>
>
公開日
最終更新日
OpenAIはGPT-6 Lunaを、要約・抽出・分類を大量に処理する用途向けの低コストモデルとして提供しています。標準API料金は100万トークンあたり入力0.10ドル・出力0.50ドル、最大コンテキスト長は105万トークンです。
OpenAIは2026年9月22日にGPT-6 SolとLunaを公開し、GPT-5.6のキャンペーン価格と比べてSolの入力・出力単価は50%、Lunaは入力50%、出力は1.20ドルから0.50ドルへ約58%下がりました。ただし、長文課金や製品別の初期設定によって、請求額と利用できる範囲が変わります。OpenAIは9月29日に、GPT-6 Solの改良版としてGPT-6.1 Sol（gpt-6.1-sol）を公開しています。
最初に確認する3点は次のとおりです。
料金：「API料金」の章で、LunaとSolの入力・出力・キャッシュ単価を比べ、月間件数で試算します。
モデル選定：「業務別の使い分け」の章のモデル選定表で、定型処理はLuna、複数ツールを使う処理はSolから評価します。
提供終了：「管理設定」の章の点検表で、10月14日に終了したGPT-5.5の残存設定を洗い出します。
GPT-6 Lunaとは｜Sol・Astraとの違いと詳細仕様
Lunaは定型処理を低コストで実行するモデルで、複雑な開発や複数ツールを使う業務にはSolを組み合わせます。
本記事のポイント
Lunaを先に評価するのは、分類・抽出・要約のように正答基準を決められる定型処理です。OpenAIのモデルカード記載の標準単価で、1件あたり入力2,000トークン・出力300トークンと仮定して月1万件を試算すると、Lunaは3.50ドルです（キャッシュ・割増・再試行を除く）。
複数ツールの操作を含む処理や、Lunaで正答基準を満たせない処理はSolで評価します。同じ件数をSolの標準単価（入力2.00ドル・出力10.00ドル）で試算すると70ドルです。
ChatGPT EnterpriseとGitHub Copilotでは新モデルの初期設定が異なるため、利用経路ごとに管理します。
GPT-6ファミリーの比較表
GPT-6シリーズでは、処理の難しさと件数に合わせてAstra・Sol・Lunaを選びます。
OpenAIはGPT-6 SolとLunaを、業務向けの能力をより低コストで利用するモデルとして提供しています。9月29日公開のGPT-6.1 Solは、OpenAIがGPT-6 Solの改良版と位置づけるモデルで、ChatGPT Work・Codex（Plus・Pro・Business・Enterprise・Edu）とAPI（gpt-6.1-sol）で提供されています。OpenAIのAPIモデル一覧では、Solの枠にGPT-6.1 Solが掲載されています。GPT-6.1 Solは推論設定の「none」に対応していないため、Lunaの「none」と比べる評価ではlow以上を指定します。
比較項目 | GPT-6 Astra | GPT-6 Sol | GPT-6 Luna |
|---|---|---|---|
主な役割 | 高難度の調査・開発 | 複雑な開発・エージェント業務 | 大量の要約・抽出・分類 |
処理の進め方 | 難しい問題を重点的に処理 | 複数の手順やツールを組み合わせて処理 | 定義した基準に沿って繰り返し処理 |
APIモデル名 | gpt-6-astra |
|
|
標準APIの入力単価 | 100万トークンあたり10.00ドル | 100万トークンあたり2.00ドル | 100万トークンあたり0.10ドル |
標準APIの出力単価 | 100万トークンあたり50.00ドル | 100万トークンあたり10.00ドル | 100万トークンあたり0.50ドル |
情シスでの用途例 | 影響の大きい調査の補助 | スクリプト作成、障害調査の手順整理 | チケット分類、請求書の項目抽出 |
料金の差だけで承認範囲を変えないルールにします。たとえばLunaで問い合わせを分類できても、アカウント停止や権限変更まで自動実行させる場合は、別途承認と実行権限を設けます。
Lunaのコンテキスト・出力上限
OpenAIのGPT-6 Lunaモデルカードでは、最大コンテキスト長を1,050,000トークン、最大出力を128,000トークン、知識カットオフを2026年5月18日としています。長い資料を扱える一方、知識カットオフ以降の社内規程や製品変更は、検索・参照データとして別に渡します。
仕様 | Luna | 実装時の扱い |
|---|---|---|
最大コンテキスト長 | 1,050,000トークン | 入力、会話履歴、参照資料などを含めて管理します |
最大出力 | 128,000トークン | 業務で必要な長さに出力上限を絞ります |
知識カットオフ | 2026年5月18日 | 更新のある情報は社内資料や検索結果を参照させます |
APIでの指定 |
| 環境変数や設定ファイルに集約します |
105万トークンは保存容量ではなく、1回の処理で扱う文脈の上限です。全文を毎回送る設計にすると転送量と入力費用が増えるため、回答に必要な箇所を検索して渡す方式と、全文を渡す方式を同じ課題で比較します。
Sol・前世代モデルからの選定基準
GPT-5.6 Terraを使っていた業務は、従来のモデル階層ではなく実際の作業内容から移行先を決めます。
GPT-5.6 Terraの置き換えでは、抽出・分類をLunaで評価し、複数の判断やツール操作を含む処理をSolで評価します。
Astraのサイバーセキュリティ評価と統制上の論点は、GPT-6 Astra発表｜サイバーセキュリティCritical到達の意味と情シスの統制ポイントで整理しています。
▶ 関連記事: GPT-6 Astra発表｜サイバーセキュリティCritical到達の意味と情シスの統制ポイント
▲ GPT-6ファミリー（Astra・Sol・Luna）の役割と料金・用途の比較
API料金｜Lunaの標準単価と272K超の課金条件
Lunaの費用は入力・出力・キャッシュを分けて計算し、272K超の長文課金も見積もりに含めます。
LunaとSolの標準料金
OpenAI直契約のAPI標準料金では、Lunaは100万トークンあたり入力0.10ドル、キャッシュ済み入力0.01ドル、キャッシュ書き込み0.125ドル、出力0.50ドルです。
OpenAIのモデルカードはLunaの標準料金とBatch・Flexの50%料金を掲載しています。Lunaの料金を見積もるときは、通常入力とキャッシュ読み取りを同じ単価で計算しないようにします。
100万トークンあたり | Luna | Sol |
|---|---|---|
通常の入力 | 0.10ドル | 2.00ドル |
キャッシュ済み入力の読み取り | 0.01ドル | 0.20ドル |
キャッシュ書き込み | 0.125ドル | 2.50ドル |
出力 | 0.50ドル | 10.00ドル |
Batch・Flex | 標準料金の半額（50%） | 標準料金の半額（50%） |
OpenAIのSol・Lunaの公式発表では、Solの入力2ドル・出力10ドルと、キャッシュ読み取りの90%割引を案内しています。キャッシュを使っても書き込みには費用がかかるため、初回と2回目以降を分けて試算します。GPT-6.1 Solは100万トークンあたり入力2.00ドル・出力10.00ドルがGPT-6 Solと同じで、キャッシュ済み入力は0.20ドルから0.10ドルに下がっています。同じ指示や資料を繰り返し送る処理では、GPT-6.1 Solも試算に含めます。
GPT-5.6からの値下げ幅
前世代との比較では、Solは入力・出力とも半額の50%、Lunaは入力50%・出力約58%の値下げです。
モデルの移行 | 入力単価の変化 | 出力単価の変化 | 削減率 |
|---|---|---|---|
GPT-5.6 Sol → GPT-6 Sol | 4.00 → 2.00ドル | 20.00 → 10.00ドル | 入力・出力とも半額（50%） |
GPT-5.6 Luna → GPT-6 Luna | 0.20 → 0.10ドル | 1.20 → 0.50ドル | 入力50%、出力約58% |
比較元はGPT-5.6世代のキャンペーン価格です。前世代の機能・料金との対応関係は、GPT-5.6（Sol/Terra/Luna）7/9一般公開｜情シス向け機能・価格・リスク・導入判断でも扱っています。
272K超・キャッシュ・処理モードの追加条件
Lunaに272,000トークンを超える入力を送る場合、超過部分だけでなくリクエスト全体に割増単価が適用されます。
条件 | 課金への影響 | 実装時の判断 |
|---|---|---|
Lunaで入力272K超 | 入力とキャッシュ単価は2倍、出力単価は1.5倍 | 全文投入と必要部分の検索取得を比較します |
キャッシュ書き込み | 通常入力の1.25倍 | 再利用回数を含めて採算を計算します |
対応する地域処理の指定 | 10%の割増 | 社内のデータ所在地要件を先に決めます |
Batch・Flex | 標準単価の半額（50%） | 即時応答が不要な集計・夜間処理で比較します |
Fastモード | 該当単価の2倍 | 短縮できる待ち時間と追加費用を比較します |
OpenAIの料金ページとLunaのモデルカードは、入力が272,000トークンを超えるリクエスト全体に長文料金を適用すると記載しています（Lunaは入力0.20ドル・出力0.75ドル）。Amazon BedrockのLunaモデルカードも272K以下と272K超で料金区分を分けており、リージョン内推論と米国内のクロスリージョン推論には10%の割増があります。上の表はOpenAI直契約のAPI条件のため、他の提供経路へそのまま転用せず、実際の契約先で試算します。
長文を分割すれば、常に安くなるわけではありません。分割ごとに同じ指示や資料を送り直し、最後に統合処理を追加すると入力回数が増えます。開発担当は「全文を1回」「検索した部分のみ」「分割して統合」の3方式について、総トークン数と回答の欠落を比較します。
月1万件を処理する場合の料金試算
OpenAIの標準単価に1件あたり入力2,000トークン・出力300トークンという仮定を当てはめると、Lunaの月1万件は3.50ドルです。
これはキャッシュ、割増、検索・ツールなどの別料金、税、為替、再試行を含めない計算例です。入力は2,000万トークンなので2.00ドル、出力は300万トークンなので1.50ドルとなります。同じトークン量をSolの標準単価で処理すると、入力40ドルと出力30ドルで合計70ドルです。
この差をそのまま業務全体の削減額にはしません。誤分類の修正や人間のレビューに時間がかかる業務では、API料金に確認作業の費用を加えて判断します。実測では正常終了した件数を分母にして、失敗・再試行も含めた1件あたり費用を計算します。
2026年10月公開のDecisions API
判断処理に用途を絞る場合は、gpt-6-lunaで動くDecisions APIも比較対象になります。
OpenAIの変更履歴によると、Decisions APIは2026年10月22日に一般提供となりました。OpenAIのDecisionsガイドでは、対応モデルはgpt-6-lunaのみで、Responses APIより約10倍速く回答を返し、入力は100万トークンあたり0.10ドル、出力トークンは課金なしとしています。同ガイドでは、1回のリクエストで扱える質問数が公開ベータ版の200件から最大400件に増えています。問い合わせの振り分けや条件判定のように判断結果を使う処理なら検証候補に入れ、自由記述の回答生成とは処理を分けます。「出力無料」はDecisions APIの料金であり、通常のLuna APIの出力0.50ドルを置き換える条件ではありません。
性能と安全性｜推論設定とベンチマークの判断基準
Lunaの性能は推論の深さで変わるため、公開スコアと自社APIの設定条件をそろえて比較します。
業務・コーディングのベンチマーク比較
公表スコアでは、モデル名に加えて推論設定、比較対象、タスクあたり費用を読み合わせます。
OpenAIのGPT-6 Sol・Lunaの性能発表では、AutomationBenchでSolがClaude Opus 5を上回り、タスクあたり費用はOpus 5の9%としています。これは同じ設定で全業務が同率に改善するという結果ではなく、指定した評価環境での比較です。
評価名 | 評価対象 | 公表値・条件 |
|---|---|---|
AutomationBench | 営業・人事・経理など47ツールを使う業務フロー | Sol xhigh：33.2%、0.27ドル／タスク。Astra low：30.3%、Claude Opus 5 max：26.9% |
Agents' Last Exam | 55業種の長時間の専門業務 | Sol max：56.4%。Claude Opus 5の最高スコアをタスクあたり60%低い費用で上回る比較 |
DeepSWE v1.1 | 実コードベースでの長時間の開発タスク | Sol max：68.8%、Luna max：66.6% |
OSWorld 2.0 オフライン | PC操作を伴う長時間の作業 | Sol xhigh：60.5%、Claude Opus 5 medium：60.3%。費用は約80%低い比較 |
DeepSWE v1.1のLuna 66.6%は「max」の結果です。後述の「none」で同じ値になるとは読み替えず、応答時間を優先する分類処理と、推論を深くする開発処理を別々に評価します。AutomationBenchもSolはxhigh、Astraはlowであり、単純なモデルの順位表にはできません。
比較対象にはClaude Opus 5やFable 5.1が使われていますが、同日公開のClaude Opus 5.5を含めた一律の比較ではありません。別モデルの評価条件は、Claude Opus 5.5公開｜Fable 5.1級の性能で4割安、情シス向け性能・統制ポイントでも整理しています。
reasoning effort「none」からの移行評価
GPT-4.xからLunaへ移行する場合は、推論の深さを「none」にして既存処理との比較を始めます。
OpenAIのGPT-4.xからGPT-6 Lunaへの移行ガイドは、ほとんどのGPT-4.xユースケースで「none」から開始する方針です。設定を深くする前に、既存のプロンプト、出力形式、判定基準を維持して差分を測ると、モデル変更と指示変更の影響を切り分けられます。
GPT-5.6からの移行では、この案内を全用途の公式推奨と読み替えません。定型分類なら「none」を比較条件に加え、推論を伴う処理なら従来と近い設定も残します。遅延が増えたときは、推論設定、不要な長文出力、会話履歴、再試行回数を順に切り分けます。
既存処理と同じ入力・採点基準を用意します。
Lunaのnoneで正答率、形式違反、待ち時間、費用を測ります。
失敗した課題だけ推論設定を深くして再評価します。
品質が足りない処理をSolへ切り替え、追加費用とレビュー時間を比べます。
事実性評価と安全性評価の適用範囲
事実性の改善が見られても、外部の指示を取り込むエージェントには実行権限の制限を残します。
OpenAIの事実性評価では、Solの誤りが前世代のほぼ半分に減り、推論を深くしたLunaは当該評価でGPT-5.6 Solと同等の性能を約100分の1の費用で達成したとしています。ただし、評価には過去のモデルの誤りをユーザーが指摘した会話を使っており、通常利用全体を代表する結果ではありません。
OpenAIがDeployment Safetyのページで公表する安全性の分類は、社内システムへの操作許可の根拠として扱わないようにします。
IPAの2026年9月AIセキュリティ資料は、SANSとAWSの文書を取り上げ、認可をデータ層で強制し、ツール呼び出しを原則拒否にする設計を紹介しています。情シスはプロンプトに「禁止」と書く方法に頼らず、許可済みの接続先と操作だけをシステム側で通します。
攻撃手口と実際のインシデントの点検方法は、プロンプトインジェクションとは？最新の攻撃手口と今すぐできる対策を解説、OpenAIのAI暴走・他社に不正侵入｜情シスが点検すべき10項で補足しています。
提供範囲｜ChatGPT・API・主要クラウドの選択肢
同じGPT-6 Lunaでも、ChatGPT・OpenAI API・クラウド経由では契約、請求、権限の管理先が変わります。
利用経路ごとの提供条件
利用経路は、既存の契約と監査体制で選びます。利用状況の集計では、モデル名だけでなく契約先と認証経路も記録します。
OpenAIの公式発表では、Plus・Pro・Business・Enterprise・EduのChatGPT WorkとCodexにSol・Lunaを提供しています。Free・GoではデスクトップアプリでLunaを利用できます。
利用経路 | 対象・モデル | 契約・管理上の判断 |
|---|---|---|
ChatGPT Work・Codex | Plus、Pro、Business、Enterprise、EduでSol・Luna | 法人ワークスペースの利用者・設定を管理します |
ChatGPTデスクトップアプリ | Free、GoでLuna | 個人アカウントへの業務データ入力を社内規程で分けます |
OpenAI API |
| プロジェクト、キー、予算、実行基盤を管理します |
GitHub Copilot | Sol・Luna。プランと組織ポリシーに応じて利用 | GitHub側のモデルポリシーと請求を管理します |
Microsoft Foundry | Sol・Lunaをクラウド経由で利用 | サブスクリプション、デプロイ、クォータを管理します |
Amazon Bedrock | Sol・Lunaをクラウド経由で利用 | AWS側の権限、リージョン、利用料金を管理します |
OpenAIの発表時点では、Sol・LunaはChatGPTの通常のチャット（Chat）では提供されていませんでした。段階提供、対象プラン、地域、組織ポリシーによって利用可能な経路が変わるため、社内配布する手順書には利用する画面・プラン・契約先を記載します。条件に合う法人経路が使える場合はそこで限定検証し、使えない場合は個人契約へ迂回せず管理対象の経路が整うまで待機します。
AWS・Microsoftでの提供例
AWSとMicrosoftを利用している企業は、既存クラウドの権限管理と請求に合わせてLunaを評価できます。
AWSの公式モデルカードは、Amazon BedrockでのGPT-6 Lunaのローンチ日を2026年9月22日としています。Microsoftの公式ドキュメントでは、Microsoft Foundryのレベル5・階層6のサブスクリプションにLunaの既定クォータを付与しています。
これらは提供基盤の事例であり、利用企業の業務削減実績ではありません。開発担当は対象リージョン、処理方式、クォータ、ログの保存先を採用候補ごとに埋めます。国内処理が必須なら、要件を満たすデプロイ方式に候補を絞り、満たさない経路には対象データを送信しません。
Codexの契約・導入上の論点はCodexとは？2026年最新の料金プランと情シスの導入リスク対策、AWS側の選定はAmazon Bedrockとは？料金体系・マルチモデル選定と情シス導入で整理しています。
管理設定｜製品別の初期状態とGPT-5.5の残存点検
情シスはChatGPT、Copilot、APIを別々の管理対象として扱い、GPT-5.5の移行後に残った設定も利用経路ごとに点検します。
Enterprise・Copilot・APIの設定差
ChatGPTでモデルを無効にしても、CopilotやAPIまで一括で無効になるとは扱いません。
ChatGPT EnterpriseでのSol・Lunaの利用可否は、ワークスペースの権限・ロール設定で管理者が制御します。導入済みのワークスペースでは、現在の設定値を管理画面で確認してから対象グループを決めます。GitHub Copilotは、組織で設定したモデルポリシーの内容によって新モデルの有効・無効が変わります。実際の展開では、導入時の初期状態に加えて、自社が変更した組織ポリシーも管理台帳に残します。
管理対象 | 初期状態・制御範囲 | 担当者の作業 |
|---|---|---|
ChatGPT Enterprise | ワークスペースの権限・ロール設定で管理者が制御します（現在の設定値を管理画面で確認） | 対象グループを限定して有効化し、一般ユーザー権限で選択を試します |
Copilot Business・Enterprise | 新モデルの有効・無効は、組織・エンタープライズのモデルポリシーの設定に従います | 自動有効化を許可するか決め、モデルポリシーを記録します |
OpenAI API | 組織・プロジェクトの設定に従います | 実行元、モデル、キー、予算、停止担当を関連付けます |
Codex CLI・IDE拡張 | 利用方法に応じた設定と実行権限を持ちます | 認証方法、設定ファイル、接続先、承認条件を管理します |
管理者は、ChatGPTワークスペースの画面に表示される設定と、社員がCodex CLI・IDE拡張・APIで実際に使う認証経路を対応付けます。
限定グループでモデルを選択でき、ログを取得できるならPoCへ進みます。選択できない場合は有効化・権限・契約の順に切り分け、ログが取れない場合は機密データを扱う検証を保留します。API設定をコードで管理する場合は、OpenAI公式Terraform Provider公開｜プロジェクト・権限・支出をコードで統制が参考になります。
2026年10月14日に提供終了したGPT-5.5の残存設定点検
GPT-5.5はChatGPT・ChatGPT Work・Codexで提供終了したため、未切替の設定と移行後の実行結果の見落としを防ぐために点検します。
OpenAIが案内した終了日は2026年10月14日で、APIはこの提供終了の対象外です。定型処理をLunaへ切り替える場合は、出力形式と正答基準を同じ条件で再評価します。
順序 | 点検対象 | 担当・完了条件 |
|---|---|---|
1 | ワークスペースの既定モデル、保存済み設定、マネージド設定 | 管理者が移行先を指定し、対象ユーザーで利用できれば完了します |
2 | カスタムエージェント、定期実行タスク | 業務担当が通常入力と例外入力を実行し、処理結果を承認します |
3 |
| 開発担当が認証経路を区別し、対象の指定だけを変更します |
4 | 10月14日以降の失敗ログ、再試行、未処理キュー | 運用担当が未処理分を特定し、重複実行を防いで再処理します |
5 | 手順書、配布用テンプレート、オンボーディング資料 | 旧モデルを再設定する記述を修正し、配布版を更新します |
検索で見つかったgpt-5.5を一括置換する方法は避けます。API経由の処理、過去ログ、検証用データまで変更すると、終了対象外の業務や監査記録に影響します。設定の所有者と実行元を特定し、稼働設定だけを変更します。
GPT-5.4やGPT-5.4 miniの設定が残っている場合も、移行先を現在の業務テストの結果で選び直して更新します。
モデル利用権限と操作権限の分離
モデルを有効化する作業と、ファイル変更・外部接続・アカウント操作を許可する作業は分けます。
開発担当がSolを選べる状態でも、本番データへの書き込みまで許可する理由にはなりません。検証では読み取り専用の資格情報を使い、変更を伴うツールは承認を通します。管理者が利用を停止するときも、モデルの無効化に加えてジョブ停止、資格情報の失効、実行中処理の確認まで担当を決めておきます。
▶ 関連記事: OpenAIのAI暴走・他社に不正侵入｜情シスが点検すべき10項
業務別の使い分け｜PoC評価表と実装の選択肢
定型処理はLunaで評価し、品質基準を満たせない処理や複数ツールを使う処理をSolへ切り替えます。
情シス業務のモデル選定表
最初の選定では、作業名よりも入力の揺れ、判断の複雑さ、誤りの影響を見ます。
業務 | 最初の評価候補 | 自動化する範囲 | 人間へ戻す条件 |
|---|---|---|---|
問い合わせチケットの分類・振り分け | Luna | 分類ラベルと担当候補の出力 | 複数部門にまたがる依頼、分類不能 |
アラート・ログの要約 | Luna | 事象、時刻、対象、根拠行の抽出 | 重大度の確定や停止判断が必要 |
契約書・請求書の項目抽出 | Luna | 指定項目の構造化と欠損判定 | 金額不一致、原文にない項目 |
入退社スクリプトの作成・レビュー | Sol | コード案とテスト項目の作成 | 本番実行、権限削除、復旧困難な変更 |
複数SaaSの設定手順の作成 | Sol | 前提条件、依存関係、手順案の整理 | 実環境と手順が一致しない場合 |
インシデントの調査 | Sol・上位モデルと人間 | 証跡整理と調査仮説の作成 | 封じ込め、対外報告、影響の確定 |
問い合わせ分類では、Lunaが返したラベルをそのままアカウント操作へ接続しないようにします。「パスワードを忘れた」という分類は、本人確認が完了したことを意味しません。分類、本人確認、承認、実行を分離すれば、モデルを変更しても実行側の統制を維持できます。
導入前PoCの評価シート
PoCでは正答率に加え、待ち時間、実測費用、レビュー工数、停止条件を同じ表に記録します。
社内で評価用データを作るなら、通常・例外・禁止入力を含む20〜50件を初期セットにできます。これは検証開始用の提案例であり、統計的な品質保証の件数ではありません。対象範囲を広げる前に、件数の多い依頼や影響の大きい失敗を追加し、担当部門が採点します。
評価項目 | 記録する値・証跡 | 合否の決め方 |
|---|---|---|
正答率 | 正答件数／全件数、誤りの種類 | 業務担当が事前に正答条件と許容範囲を定義します |
出力形式 | 必須項目の欠損、JSONなどの形式違反 | 後続処理が読み込めない出力は不合格にします |
レイテンシ | 中央値、p95、タイムアウト率 | 対話処理と夜間処理で別の待ち時間上限を設けます |
1件あたり実測コスト | 入力・出力・キャッシュ・再試行・ツール費用 | 正常終了件数で割り、業務予算内か判定します |
レビュー工数 | 1件あたりの確認・修正時間 | API費用と人件費を合計して既存処理と比較します |
誤操作・権限逸脱 | 禁止ツール呼び出し、対象外データ参照 | 禁止操作が発生した場合は書き込み連携を停止します |
機密情報の扱い | 入力項目、保存先、閲覧者、ログのマスキング | 社内規程に合わないデータ経路は対象外にします |
ロールバック | 停止担当、戻し先、切り戻しの実行記録 | 手順を実行できなければ本番展開を保留します |
正答は「自然な文章」ではなく、業務で採用できる結果として定義します。請求書抽出なら金額・通貨・請求日・契約先の一致、分類なら正しい担当部署と優先度の組み合わせを採点します。モデルごとに採点基準を変えると、LunaとSolの差を説明できなくなります。
限定公開から本番展開までの進行表
書き込み処理は最後に追加し、読み取りと人間の承認を先に検証します。
段階 | 担当と作業 | 次へ進む条件 |
|---|---|---|
準備 | 業務担当が正答、情報管理担当が入力可能データ、開発担当がログを定義します | 採点基準・対象範囲・停止担当がそろいます |
オフライン評価 | 開発担当がLunaとSolを同じ入力で実行します | 品質、費用、形式が事前基準を満たします |
限定公開 | 指定した利用者だけに公開し、担当者が全件レビューします | 例外処理と切り戻しを実際に試せます |
実行連携 | 許可した操作だけを承認付きで接続します | 禁止操作を遮断し、履歴を追跡できます |
本番運用 | 運用担当が品質・費用・失敗率の変化を定期点検します | 基準を外れたら自動処理を止め、人手へ戻します |
スクラッチ開発・専用サービスの選択肢
文書単位の権限、監査ログ、モデル変更時の回帰テストまで自社で管理するなら自社開発を選びます。そこまでの保守が難しい場合は、専用サービスを同じ評価表で比較します。
自社開発では、社内ナレッジの更新、文書単位の閲覧権限、認証、監査ログ、モデル変更時の回帰テスト、問い合わせ先まで担当を割り当てます。SlackやTeamsで回答する画面だけを作っても、アカウント発行やパスワードリセットを安全に実行する仕組みは別に実装します。専用サービスを選ぶ場合も、対応操作、承認条件、ログ出力、データ保存先を同じ評価表で比べます。
専用サービスの一例として、Admina AIヘルプデスクの機能を見るから対象業務を確認できます。既存のチケット管理と手動承認で基準を満たせる場合は、その運用を残して回答案の作成だけをAI化する方法もあります。
▶ 関連記事: Codexとは？2026年最新の料金プランと情シスの導入リスク対策
▲ 業務難易度と操作権限に基づくモデル選定と統制フロー
導入時の失敗パターン｜長文・権限・分散請求への対策
ここで挙げる失敗パターンは特定企業の事例ではなく、料金条件と公式仕様から想定した一般的な統制上の考え方で、避けたいのは、安い単価を理由に入力と実行範囲を広げ、失敗時の費用や操作を追跡できなくなる状態です。
全文投入・無制限再試行の失敗
長文を毎回送り、失敗時に同じ処理を繰り返す実装では、見積もりより多くのトークンを消費します。
処理単位のログには入力・出力トークン数、キャッシュ利用、再試行回数、最終結果を残します。再試行できるエラーと人手へ戻すエラーを分け、上限に達した処理はキューで保留します。アカウント作成など副作用のある処理では、一意の依頼IDで重複実行を防ぎます。
失敗パターン | 発生する問題 | 置き換える運用 |
|---|---|---|
105万トークンまで毎回全文投入 | 不要な入力費用と処理時間が増えます | 必要資料の検索、差分入力、全文処理を比較します |
エラーなら無制限に再試行 | 請求増と重複操作を招きます | 回数上限と処理IDを設け、超過分を人手へ戻します |
maxの公開スコアをnoneの保証として採用 | 本番の品質見積もりがずれます | 採用予定の推論設定で採点します |
モデル有効化と本番権限付与を同時に実施 | 評価前に変更操作が可能になります | 読み取り専用から始め、承認付き操作を段階追加します |
管理画面の予算表示だけに依存 | 処理側の異常な呼び出しを止められません | アプリ側にも件数・金額・同時実行の制限を設けます |
プロンプトだけに依存する権限制御の失敗
「社内データを外部へ送らない」と書くだけでは、外部送信を技術的に遮断できません。
外部ページや添付ファイルの文章は、業務の指示とは別の入力として扱います。開発担当は取得した文章から直接ツールを実行させず、実行先、引数、対象ユーザーを検査します。承認がない操作は拒否し、担当者が却下した後に別経路で同じ操作を試みていないかログで追います。
権限制御はモデルの自己判断から独立させ、許可した接続先と操作だけを実行側で通すように実装します。
利用経路と請求元を分けたままにする失敗
OpenAI、GitHub、Microsoft、AWSの請求を別々に見るだけでは、同じ業務で使うAI費用を集計できません。
情シスはサービス名、契約主体、利用部門、管理者、モデル、APIキーの所有者、請求先、データ区分を1行にまとめます。人事異動や退職時には、利用者アカウントとサービス用資格情報を分けて処理します。予算超過が起きた場合、停止する業務と継続する業務をこの台帳から選べる状態にします。
個人のPlus・Proを会社のカードで支払っているケースも、金額だけでは法人管理の有無を判断できません。カード明細と契約一覧を照合し、法人ワークスペース外の利用があれば、入力可能なデータと業務範囲を明示します。検知の手順は生成AIセキュリティのベストプラクティス｜シャドーAI検知と対策で補足しています。
台帳・請求データ・管理ツールの選択肢
利用サービスが少ない場合は台帳と請求CSVを突き合わせ、更新作業が追いつかない場合は連携ツールを比較します。
管理ツールの採用時も、APIによる利用ログ、契約情報、カード支払いのどこまで取得できるかを分けて評価します。取得できない経路は、部門からの定期申告やCSV収集で補完します。連携済みという理由で、全モデル・全APIキーを把握できたと判断しないようにします。
管理機能の例はAdminaのSaaS利用状況の可視化機能を見る、AdminaのSaaSコスト管理機能を見るで確認できます。導入しない場合も、同じ管理項目と更新担当を社内台帳に設ければ、契約と支払いの棚卸しを始められます。
よくある質問
API移行や残存設定の判断では、モデル名の指定、推論設定、提供終了の対象を分けて考えます。
Q. GPT-6 Lunaの性能を試すとき、推奨推論設定は何ですか？
A. OpenAIのGPT-4.xからの移行ガイドは、ほとんどの用途でreasoning effortを「none」にして開始する方針です。既存入力で正答率とレイテンシを測り、失敗した課題だけ深い設定やSolで再評価します。
Q. GPT-6 LunaをAPIで指定するモデル名は何ですか？
A. モデル名はgpt-6-lunaです。画面上の名称や検索時の表記をそのまま設定値へ転記せず、モデル指定を環境変数などに集約して検証・本番の変更履歴を残します。
Q. GPT-6 SolのAPIを先に使っている場合、すべてLunaに変更できますか？
A. 一括変更せず、分類・抽出など正答基準が明確な処理から切り出します。複数ツールを使う処理や失敗の影響が大きい処理は、Lunaで同じ評価を通過するまでSolと人間の承認を残します。
Q. GPT-6 SolとLunaは、同じプロンプトで比較できますか？
A. 移行差分を測る最初の比較では、入力・出力形式・採点基準をそろえます。その後にモデル別の指示を調整し、調整前後の結果を分けて保存すると、改善がモデルとプロンプトのどちらによるものか説明できます。
Q. GPT-6 Lunaの料金は、Decisions APIでも同じですか？
A. 通常のLuna APIは出力100万トークンあたり0.50ドルですが、OpenAIのDecisions APIは出力トークンへの課金がありません。自由記述の生成と判断処理を同じ料金条件として見積もらず、使うAPIごとに計算します。
Q. GPT-5.5を指定した処理が動かない場合はどうしますか？
A. ChatGPT・ChatGPT Work・Codexでは10月14日に提供終了したため、未切替の設定をSolやLunaへ更新して再実行します。APIはこの終了の対象外なので、API経由のエラーなら認証・権限・設定を別に切り分けます。
Q. 移行後の品質が落ちた場合、終了したGPT-5.5へ戻せますか？
A. 提供終了した利用経路では、GPT-5.5を切り戻し先にしません。稼働中の別モデル、承認付きの手動処理、未処理キューへの保留を事前に用意し、合否基準を外れた時点で切り替えます。
導入前後のチェックリスト｜担当と完了条件
導入作業は、利用経路の棚卸し、限定評価、残存設定の修正、運用監視の順に進めます。
利用状況に応じた着手項目
企業の人数ではなく、すでに使っている経路と操作範囲から最初の作業を選びます。
現在の状態 | 最初に行う作業 | 完了後の判断 |
|---|---|---|
ChatGPT・Codexだけを利用 | 管理者がモデル設定とGPT-5.5の残存設定を洗い出します | 移行先を選択できれば、業務担当のテストへ進みます |
APIによる定期処理を利用 | 開発担当がモデル指定、失敗ログ、再試行、費用を一覧化します | 正常・異常を追跡できれば、同一入力で移行評価を行います |
Copilotや複数クラウドも利用 | 各管理者がモデルポリシーと請求先を台帳へ集約します | 所有者が判明した経路から予算と承認範囲を設定します |
AIが社内システムを変更 | セキュリティ担当が書き込み権限と停止手順を点検します | 権限遮断と切り戻しを試せた操作だけ本番へ進めます |
本番展開の完了チェック
次の項目を担当者付きで記録し、未完了の項目が影響する業務は限定公開のままにします。
利用する経路、契約主体、部門、管理者、請求先を一覧にしました。
Enterpriseの有効化対象とCopilotの自動有効化方針を決めました。
APIキーの所有者、保管場所、失効担当を記録しました。
GPT-5.5の残存設定を点検し、対象業務を移行先で実行しました。
10月14日以降の未処理タスクを、重複操作を防いで処理しました。
LunaとSolを同じ採点基準で評価し、推論設定も保存しました。
正答率、p95の待ち時間、1件あたり費用、レビュー時間の合否基準を決めました。
長文処理、キャッシュ、Batch・Flexの適用先を決めました。
入力可能データ、外部接続先、書き込み操作、承認者を定義しました。
終了済みモデルに依存しない切り戻し先を用意し、停止手順を試しました。
AI利用ガイドラインには、モデルの一覧だけでなく、入力してよいデータ、実行を許可する操作、例外時の連絡先を記載します。雛形はAI利用ガイドラインの作り方｜社内規定に盛り込むべき10項目と雛形【2026】で整理しています。
モデル変更時には評価セットを再実行し、採点結果と費用の差分を残します。業務側で正答の定義が変わった場合も、プロンプトだけを直すのではなく採点基準から更新します。
▲ 情シスにおける新モデル導入作業の推進4ステップ
まとめ
GPT-6 Lunaは大量の定型処理、Solは複雑な開発や複数ツールを使う業務から評価を始めます。単価だけで採用を決めず、推論設定をそろえて正答率・待ち時間・実測費用を比べます。
まず、稼働中のモデル指定と利用経路を一覧にし、終了したGPT-5.5の残存設定を洗い出します。次に、1つの業務でLunaを限定評価し、合格した範囲だけ公開します。未把握の利用経路への対処は、シャドーAIとは？情報漏洩リスクと情シス向け検知・対策ガイドも参考になります。
本記事の内容に誤り等がございましたら、こちらからご連絡ください。
監修
Admina Team
情シス業務に関するお役立ち情報をマネーフォワード Adminaが提供します。
SaaS・アカウント・デバイスの管理を自動化し、IT資産の可視化とセキュリティ統制を実現。
従業員の入退社対応や棚卸し作業の工数を削減し、情報システム部門の運用負荷を大幅に軽減します。
中小企業から大企業まで、情シス・管理部門・経営層のすべてに頼れるIT管理プラットフォームです。
