安いAIを選べば節約になる？GPT-5.6のモデル選びを「仕事が終わるまで」で考えてみた
GPT-5.6には最上位のSol、バランス型のTerra、軽量なLunaがあります。モデルを選べるのはうれしい一方で、毎回どれを使うべきか迷う人も多いはずです。
料金だけを見れば、もっとも安いLunaを選び続けるのが節約に見えます。しかし、答えが合わずに何度も頼み直したり、最後は自分で直したりすれば、本当に安かったとは言い切れません。
OpenAIは2026年7月17日、AIへの投資効果を「Useful Intelligence per Dollar」、日本語にすると「1ドルあたり、どれだけ役に立つ知能を得られたか」で考える方法を提案しました。企業向けの話ではありますが、普段のモデル選びにもそのまま使える考え方です。
トークン単価ではなく「仕事が終わるまで」を見る
安いモデルは、一回の回答にかかる料金を抑えられます。ただし、欲しい結果へたどり着くまでに5回やり直せば、モデル料金だけでなく、待った時間や確認した時間も増えます。
反対に、上位モデルは一回の料金が高くても、複雑な条件を理解して一度で完成させれば、最終的には安く済む可能性があります。OpenAIは、モデルの価格に加えて次の費用まで含めるよう説明しています。
- 正しい結果が出るまでのやり直し
- 人間が内容を確認する時間
- 間違いを修正する作業
- 途中で人間が引き取り、仕上げる時間
大事なのは、安い回答を得ることではなく、必要な品質で仕事を終わらせることです。「回答1回の価格」ではなく「完成1件の総額」で比べると、モデル選びの基準が変わります。
まずTerra、ではなく作業の性質から選ぶ
迷ったら真ん中のTerraを使うのも悪くありません。ただし、毎回同じモデルに固定するより、失敗したときの影響と作業量から選ぶほうが合理的です。
Luna：速さと量を優先したい作業
Lunaは、手順が単純で、間違ってもすぐ確認できる仕事に向いています。
- 文章の表記を整える
- 短い文章を要約する
- 決まった形式へ大量に変換する
- アイデアをたくさん出してもらう
- あとで人間が必ず確認する下書きを作る
一件あたりの価値が小さく、件数が多いほど、速度と単価の低さが効いてきます。
Terra：普段使いの出発点
Terraは、調査、文章作成、相談、一般的な実装など、軽量モデルでは少し不安だが最上位まで必要とは限らない仕事の出発点です。
- 記事の構成を考える
- 複数の資料を整理する
- 一般的なコード修正を行う
- メールや説明文を、ほぼ完成した形まで作る
日常的な仕事の多くは、まずTerraで始め、難しいと分かった時点でSolへ切り替える方法が使いやすそうです。
Sol：失敗とやり直しが高くつく作業
Solを選びたいのは、単に「難しそう」なときだけではありません。失敗すると確認や修正に時間がかかる仕事ほど、最初から上位モデルを使う価値があります。
- 複数の条件が絡む長い作業
- 大規模なコードベースの調査や実装
- 一度の間違いで手戻りが大きくなる作業
- 何度説明しても軽量モデルでは意図が伝わらない作業
- 人間が確認するのにも専門知識が必要な仕事
Solが必ず一度で正解するわけではありません。それでも、LunaやTerraで何度も失敗しているなら、同じモデルへ言い方を変えて頼み続けるより、モデルを上げるほうが早い場合があります。
ClaudeやCodexの使い分けにも使える
この考え方はGPT-5.6の三階層だけでなく、ClaudeとCodexの使い分けにも応用できます。
たとえば、曖昧な要望を整理するのにClaude Fable 5が一度で良い計画を作れるなら、料金が高くても結果として効率的です。方向が決まった実装をCodexが着実に進められるなら、その後はCodexへ渡したほうが手戻りを減らせます。
詳しい役割分担は「ClaudeとCodex、どう使い分ける？」でも整理しています。モデル単体の性能ではなく、仕事のどこで使うと完成へ近づくかを見るのがポイントです。
自分に合うモデルを見つける3ステップ
1. 終了条件を先に決める
「良い文章を書く」では比較しにくいため、「そのまま公開できる」「テストがすべて通る」「指定した項目を漏れなく含む」のように、何をもって完成とするかを決めます。
2. 同じ仕事を別のモデルにも頼む
よく行う仕事を一つ選び、Luna、Terra、Solへ同じ条件で頼みます。毎回ベンチマークをする必要はありません。記事構成、メール、コード修正など、自分が本当に繰り返す作業で試すことが重要です。
3. 回答の料金以外も記録する
次の四つを簡単に記録します。
- 完成までに頼んだ回数
- 人間が修正した時間
- 途中で別モデルへ切り替えたか
- 最終的にそのまま使えたか
一度で使えた結果を「成功」、修正が必要だったものを「要修正」、最後まで人間が仕上げたものを「引き取り」と分けるだけでも、自分にとって費用対効果の良いモデルが見えてきます。
高いモデルを勧めるための指標ではない
「完成までの総額」で考えると、いつも最上位モデルを使う結論になりそうですが、そうではありません。単純な仕事へSolを使っても、完成度がほとんど変わらないならLunaのほうが得です。
また、Useful Intelligence per DollarはOpenAI自身が提案した考え方です。GPT-5.6の上位モデルを魅力的に見せる企業側のメッセージでもあるため、公式の比較結果だけで決めず、自分の作業で試す必要があります。
安いモデルを選ぶことと、AIにかかる費用を抑えることは同じではありません。反対に、高いモデルを選ぶことと、良い結果を得ることも同じではありません。自分の仕事がどこまで進み、完成までに何回のやり直しが必要だったか。それを基準にすると、Sol・Terra・Lunaを名前や価格だけで選ばなくて済むようになります。
参考：OpenAI「A scorecard for the AI age」。モデル構成と公式説明は2026年7月18日時点の情報です。
