GPT-6 Luna vs GPT-5.6 Luna：定価半額、ミスが減少、キューを移行する価値はあるか？
公式リファレンスが述べていること
| 項目 | GPT-5.6 Luna | GPT-6 Luna |
|---|---|---|
| モデル ID | gpt-5.6-luna | gpt-6-luna（スナップショット ID gpt-6-luna） |
| 位置づけ | コスト重視の大量処理 | 目的が明確な高頻度タスク |
| 入力 / 出力 | テキストと画像 / テキスト | テキストと画像 / テキスト |
| コンテキスト / 最大出力 | 1,050,000 / 128,000 トークン | 1,050,000（最大入力 922,000）/ 128,000 トークン |
| 知識カットオフ | 5.6 世代の以前の日付 | 2026 年 5 月 18 日 |
| 推論レベル | none、low、medium（既定）、high、xhigh、max | 同じ 6 段階、既定は medium |
| エンドポイント | Responses、Chat Completions | Responses、Chat Completions |
| 関数呼び出し | リファレンスに記載 | Responses は任意レベル；Chat Completions は reasoning_effort: none のみ |
| ストリーミング、構造化出力 | 記載あり | 記載あり |
| 公式定価 | Standard、長文コンテキスト（入力 272K 超）、Batch、Flex、Fast の各行 | OpenAI によれば GPT-5.6 Luna の Standard 価格の半分；GPT-6 で最も安いグレード |
| OpenAI 公表の事実性（ベンダー） | OpenAI の比較の基準 | 高い推論レベルでは GPT-5.6 Sol の事実性に並び、タスク当たりコストは約 100 分の 1 |
| OpenAI 公表の欺瞞率（ベンダー） | OpenAI 社内テストで 9.5% | 同テストで 2.8% |
| EvoLink ルート | 呼び出し可能；現在の料金は GPT-5.6 ページ | 2026 年 9 月 23 日から呼び出し可能；現在の料金は GPT-6 Luna ページ |
同じ数値であるコンテキストと出力は「同じモデル」と誤解されがちです。キューにとって重要な違いは、半額になった定価、知識カットオフ、Chat Completions のツール呼び出しルール、そして OpenAI 公表の事実性と正直さの向上です。最初の 3 つは契約事実、4 つ目はあなたのレコードセットが確認すべき主張です。
パイプラインを壊す契約変更：Chat Completions でのツール
reasoning_effort が none の場合のみと記載しています。Responses API では任意のレベルで関数呼び出しが動きます。多くの Luna パイプラインはコストを抑えるためすでに none や low で動いています。Chat Completions で medium 推論のまま検索や検証のツールを呼んでいるなら、試験前に選んでください：- パイプラインを Responses API に移し、推論設定を維持する。
- Chat Completions に留まり
reasoning_effort: noneにする。 - ツール呼び出しをモデルステップから外し、周辺コードで検索を行う。
none の GPT-6 Luna と medium の GPT-5.6 Luna の比較は、両方 none の比較とは別の実験です。構造化出力とストリーミングは対応と記載され、この制限はありません。実際のキューを反映したレコードセットを構築する
自分のワークロード分布から始めます。ある顧客フォーマットが大部分を占めるなら相応の比率が必要で、同時にロールアウトを止めるほどコストの高い稀な失敗も含めます。
安定したレコード ID、入力バージョン、期待出力、許容する null 値、検証ルール、エスカレーション判断を保存します。評価環境が処理を許可されていない機微情報は除去します。プロンプト、スキーマ、前処理、後処理のリビジョンをデータセットと一緒に保持します。
セットを小さな開発用と保留した検証用に分けます。前者でハーネスの誤りを直し候補を調整し、後者で調整済み設定が汎化するかを見ます。結果はワークロードのスライス別にグループ化します。全体精度は健全に見えても、ある言語、テンプレート、低頻度ラベルが信頼できなくなることがあります。
6 つの反復可能タスクとその受け入れルール
| ワークロード | 含めるケース | 受け入れルール |
|---|---|---|
| 請求書やフォームの抽出 | 欠損値、合計の矛盾、複数の日付、スキャンページ | 必須フィールドが参照と一致；欠損は欠損のまま；合計が定義済みチェックを満たす |
| チケット分類 | 似たラベル、混在トピック、稀な緊急ケース | ラベルとエスカレーションが正しい；クラス別の偽陽性と偽陰性を計測 |
| 構造化要約 | 長いスレッド、後段の訂正、未解決の質問 | 最終状態と未処理アクションを保持し、解決を捏造しない |
| データ正規化 | 単位、ロケール、日付形式、曖昧な識別子 | 正しい正規化値か明示的な不確実性；曖昧なフィールドを黙って推測しない |
| 反復的なコード変換 | 有効・無効なソース入力、変換済みファイル | 出力がパーサー/テストを通り、無関係な内容を保持し、再処理しても安全 |
| ツール支援のレコード検索 | レコード欠落、重複一致、検索後のタイムアウト | 正しいレコード関連付けと明示的な不確実性；ツール結果の捏造や重複書き込みなし。Chat Completions ではこのタスクは reasoning_effort: none でのみ実行 |
スキーマの妥当性と意味的な正しさを分けてください。請求書のレスポンスがキーと型は正しくても、仕入先の税番号を顧客に割り当てることがあります。レビュアーにルーブリックを渡し、可能ならモデルラベルを隠し、自動判定と人手判定のレコード数を報告してください。
並列度を上げる前に互換性を確認する
gpt-6-luna を要求し返される）とエンドポイントを確認します。モデル選択を設定可能にし、ジョブ生成側を書き換えずに変更できるようにします。プロバイダーが記載する ID を Web ページのスラッグで代用しないでください。EvoLink でも ID は gpt-6-luna です。実際に使う制御を確認します：推論レベル、出力上限、スキーマ形式、ストリーミング、ツール応答。HTTP の成功応答は要求した設定が反映された証明ではありません。失敗経路を演習します：
- 切り詰められた出力や不正な出力は検証で失敗し、上限付きリトライポリシーに従う。
- 拒否は「空だが有効な抽出」と区別できる。
- レート制限は無制限のリトライ連発ではなく制御されたバックオフを起こす。
- 部分ストリームとネットワークタイムアウトは合格レコードとして数えない。
- 再実行ジョブは ID を保持し、外部への重複書き込みを避ける。
必要な挙動が失敗したら、より高い量を試す前に統合を修正するか、そのワークロードを旧ルートに留めます。
生の応答速度ではなく合格スループットを計測する
両構成で同じレコード構成と同じリトライポリシーを使い、制御された並列度の階段を実行します。プロバイダーの文書化された上限内に留まります。
| 計測 | 含めるもの |
|---|---|
| 毎分の合格レコード数 | 完全な受け入れルールを通過したレコードのみ |
| エンドツーエンド P50 / P95 | キュー待ち、リクエスト時間、バックオフ、リトライ、必要なエスカレーション |
| キューの滞留時間 | 最も古い未処理作業と、持続負荷でバックログが増えるか |
| エラー率とリトライ率 | トランスポート、レート制限、スキーマ、意味的失敗を分けて |
| エスカレーション比率 | 他モデルや人手レビューに送ったレコード |
| 合格レコード当たりコスト | 計測パイプライン内の全請求試行とエスカレーション呼び出し |
出力長と推論設定を可視化しておきます。プロンプトキャッシュとウォームアップは短い実行を歪めます。キャッシュが温まっていたか報告してください。短いバーストでは持続的なキュー容量は確立できません。
使えるレコードのコストを計算する
公式料金ページでは GPT-6 Luna の Standard 料金は GPT-5.6 Luna より低い。これはトークンについての事実です。予算の問いは：
合格レコード当たり API コスト = パイプラインの総 API 支出 / 合格レコード数分子には失敗した試行、リトライ、エスカレーション用モデルを含めます。人手の修正時間は別に追跡します。合格レコードがないキューはゼロ除算ではなく失敗として報告します。
どのレコードを（そもそも）移行すべきか決める
試験前に重要なスライスごとのしきい値を書き出します。全体の成功スコアが、重要なラベルやフィールドでの許容できない回帰を覆してはいけません。
| 結果 | アクション |
|---|---|
| 契約または重要フィールドのチェックが失敗 | ワークロードを既存ルートに留める；再試験前に失敗を文書化 |
| 精度は合格だがコストやキュー期限が不合格 | リトライ、出力長、推論レベル、エスカレーションを調査；まだ拡大しない |
| 通常スライスは合格、困難スライスは回帰 | ルーティングルールがテスト可能でオーバーヘッドを含める場合のみ限定分割を検討 |
| 試験で必要なゲートがすべて合格 | 停止条件と機能するロールバック経路を備えた制御パイロットを開始 |
| パイロットでエラー、バックログ、修正時間が増加 | 拡大を止め、影響スライスをロールバック |
シャドー再実行は外部の副作用を生まない場合に有用です。実運用ジョブではジョブ ID を保持し、タイムアウト後のリトライ前に状態を検査してください。
反復タスクには GPT-6 Luna か GPT-6 Sol か
FAQ
GPT-6 Luna は GPT-5.6 Luna より速い、または安い？
両者の最大の API の違いは？
reasoning_effort: none の場合のみ関数呼び出しに対応します。推論を使うツール呼び出しパイプラインは Responses API を計画すべきです。有効な JSON ならレコードを合格にしてよい？
いいえ。スキーマに加えて必須フィールド、値、タスクの意味を検証してください。整形されたレスポンスでもレコードを誤分類したり欠損値を捏造したりします。
秒間トークン数を比較すべき？
実行の診断には役立ちますが、毎分の合格レコード数とエンドツーエンド遅延の方がキュー完了をよく表します。リトライとエスカレーションを含めてください。
すべてのレコードを新世代に移すべき？
いいえ。ルーティングルールが信頼でき、パイプライン全体が目標を満たすなら部分移行が適切なこともあります。失敗する、または未テストのスライスは計測済みルートに留めてください。
何があればロールバックすべき？
ロールアウト前に選んだ停止条件：重要フィールドの回帰、バックログ増加、許容できないエラー率やリトライ率、追加の修正作業、コスト予算の超過。
