性能が上がったのか」
「GPT-5.6と何が違うの？」
「結局、普通の会社員には関係ないでしょ」

と思った人も多いかもしれない。

でも今回のGPT-6 Sol / GPT-6 Lunaは、少し見方を変えたほうがいい。

重要なのは、

「AIがさらに賢くなったこと」ではない。

もっと大きい変化は、

“かなり賢いAI”を、大量の仕事に使える価格まで落としてきたことだ。

OpenAIはGPT-6シリーズとして、最上位の「Astra」に加えて「Sol」と「Luna」を投入した。

ざっくり言えば、

Astra＝最高性能
Sol＝性能とコストのバランス
Luna＝大量処理とコスト効率

という構成になっている。

OpenAI自身も、Astraを最も難しい仕事向け、Solを知能とコストのバランス、Lunaをコスト重視・大量処理向けと位置づけている。

ここから見えてくるのは、単なるモデル追加ではない。

私は今回の発表を、

「生成AIの競争軸が、“誰が一番賢いか”から、“誰が仕事を大量に任せられるか”へ移り始めた」

という変化だと捉えている。

今回はGPT-6 Sol / Lunaについて、AIに詳しくない人にも分かるように整理してみたい。

⸻

そもそもGPT-6には3つの選択肢がある

現在のGPT-6ファミリーを非常にシンプルに整理すると、こうなる。

GPT-6 Astra

最上位モデル。

複雑な推論、コーディング、ブラウザ操作、長時間にわたる業務など、「とにかく最高品質が必要」という仕事を担当する。

GPT-6 Sol

高性能モデル。

複雑なコーディングやAIエージェント型の仕事を想定しつつ、Astraよりコストとのバランスを重視している。

GPT-6 Luna

高効率モデル。

比較的フォーカスされた仕事を、大量・低コストで処理する用途に向いている。

つまり、

「どのAIが一番賢いか？」だけを考える時代ではなくなった。

仕事によってモデルを使い分ける時代になっている。

人間の会社で例えるなら、

Astraは「超難題を任せるトップ人材」。

Solは「難しい仕事を安定して任せられる主力」。

Lunaは「大量の実務を高速で回す実働部隊」。

そんなイメージに近い。

⸻

① 最大の衝撃は「性能」より「価格」

今回、個人的に最も重要だと思うのがここだ。

GPT-6 Sol / Lunaは、GPT-5.6のプロモーション価格と比較してAPI価格が大きく下がった。

GPT-6 Solは、

入力：100万トークンあたり2ドル
出力：100万トークンあたり10ドル

GPT-6 Lunaは、

入力：100万トークンあたり0.10ドル
出力：100万トークンあたり0.50ドル。

OpenAIは、GPT-5.6の対応モデルから50%の価格低下と説明している。

ここだけ見ると、

「へえ、AIが安くなったんだ」

で終わってしまう。

しかし、本当の意味はもっと大きい。

AIのコストが下がると、

「AIを使える仕事の範囲」が広がる。

からだ。

例えば、

1件だけ企業分析する。

1通だけメールを書く。

1ページだけ資料をまとめる。

この程度なら、AIの価格差はそれほど重要ではない。

ところが、

10,000社を分析する。

100,000件の問い合わせを分類する。

毎日数万件の営業データを読む。

全社員の業務ログを解析する。

複数のアプリを横断してAIが仕事をする。

となると話が変わる。

AIは、

「1回あたりいくらか」

ではなく、

「会社全体で何百万回使えるか」

の世界になる。

だから価格低下は、単なる値下げではない。

AIを適用できる業務の境界線そのものを動かす。

ここが今回の重要なポイントだ。

⸻

② Lunaは「安いGPT」ではない

GPT-6 Lunaについて、

「Solより性能を落とした廉価版でしょ？」

と思う人もいるかもしれない。

しかし、この捉え方だとLunaの意味を見誤る。

Lunaの価値は、

大量の仕事をAIに任せるための経済性

にある。

例えば営業組織なら、

・商談ログの分類
・顧客ニーズの抽出
・日報の要約
・CRMデータの整理
・問い合わせ内容の分類
・企業情報の整理
・提案メールの下書き
・過去商談の検索補助

などが考えられる。

1件ずつ見ると、それほど難しくない。

しかし社員が500人、1,000人、10,000人となれば、処理量は膨大になる。

ここで必要なのは、

「世界最高性能のAI」

とは限らない。

必要なのは、

“十分に賢いAIを、十分に安く、大量に動かすこと”

になる。

実際、OpenAIはGPT-6 Lunaを「focused, high-volume tasks（焦点を絞った大量処理）」向けの最も効率的なモデルと位置づけている。

つまりLunaは、

性能競争のためのモデルというより、AIをインフラ化するためのモデル

と見ることもできる。

⸻

③ しかもLunaは、ただ安いだけではない

ここがさらに面白い。

OpenAIが公開したDeepSWE 1.1というソフトウェアエンジニアリング評価では、GPT-6 Luna（max）は66.6%を記録した。

OpenAIによる比較では、Claude Opus 5 / Fable 5のmedium設定に匹敵しながら、タスクあたりのコストはOpus 5より93%、Fable 5より96%低かった。

もちろん、ベンチマークだけでモデル全体の優劣を決めることはできない。

評価条件によって結果は変わる。

それでも重要なのは、

「安いモデル＝簡単なことしかできない」

という構図が崩れてきていることだ。

さらにコンピューター操作を評価するOSWorld 2.0では、GPT-6 Luna（max）がGPT-5.6 Sol（medium）を約10分の1のタスクコストで上回ったとOpenAIは報告している。

これが意味することは大きい。

昨日まで「高性能モデルを使わないと難しかった仕事」が、

今日には「低価格モデルで大量処理できる仕事」に変わる可能性がある。

AIの進化を見るとき、

「最高性能がどこまで伸びたか」

ばかり注目される。

しかし企業にとっては、

「昨日まで高すぎた知能が、今日いくらになったか」

のほうが重要なのかもしれない。

⸻

④ Solは「普通の仕事」の主役になりそう

一方、GPT-6 Solは面白いポジションにいる。

最高性能はAstra。

最安・大量処理はLuna。

ではSolは何なのか。

私は、

実務で最も使いやすい“中間層”

として見るのが分かりやすいと思う。

OpenAIが公開したAutomationBenchでは、営業・マーケティング・オペレーション・サポート・財務・人事などにまたがる47種類のツールを使い、AIに一連の仕事をさせている。

ここでGPT-6 Sol（xhigh）は33.2%。

Claude Opus 5（max）は26.9%。

しかもOpenAIの計測では、Solのタスクあたりコストは0.27ドルで、Opus 5の約9%だった。

さらにGPT-6 Astra（low）の30.3%も上回っている。

ここには重要な示唆がある。

必ずしも、

「最上位モデルを使えばいい」

わけではない。

仕事の難易度とコストによっては、

中位モデルをしっかり考えさせたほうが、費用対効果が高い

ケースが出てくる。

AI導入で重要になるのはモデル名ではなく、

「どの仕事に、どのモデルを、どの推論レベルで割り当てるか」

になっていくだろう。

⸻

⑤ そして「間違い」も減っている

生成AIを業務で使うとき、最大の問題の一つがハルシネーションだ。

もっともらしい嘘を言う。

存在しない情報を作る。

確認していないことを、確認したように話す。

ここが改善されなければ、いくらAIが賢くても業務の中核には置きづらい。

GPT-6ではここにも改善が入っている。

OpenAIは、ユーザーが以前のモデルの誤りを指摘した匿名化済みの実際の会話を使って正確性を評価している。

その評価では、

GPT-6 Solの誤りは前モデルのおよそ半分

だったとしている。

もちろんこれは、すべての利用場面で「誤答率が半分になった」という意味ではない。

OpenAI自身も、誤りを誘発しやすい会話を使った評価であり、通常利用そのものを表す数字ではないと注意している。

それでも、

AIの進化が「回答能力」だけではなく、「任せられるか」という信頼性へ向かっている

点は重要だ。

⸻

⑥ 105万トークンという「記憶領域」

GPT-6 Sol / Lunaには、もう一つ見逃せない数字がある。

コンテキストウィンドウは約105万トークン。

最大出力は128,000トークン。

単純に「長い文章を読めます」という話ではない。

企業利用を考えると意味が変わる。

例えばAIに、

会社の営業方針。

商品資料。

過去商談。

顧客情報。

社内ルール。

マニュアル。

プロジェクト資料。

過去のやり取り。

こうした大量の文脈を渡したうえで仕事をさせやすくなる。

つまり生成AIは、

「質問するたびにゼロから説明する相手」

から、

「大量の前提を共有した状態で仕事を進める相手」

へ近づいている。

⸻

⑦ さらに重要なのが「キャッシュ」

少し専門的だが、ここもかなり重要だ。

OpenAIはGPT-6でプロンプトキャッシュを改善した。

一度読み込ませた大量の文脈を、毎回ゼロから処理するのではなく、再利用しやすくする仕組みだ。

キャッシュ済み入力トークンの読み取りには90%の割引が適用される。

これが何を意味するか。

例えば会社のAIに、

「自社の商品資料100ページ」

を毎回読み込ませるとする。

AIを1回使うだけなら大きな問題ではない。

しかし、

社員1,000人が毎日使う。

AIエージェントが24時間動く。

となると、同じ情報を何度も処理するコストが問題になる。

キャッシュが効けば、

「会社の共通知識を持ったAI」を継続的に動かすコスト

を下げられる。

GPT-6の価格低下とキャッシュ改善は、別々の話ではない。

両方とも、

AIを“チャット”ではなく“業務インフラ”として使うための進化

だと考えると理解しやすい。

⸻

⑧ 「ChatGPTを使う」と「AIが仕事をする」は違う

ここが今回、一番伝えたい部分かもしれない。

これまで生成AI活用というと、

人間
↓
ChatGPTを開く
↓
質問を書く
↓
回答を読む
↓
人間が仕事する

という構造が中心だった。

でもAIエージェントが進むと、

人間
↓
目的を渡す
↓
AIが情報を探す
↓
AIがアプリを操作する
↓
AIが判断する
↓
AIが成果物を作る
↓
人間が確認する

という構造に変わっていく。

実際、GPT-6 Solは「complex coding and agentic workflows」、つまり複雑なコーディングやエージェント型ワークフローを動かすモデルとして位置づけられている。

これは、

「AIに何を聞くか」から「AIに何を任せるか」への変化

と言える。

⸻

⑨ だから本当に変わるのは「ホワイトカラーの仕事」

営業で考えてみよう。

これまで営業担当者は、

企業を調べる。

商談準備する。

議事録を書く。

CRMを更新する。

メールを書く。

提案資料を作る。

上司に報告する。

という大量の作業をしてきた。

生成AIが普及しても、

「メールをChatGPTに書かせる」

程度なら、仕事の構造自体は変わらない。

しかしAIエージェントが、

企業情報を収集する。

CRMを見る。

過去商談を読む。

提案仮説を作る。

資料を作る。

商談後に議事録を整理する。

CRMを更新する。

次回アクションを作る。

ところまで連続して処理できるようになると話が変わる。

人間の役割は、

「作業する人」から「判断する人」へ移っていく。

これは営業だけではない。

マーケティング。

人事。

経理。

カスタマーサポート。

企画。

法務。

開発。

多くのホワイトカラー業務で同じことが起こり得る。

⸻

⑩ これから企業に必要なのは「AIを導入すること」ではない

ここまで来ると、企業のAI戦略も変わる。

「ChatGPTを導入しました」

だけでは差別化になりにくい。

重要になるのは、

仕事をどう分解するか。

例えば一つの業務を、

①大量処理
②通常判断
③高度判断
④最終意思決定

に分解する。

そして、

大量処理 → Luna

通常〜高度な実務 → Sol

極めて難しい問題 → Astra

最終意思決定 → 人間

というように配置する。

もちろん実際には、業務内容・品質要求・セキュリティ・コストによって設計は変わる。

でも発想として重要なのは、

「どのAIを契約するか」ではなく、「仕事をどうAIに配分するか」

だ。

⸻

そして、もう一つ大きな変化がある

AIが賢くなればなるほど、

人間の知識が不要になる。

そう思われがちだ。

私はむしろ逆の現象も起きると思っている。

AIが大量の仕事をできるようになるほど、

「何を正解とするのか」

を人間側が持っていることが重要になる。

営業なら、

良い商談とは何か。

良いヒアリングとは何か。

どんな提案が刺さるのか。

どんな失注パターンがあるのか。

マーケティングなら、

良い顧客とは誰か。

どんな訴求が効くのか。

何をブランドとして守るのか。

AIは高速で実行できる。

でも、

「何を高速で実行させるべきか」

は組織側が設計しなければならない。

だからAI時代には、

プロンプトを書く能力だけではなく、

自分たちの仕事を言語化し、構造化し、AIに渡せる状態にする能力

が重要になっていく。

⸻

GPT-6で始まったのは「AIの民主化」の次かもしれない

ChatGPTが登場したとき、

AIは一部の研究者やエンジニアだけのものではなくなった。

誰でもAIと会話できるようになった。

これは、

「AIへのアクセスの民主化」

だった。

そしてGPT-6 Sol / Lunaが示している方向は、その次なのかもしれない。

「AI労働力の民主化」だ。

非常に高度なAIを、

一部の大企業だけではなく、

中小企業やスタートアップ、

そして個人開発者でも大量に利用できる。

もしこの方向が続けば、

会社の競争力は、

社員数だけでは測れなくなる。

10人の会社が、

100体のAIエージェントを動かす。

1人の経営者が、

営業AI、マーケティングAI、分析AI、開発AIを使う。

そんな組織が普通になる可能性がある。

⸻

最後に

GPT-6 Sol / Lunaのニュースを見ると、

「GPT-5.6より何％性能が上がった」

という話に目が行きやすい。

もちろん、それも重要だ。

ただ、もっと大きな変化は、

知能の価格が下がり続けていること

だと思う。

高性能。

高速。

大量処理可能。

そして安い。

この4つが同時に進むと、

AIは「便利なツール」という位置づけを超えていく。

これから問われるのは、

「ChatGPTを使っていますか？」ではない。

「あなたの仕事のうち、どこまでをAIが実行していますか？」

になる。

そして数年後には、

「AIを使える人」と「使えない人」の差以上に、

「仕事をAIが実行できる形に設計できる人」と「できない人」の差

が大きくなっているかもしれない。

GPT-6 SolとLuna。

今回の発表で本当に見るべきなのは、

AIがまた少し賢くなったことではない。

“知能を大量に使うコスト”が、また一段下がったことだ。

生成AIの次の競争は、

「一番賢いAIは何か」

ではなく、

「AIにどこまで仕事を任せられるか」

なのかもしれない。