GPT-5.6 Sol・Terra・Luna比較：Codexでどれを選ぶ？

- 価格、クレジットレート、モデル名は目まぐるしく変わります。以下の数値は執筆時点（2026年08月）の公式ドキュメントと照合済みですが、依存する前に最新のドキュメントを確認してください。

3つのティアをひと目で

Codexは各タスクを3つのGPT-5.6モデルティア、Sol、Terra、Lunaのいずれかに振り分けます - 従来の番号付きバージョン名に代わるものです。3つのティアは、エージェントがタスクごとに「深い推論」にどれだけ費やすかが異なり、それが速度とクレジットコストの両方を左右します。

正確なクレジット数値は、下の「ドルだけでなくクレジット」のセクションにあります。

このティアを選ぶべきとき - 10秒で決める

Solを選ぶとき：

• タスクが多数のファイルにまたがる、またはアーキテクチャの判断がまだ明確でない。
• 難しいバグをデバッグしていて、根本原因がまだわからない。
• 誤った答えのコストが高い - 本番環境の変更、セキュリティに関わるコード。

Terraを選ぶとき：

• 日常の機能開発：関数を実装する、APIルートを組み込む。
• 失敗しているテストの修正、1つのファイルやモジュール内でのきれいなリファクタリング。
• あれこれ考えずに「十分よくて、十分速い」デフォルトが欲しい。

Lunaを選ぶとき：

• 定型コード：CRUDのスキャフォールディングや繰り返しの設定を生成する。
• 仕様がすでに完全に明確 - 自分で計画を書き、エージェントはそれに従うだけ。
• 小さくて似たタスクを大量に実行する（一括リネーム、ドキュメントの雛形）。

実践的なメモ：違いを体感するためだけに、正確なベンチマーク数値を出す目的ではなく、同じ小さなタスクを3つのティアすべてで実行してみました - 結果は上の区分と一致しました。Terraは大半の場面で十分で、Solはタスクが本当に厄介なときにコストに見合い、Lunaは速いものの、一度に多くのファイルを把握しなければならなくなると限界がすぐに見えてきます。

Terra - 日常のコーディングのデフォルト

Terraはバランスの取れたティアで、Solのコストを払わずとも、実際のコーディング作業の大半（機能の実装、バグ修正、モジュールのリファクタリング、テストの作成）に十分な強さがあります。特に指定しなければCodexがデフォルトにすべきティアであり、ほとんどのセッションの妥当な出発点です。

Terraでのタスクが軌道を外れ続けたり、その後の手作業のクリーンアップが多すぎたりするなら、それがSolを試すべきサインです - Terraに合わないタスクを無理に押し付け続けるのではなく。

Sol - 複雑さがコストを正当化するとき

Solは最も強力なティアであり、最も高価です - 下のクレジット表のとおり、同じトークン量に対してSolはTerraの約2.5倍のコストがかかります。問題が曖昧なとき、多数のファイルにまたがるとき、あるいは誤るコストが高すぎてリスクを負えないときに使ってください。

サードパーティのベンチマーク（OpenAIの直接の公表ではなく、Artificial Analysisから集約されたもの）によると、Solは複雑なタスク完了テストで約63.7%のスコアを出し、Terraは約40.7%です - タスクが本当に難しいときに追加のクレジット支出を正当化できるほど大きな差です。OpenAIはまた、GPT-5.6がコーディングにおいて前世代よりも大幅にトークン効率が高いと述べたと伝えられています - ただしこれはOpenAIの直接の出典ではなく二次情報経由の「報じられた」数値として扱い、正確な引用が必要なら確認してください。

Luna - 速くて安い、しかし明確な限界あり

Lunaは最も安く最も速いティアで、大量かつ仕様が明確な作業に向いています：定型コード、繰り返しのスキャフォールディング、似たファイル群への一括変更。そのクレジットコストはTerraの1桁下なので、単純な作業ではTerraやSolをデフォルトにするより、まずLunaを走らせて必要な場合にだけ上げるほうが理にかなっています。

本当の限界：その同じサードパーティのベンチマーク元によると、Lunaのロングコンテキスト再現精度は約41.3%で、Sol/Terraの約90%に対して低くなっています。大きなコードベース全体を一度に理解する必要がある作業を任せてはいけません - 離れた場所にある詳細を忘れたり見落としたりしがちです。

Codexでのモデル設定方法

ティアを設定するには3つの方法があり、恒久的なデフォルトが欲しいか、一時的な切り替えが欲しいかによって使い分けます。

1. config.tomlに恒久的なデフォルトを設定する - この行を~/.codex/config.toml（すべてのプロジェクトに適用）またはプロジェクトの.codex/config.toml（そのプロジェクトのみに適用）に追加します：

model = "gpt-5.6-terra"

デフォルトにしたいティアに応じて、terraをsolまたはlunaに置き換えてください。

2. CLIフラグで一時的に切り替える - 1回の実行だけ別のティアが必要なときに便利です：

codex --model gpt-5.6-sol
# or
codex -m gpt-5.6-sol

3. /modelでセッション中に切り替える - セッションの実行中に/modelと入力すれば、セッションを抜けずにティアを変更できます。

よくある落とし穴： ティアのサフィックスなしでgpt-5.6とだけ入力すると - いくつかのサードパーティの技術情報によると - TerraではなくSolがプレミアムレートでデフォルトになります。意図しないSolの請求を避けるため、必ずティアのサフィックス（-sol/-terra/-luna）を指定してください。これは私が読んだ一次ドキュメントの抜粋には明示されていませんでした - 依存する前にライブで確認する価値があります。

Codexにはティアの選択とは独立して「どれだけ深く考えるか」を調整するmodel_reasoning_effortキーもあります - レベルの完全な一覧は執筆時点で私が読んだ公式ドキュメントの抜粋では完全には確認できなかったので、特定のレベルが必要なら最新のドキュメントを確認してください。

ドルだけでなくクレジット

オンライン上のSol/Terra/Luna比較の多くは、API 100万トークンあたりのドルで価格を示します - しかしCodexをChatGPTプラン経由（別途APIキーなし）で使う場合、実際に目にする数値は、生のドルではなく、プランの割り当てから引かれるクレジットです。

（出典：公式のクレジット価格ページ、執筆時点で照合済み。）その同じ価格ページによると、GPT-5.6の1メッセージは、タスクの複雑さと使用するティアに応じて通常およそ5〜40クレジットを消費します - ドルに換算せずにプランの割り当てがどれだけ持つかを見積もる手軽な方法です。プランの割り当てではなく別途APIキーで支払う場合、ドル価格は - いくつかのサードパーティ情報によると、2026年7月下旬の値下げ後 - 100万トークンあたり（入力/出力）でおよそSol $5/$30、Terra $2/$12、Luna $0.20/$1.20です。この数値はOpenAI自身のページで直接は確認されていないので、参考値として扱ってください。ChatGPTプラン別の完全な内訳については、Codexの料金の完全な内訳をお読みください。

よくある質問（FAQ）

CodexのSol、Terra、Lunaとは何ですか？

Codexがタスクを振り分ける3つのGPT-5.6モデルティアで、従来の番号付きバージョン名に代わるものです。Solは最も強力で最も高価、Terraはバランスの取れた日常のデフォルト、Lunaは最も速く最も安いですがロングコンテキスト再現には弱いです。

Codexでの日常的なコーディングには、どのGPT-5.6ティアを使うべきですか？

Terraです。日常の機能開発、デバッグ、リファクタリングのためのバランスの取れたデフォルトで、SolのコストやLunaのロングコンテキストの弱さなしに、大半のタスクに十分な強さがあります。

Solに切り替える価値があるのはいつですか？

タスクが多数のファイルにまたがるとき、仕様がまだ曖昧なとき、または誤った答えのコストが高いとき - 本番環境の変更、セキュリティに関わるコードです。SolはクレジットでTerraの約2.5倍かかるので、より深い推論が実際に結果を変えるときにだけ価値があります。

Lunaは実際のコーディング作業に十分ですか、それとも定型コードだけですか？

Lunaは大量かつ仕様が明確な作業をうまくこなします - 定型コード、スキャフォールディング、繰り返しの変更。ただしサードパーティのベンチマークによるとロングコンテキスト再現が明らかに弱いので、大きなコードベースを一度に理解する必要がある作業を任せてはいけません。

Codexでモデルを変更するには - 設定ファイルですか、コマンドですか？

3つとも使えます：恒久的なデフォルトにはconfig.tomlにmodel = gpt-5.6-terraを設定（グローバルなデフォルトには~/.codex/config.toml、またはプロジェクトの.codex/config.toml）、1回の実行にはCLIフラグとして--model gpt-5.6-sol（または-m）を渡す、一時的に切り替えるにはセッション中に/modelと入力します。

結論

Terraから始めましょう - 大半のタスクでは依然として最も速い判断です。複雑さが本当にそれに見合うときはSolに上げ、作業が明確で大量のときはLunaに下げます。config.tomlでデフォルトのティアを設定し、意図しないSolの請求を避けるため、必ずティアのサフィックスをはっきり書いてください。ここに書いたモデル名、価格、クレジットレートは目まぐるしく変わります - 特定の数値に依存する前に、learn.chatgpt.com/codex/pricingとlearn.chatgpt.com/docs/modelsと照合してください。ティアを深く掘り下げる前にCodexが何かを理解する必要があるなら、OpenAI Codexとは何かをお読みください。