2026年7月9日、OpenAIはGPT-5.6をChatGPT・Codex・APIで一般提供を開始しました。今回の大きな変化は、1つのモデルではなく「Sol」「Terra」「Luna」という3段階のモデル体系になったことです。Codexユーザーにとっては「どのタスクにどのモデルを割り当てるか」が新しい設計課題になります。

Sol / Terra / Lunaの違い

APIのモデルIDはそれぞれgpt-5.6-sol・gpt-5.6-terra・gpt-5.6-lunaです。OpenAIによれば、Solはエージェント型のコーディングタスクにおいてトークン効率が54%向上したとされています。

Codexでの基本設定

model = "gpt-5.6-sol"\nmodel_reasoning_effort = "ultra"\nrollout_token_budget = 500000

Sol限定の新しい推論レベルとしてultraが追加されています。ただしultraモードは通常の推論より1ターンあたりのトークン消費が大幅に増えるため、rollout_token_budgetでの上限設定は必須と考えてください。

プロファイルでタスクごとに切り替える

3つのプロファイルを用意しておけば、タスクの性質に応じて起動時に切り替えられます。

model = "gpt-5.6-sol"\nmodel_reasoning_effort = "high"\nrollout_token_budget = 500000

model = "gpt-5.6-terra"\nmodel_reasoning_effort = "medium"

model = "gpt-5.6-luna"\nmodel_reasoning_effort = "low"

codex --profile sol "認証まわりの設計を見直したい"\ncodex --profile terra "ユーザー登録APIを実装して"\ncodex --profile luna "READMEにセットアップ手順を追記して"

サブエージェントごとにモデルを割り当てる

~/.codex/agents/配下の個別設定で、サブエージェントごとに異なるモデルを割り当てられます。定型作業を担当するサブエージェントには、Lunaのような軽量モデルを割り当ててコストを抑える設計が有効です。

[agent]\nname = "lint-sweep"\nmodel = "gpt-5.6-luna"\ninstructions = "ロジックを変更せず、リンタ警告のみを修正する"

AGENTS.mdにモデル選択の指針を書く

チームで運用する場合、AGENTS.mdに選択基準を明文化しておくと、メンバーやCodex自身がモデルを選ぶ際の判断がぶれません。

## Model Selection\n\n- Sol：アーキテクチャ決定、セキュリティレビュー、複数ファイルリファクタ\n- Terra：標準的な機能実装、バグ修正、テスト作成\n- Luna：ドキュメント整備、フォーマット、サブエージェントタスク\n- セキュリティ関連は reasoning_effort を high 以上にする\n- ultraモードは必ず rollout_token_budget で上限を設定する

既存パイプラインの移行ポイント

codex execを使ったCI/CDパイプラインなどで、モデル名をgpt-5.5のように直接埋め込んでいる場合は見直しが必要です。

\n
• コスト重視で乗り換えるなら：多くの用途でTerraが受け皿になります
\n
• 品質重視で乗り換えるなら：Solへの切り替えを検討します
\n
• GPT-5.5固有の指示（プロンプト内の細かい振る舞い調整など）が残っている場合は、ティアごとの特性に応じて内容を見直してください
\n

コストを監視する

複数モデルを併用する運用では、どのモデルがどれだけトークンを消費しているかを可視化しておくと安心です。フックを使えば簡単なログを残せます。

#!/usr/bin/env bash\necho "$(date -u +%FT%TZ) model=$CODEX_MODEL tokens_used=$CODEX_TOKENS_USED" \\\n  >> "$HOME/.codex/cost-log.txt"

実測：同じタスクを3モデル×3回試した

上の表は各モデルの位置づけですが、実際にどれだけ差が出るのかは自分のタスクで測らないと分かりません。ここでは同一のバグ修正タスクを3モデル×3回ずつ、計9回実行して計測した結果を載せます。

3モデルとも正解し、修正内容もほぼ同一だった

9回すべてでテストが通りました。それだけでなく、TerraとSolが出した修正は完全に同じ1行でした。

- worked = business_days_between(start, end, holidays)\n+ worked = business_days_between(start, min(end, month_end), holidays)

ここから言えるのは、「テストという明確な合格条件があり、修正範囲が1ファイルに収まる」タスクでは、モデルを上げる意味がほとんどないということです。上の表でTerraに割り当てた「日常的な機能実装、バグ修正、テスト作成」という区分は、実測でも妥当でした。

いちばん安いモデルが、いちばん安いとは限らない

理由は推測になりますが、軽量モデルは一度で正解に辿り着けず、ファイルを読み直したり試行を重ねたりする回数が増えるためと考えられます。支払い額は単価×トークン数で決まるため、単価だけを見て選ぶと判断を誤ります。定型的なボイラープレート生成やドキュメント整備といった「思考をあまり必要としない作業」であれば、Lunaの単価が素直に効いてきます。

Solは消費のばらつきが大きい

Solは同じタスクの3回で13,067〜27,449トークンと、2倍以上の開きが出ました。少ないときはTerraと大差ありませんが、多いときはTerraの2倍以上です。

予算を見積もる立場からすると、平均が高いことよりも「上振れが読めない」ことのほうが扱いにくいという側面があります。定型処理を大量に回す用途では、平均が安くばらつきの小さいTerraのほうが管理しやすい選択になります。上限を確実に抑えたい場合は、前述の rollout_token_budget を必ず設定してください。

自明なタスクではSolだけが突出した

ベンチマークの前に「1+1の答えだけを出力してください」という自明な質問も投げています（各1回）。

Solだけが3倍以上を消費しました。答えはどれも「2」です。簡単な質問をSolに投げるのは、素直に無駄です。デフォルトをSolに固定している場合、この差が地味に積み上がります。

よくある質問

モデル自体の仕様や料金を先に押さえたい場合はGPT-5.6（Sol・Terra・Luna）とは？性能・料金・使い方をご覧ください。

まとめ

まずは日常タスクをTerraに任せ、重い設計判断が出てきた時だけSolを呼び出す、という運用から試してみてください。プロファイルさえ用意しておけば、切り替えは一瞬です。