
同じ日に出たOpus 5.5とGPT-6 Sol、何が違うのか — 「安くなった」の中身を、賢さと1仕事の費用で比べる
9月22日、AnthropicがClaude Opus 5.5を公開しました。その約1時間後には、OpenAIがGPT-6 SolとGPT-6 Lunaを発表しています。
両社とも、前面に出したのは値下げです。XやnoteにはOpus 5.5とSolの比較投稿が並び、初日の空気は「成果物の質ならOpus 5.5、速さと費用ならSol」という形でまとまりつつあります。
ただ、並べて読むと、両社が「安くなった」と言うときの比較相手が違います。賢さの差と費用の差も、同じ向きには動いていません。
同じ日に出た2つのモデルは、何が違い、仕事の中でどう比べればよいのか。 公式発表、第三者の測定、利用者の報告を分けて整理します。9月2日に出たGoogleのGemini 3.8 Flashにも、補足として触れます。
1. 同じ日に出た2つのモデルは、「何と比べて安いか」が違う
まず、発表前の状況です。9月1日にClaude Fable 5.1、9月3日にGPT-6 Astraが登場し、両社の最上位モデルは、どちらも100万トークンあたり入力10ドル・出力50ドルで並んでいました。トークンは、AIが文章を処理するときの単位です。それから約3週間で、両社は「最上位に近い性能」を下の価格帯に置きました。noteのMiccell氏は、OpenAIはAstraの手法を安いSolとLunaに、Anthropicは上位モデル級の性能をOpusに降ろしたと、2社の動きを同じ方向として整理しています。
向きは同じでも、中身を見ると違いがあります。
Opus 5.5は、最上位級の性能を一段下の価格で出すモデルです。 ClaudeではFable 5.1が最上位で、Opusはその一段下にあたります。Anthropicは、Opus 5.5が「ほとんどの仕事でFable 5.1と同じ水準で動く」と説明しています。価格は入力4ドル・出力20ドルで、前のOpus 5から2割の値下げです。同じ前置きを繰り返し読ませるときの割引料金(キャッシュ読み込み)は、6割下がりました。典型的な作業ではOpus 5より4割安く動き、出力の速さは3割以上上がったとしています。
GPT-6 Solは、前世代の上位並みの仕事を大幅に安く回すモデルです。 価格は入力2ドル・出力10ドルで、前世代のGPT-5.6 Sol(入力4ドル・出力20ドル)の半額です。軽量版のLunaは入力0.10ドル・出力0.50ドルになりました。OpenAIは「最高性能が必要な仕事は、引き続きAstraが担う」と明言しています。比較の相手に選んだのも、前世代のClaude Opus 5でした。業務の流れを自動化する力を測るAutomationBenchでは、推論を強めたSolが、最大設定のOpus 5を上回るスコアを、Opus 5の9%の費用で出したとしています。

Opus 5.5は、性能の格を上げながら値段を下げました。Solは、前世代と同じ格の仕事を半分の値段で出せるようにしました。同じ「安くなった」でも、Opus 5.5は性能を、Solは値段を動かしています。 この違いを押さえておくと、次の章の数字が読みやすくなります。
2. 数字で並べると、賢さはOpus 5.5、1仕事の安さはSol

同じ日の発表だったため、Anthropicの比較表にSolは載っておらず、OpenAIの比較表にもOpus 5.5は載っていません。両社の数字を横に並べても、推論の設定などの条件はそろっていません。
そこで、同じ条件で測っている第三者の数字を見ます。米国のArtificial Analysisは、10種類の評価をまとめた総合指標を公開しています。Opus 5.5(推論を最大にした設定)は58で、同社がこれまでに測ったモデルの中で最も高い値でした。Sol(同じく最大設定)は48です。
ところが、この総合指標の課題を1件こなす費用は、Opus 5.5が5.98ドル、Solが1.06ドルでした。100万トークンあたりの値段は2倍なのに、1仕事の費用は約5.6倍に開きます。
差を生んでいるのは、考える量です。同社の測定では、推論を最大にしたOpus 5.5は1件の課題に約11.9万トークンを出力していました。同じ最大設定で、前のOpus 5は約7.3万、Fable 5.1は約7.8万、GPT-6 Astraは約2.7万です。Solは約3.1万でした。Opus 5.5は、長く考えてから答えるモデルだと分かります。
Sol側にも、読み方の注意があります。同じ測定で、Solの総合指標は前世代のGPT-5.6 Solと同じ水準にとどまりました。1件あたりの費用は1.99ドルから1.06ドルへ、ほぼ半分になっています。知識を問う評価では、自信のない質問に答えない割合が増え、誤った答えは減った一方で、正答率は下がりました。Solは前世代より賢くなったというより、同じ賢さを半分の費用で出すモデルと読むほうが実態に近いと考えられます。
もう1つ、Anthropic自身が発表文に注記を付けています。「この水準の能力では、ベンチマークの差は、実際の仕事での差を示す指標として信頼しにくくなっている」。
10ポイントの差をどう重く見るかは、自分の仕事で確かめるしかありません。
3. Opus 5.5が評価されているのは、長い仕事を崩さずにやり切る力
Anthropicの比較表で差が大きいのは、何ステップも続く作業です。ターミナル操作を伴う開発を測るTerminal-Bench 4.0では、Opus 5.5が66.4%で、GPT-6 Astraの57.9%、Fable 5.1の55.8%を上回りました。実務に近い知識労働を測るGDPval-AA v2.1でも、Fable 5.1を上回っています。
一方で、同じ表にはAstraが上回る項目もあります。業務の自動化を測るAutomationBenchはAstraの41.4%に対してOpus 5.5が40.0%、科学研究を進める課題ではAstraが上回っています。
早期に試した企業の1社、Columnのエンジニアリング担当者は、「サブエージェントへの仕事の振り分けがはるかにうまくなり、自分の作業を工夫して確かめるようになった」と評価しています。サブエージェントは、AIが作業の一部を任せる別のAIのことです。公式発表には、ほかにも早期に試した企業の事例が並びます。
68万行のコード移行を1日かからずに終えた(従来はチームで数週間かかる規模)
20万行のコードベースの監査を3時間以内に終えた(Opus 5では20時間超)
法律業務ソフトのClioでは、6つのリポジトリにまたがる作業を夜通し任せ、18時間以上、作業からそれずに続けた
いずれもAnthropicが掲載した顧客の報告で、第三者が同じ条件で確かめた結果ではありません。それでも、どの事例も「何時間も続く仕事を、途中で崩さずに終える」方向を向いています。
日々の使い方で先に気づきやすいのは、文章の変化です。Opus 5.5は大事な情報を先に書き、専門用語やクセのある言い回しを減らすようになりました。早期に試したBoxは「正確さを保ったまま、冗長さが40%減った」と評価しています。
長い仕事を任せられるようになったことと、短い答えが読みやすくなったこと。Anthropicは後者について「追いやすく確かめやすい文章は、実用面だけでなく安全面でも利点になる」と書いています。どちらの変化も、人が結果を確かめやすくなる方向に進んでいます。
4. その強さは、止まらなさと裏表になっている

長く考え、長く働けることは、裏返せば、自分からは止まりにくいということです。ある記事では、時間の上限と「何をもって完了とするか」をはっきり指定しないと、有料プランの利用枠をどんどん消費する、という注意が挙がっています。
極端な例もあります。開発者のSimon Willison氏が、自転車に乗るペリカンの絵をSVG(図形を描くコード)で描かせたところ、推論を最大にしたOpus 5.5は考え続けたまま出力の上限12.8万トークンに達し、2回とも何も出力しませんでした。1回あたり約2.56ドル、約20分です。同氏は、単純な課題では最大設定は事実上使えないと判断し、最大設定のFable 5.1は考えすぎずに良い結果を出したと書いています。
設計の面でも、Opus 5.5は考えることが前提のモデルです。外部アプリから呼び出す場合、思考を止める設定はなくなりました。考える深さは「effort」という設定で調整し、既定値はmediumです。深く考えさせるほど、時間と費用も伸びます。
安全面の制限も知っておく必要があります。サイバーセキュリティ関連の多くの作業は、旧モデルのOpus 4.8へ回されます。Anthropicは、Opus 5.5が「自分は評価されているのではないか」と疑う場面が多く、実際の環境でどう振る舞うかを見極めにくくなっていることも公表しました。
長く働けるAIほど、どこで止めるかを人が先に決める必要があります。 企画職が市場調査を任せるなら、「競合の価格表を集め、出典つきの一覧にする。決めた時間を過ぎたら、そこまでの結果と未確認の点を返す」まで渡す。仕事の出口を決めずに任せると、優秀なモデルほど長く走り続けます。
5. GPT-6 Solは「安い上位モデル」より「量をさばく主力」
OpenAIは、Solを機能の開発やコードの見直し、データ分析のように、繰り返し発生する複雑な仕事の主力と位置づけています。Lunaは、要約や情報の抜き出しのように範囲の決まった仕事を、大量にこなすための選択肢です。
同社の事実誤りの社内テストでは、Solの誤りの率は、各設定でGPT-5.6 Solのほぼ半分でした(high設定で10.8%から5.1%)。
利用者の評価は、価格の面では好意的です。「月20ドルのChatGPTの契約で、開発に本当に使えるようになった」という声があります。導入する企業の技術責任者層からは、「Astraの無料版ではない。処理の経路ごとにモデルを固定し、成功した作業あたりの単価とツールの失敗率を見て採用を決めるべきだ」という実務的な意見も出ています。
厳しい声もあります。公開されたどの比較表でもAstraを上回っていない。中程度の難しさの分析で取りこぼす。同じ指示で画面や図を作らせる対決では、デザインの完成度でOpus 5.5に負けるという投稿が目立ちます。同時に出たLunaについては、前世代より劣化したという日本語圏のベンチマーク投稿もありました。
OpenAI自身の数字にも、読み方の注意があります。長い開発作業を測るDeepSWEでは、Solの最大設定は68.8%で、前世代のGPT-5.6 Solの72.7%を下回りました。ただし前世代は、1件あたりの費用が2倍を超えます。また、SolがFable 5.1並みの成績をずっと安く出したとする比較では、Fable 5.1側がその表で最も点数の低い設定で並べられていた、という指摘も出ています。
使える場所にも差があります。ChatGPTではPlus・Pro・Business・Enterpriseなどの契約で、「ChatGPT Work」と開発向けのCodexから使えます。通常のチャット画面には、まだ入っていません。無料プランとGoプランでは、デスクトップアプリでLunaを使えます。
Solの価値は、Opus 5.5に並ぶことより、前世代の上位並みの仕事を半分の費用で何度も回せることにあります。 範囲の決まった修正、定型のデータ変換、自社サービスへの組み込みのように、同じ種類の仕事を大量に流す場面で出番が来るモデルです。
6. 補足:Gemini 3.8 Flashは「動画と音を読む役」で出番がある

GoogleのGemini 3.8 Flashは、Opus 5.5とSolより3週間早い9月2日に公開されました。Googleは「最も賢い主力モデル」と位置づけています。価格は年末までの導入価格で入力0.75ドル・出力3.75ドル、2027年1月からは入力1.50ドル・出力7.50ドルです。
注目したいのは、受け取れる入力の広さです。文字と画像に加え、動画、音声、PDFを読めます。Solの入力は文字と画像までです。
この差を役割分担に使うことも可能です。例えば、軸はOpus 5.5に置き、画面録画や音声の確認はGemini 3.8 Flashなどに、大量の定型判定はLunaに振る。細心の注意が要る場面だけ、Fable 5.1かAstraを加える。AIに作らせた画面を録画し、前提を知らない別のAIに「途中で画面が崩れたところを挙げて」と見せる確かめ方もあります。
3社のモデルは、賢さの順位だけでなく、「何を受け取れるか」「1回をいくらで回せるか」でも分かれ始めています。
7. 比べる単位は「1トークン」から「1仕事」へ

ここまでの数字は、1つの方向を指しています。100万トークンあたりの値段だけで比べると、どちらのモデルも見誤ります。
Opus 5.5は値段がSolの2倍なのに、総合指標の1仕事では約5.6倍かかりました。逆に、単価が半分になっても、1つの仕事に使うトークンが2倍になれば総額は変わりません。せかはん氏は、問われる数字が「1トークンの単価」から「1仕事の費用」へ移っていると整理しています。トークンの数え方も各社で違うため、単価をそろえても同じ仕事の費用を比べたことにはなりません。
1仕事の費用には、AIの利用料に加えて、やり直しの回数、待ち時間、人が確かめる手間まで入ります。一発で使える成果物が出るなら、単価の高いモデルのほうが安く済むこともあります。
職種の仕事に置き換えると、比べ方が具体的になります。
営業の提案書:顧客ごとの課題に合わせた構成と言い回しが問われ、やり直しの手間が大きい仕事です。Opus 5.5を試す価値があります。
経理や事務の仕分け:請求書の項目の読み取りや問い合わせの分類を大量に流す仕事です。SolやLunaで、1件あたりの費用とミスの率を測ります。
企画の調査:何時間も続く調べものは、Opus 5.5に任せつつ、時間の上限と途中報告の条件を先に決めます。
実際に、Opus 5.5に計画と判断を任せ、Solに作業の量産を任せる組み合わせを試す投稿も、XやRedditに出始めています。
どの組み合わせでも、人の手に残る仕事は共通しています。何を頼むかを決めること。どこまでできたら完了かを決めること。上がってきた成果物を見て、使うかどうかを判断すること。
9月の頭に最上位だった性能は、3週間で一段下の価格帯に降りてきました。「どちらが賢いか」の答えは、次の発表でまた入れ替わるはずです。一方で、「この仕事はどこで完了とし、どこで止めて人に返すか」は、モデルが替わっても手元に残る問いです。
みなさんの仕事のうち、1仕事あたりの費用とやり直しを数えられるものはどれでしょうか。 そこで2つのモデルを並べると、ベンチマークの10ポイントより具体的な差が見えてきます。
あわせて読みたい
出典・確認範囲
公式情報と第三者の測定は2026年9月27日時点で確認しました。価格は100万トークンあたりの標準価格です。筆者による実機測定はしていません。利用者の反応は、以下の記事がまとめたXやRedditの投稿を参照しており、利用者全体の評価を示すものではありません。
Artificial Analysis「GPT-6 Sol and Luna push the cost efficiency frontier」
Digital Applied「GPT-6 Sol and Luna: API Prices, Benchmarks and Trade-offs」
Simon Willison「Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price war」
せかはん「GPT-6 Sol・LunaとClaude Opus 5.5が同日登場 最上位級のAIが3週間で半額の価格帯へ」
まさお「Opus 5.5・GPT-6 Luna・Gemini 3.8 Flash が出揃って手札が増えた。9 月のモデル使い分け」