GPT-5.6 Sol vs Terra vs Luna：AI動画プロジェクトの実際のコスト

トークン価格表はAIビデオのコストを教えてくれません。それはモデルの応答の価格だけを示します。プロジェクトのコストは、応答の修正頻度、レンダリング失敗を回避できるかどうか、再送されるコンテキストの量、そしてどのタスクに本当に高度な推論が必要かによって決まります。

2026年8月28日時点で、OpenAIはGPT-5.6 Solを入力100万トークンあたり4ドル、出力100万トークンあたり20ドル、Terraを2ドルと12ドル、Lunaを0.20ドルと1.20ドルとしています。キャッシュ入力コストはそれぞれ0.40ドル、0.20ドル、0.02ドルです。OpenAIの料金表によると、Solの現在の価格は少なくとも11月21日まではプロモーション価格です。

この記事では、現実的な1分間のアニメ動画のプリプロダクションワークフローをシミュレーションしています。GPT-5.6は、テキストと画像の分析、計画、プロンプト、レビューに使用されますが、直接的な動画レンダリングには使用されません。

現在計算中のプロジェクト

ある独立したクリエイターが、8つのカットを含む60秒のアニメーション短編を制作しているとします。ワークフローには以下が含まれます：

前提開発；
900字の脚本；
文字仕様；
8つのレンズを使ったストーリーボードの概要；
八代プロンプト及び改訂；
音声と声の方向；
選択したフレームを使用して連続性をチェックします。
タイトル、説明、字幕及びプラットフォームのメタデータ。

動画、画像、音声、編集費用はプラットフォームによって異なり、トークン計算には含まれません。この除外は意図的なものです。まず計画層を理解し、その後、それが高コストなレンダリング層にどのように影響するかを研究したいからです。

この完全なフローは Elser AI で実行でき、スクリプト、キャラクター、ストーリーボード、シーン、オーディオ、最終編集がすべて関連付けられたままになります。以下の計算は、各決定をどの言語モデルがサポートすべきかを判断するのに役立ちます。

現在の価格入力

| モデル | 未キャッシュ入力 / 1M | キャッシュ入力 / 1M | 出力 / 1M | | Sol | $4.00 | $0.40 | $20.00 | | Terra | $2.00 | $0.20 | $12.00 | | Luna | $0.20 | $0.02 | $1.20 |

基本公式は：

cost = (未キャッシュ入力トークン数 × 入力レート / 1,000,000) + (キャッシュ入力トークン数 × キャッシュレート / 1,000,000) + (出力トークン数 × 出力レート / 1,000,000)

常に実際のAPI使用データに基づいて課金されます。単語からトークンへの見積もりは計画ツールであり、請求書ではありません。

シナリオA：単一モデルですべてのタスクを処理

このプロジェクトが研究報告書、イテレーション、レビューの過程で160,000個の入力トークンと55,000個の出力トークンを消費し、キャッシュは使用されていないと仮定します。

ソル

入力：0.16 × $4.00 = $0.64 出力：0.055 × $20.00 = $1.10 合計：$1.74

大地

入力：0.16 × $2.00 = $0.32 出力：0.055 × $12.00 = $0.66 合計：$0.98

ルナ

入力：0.16 × $0.20 = $0.032 出力：0.055 × $1.20 = $0.066 合計：$0.098

この簡略化したケースでは、LunaのコストはTerraの約10分の1です。しかし、TerraとSolの絶対的な差はわずか0.76ドルです。Solが不要なビデオの再レンダリングを1回回避できれば、プロジェクトレベルではより安価になる可能性があります。逆に、Solを使ってファイル名を生成してもほとんど節約にはならず、高価値のシナリオでより大きな効果を発揮できるはずのハイエンドな計算リソースを消費してしまいます。

シナリオB：難易度に応じた業務割り当て

より実際の生産環境に近いルーティングタスク：

Luna：80,000 入力、25,000 出力

Lunaを使用して、クリエイティブ拡張、メタデータ管理、フォーマット調整、字幕のクリーンアップ、ショットログの標準化、プロンプトテンプレートの入力を行います。

0.08 × $0.20 + 0.025 × $1.20 = $0.046

Terra：65,000 入力、24,000 出力

Terraを使用してスクリプト開発、カメラプランニング、対話、シーンのヒント、改訂の要約を行います。

0.065 × $2.00 + 0.024 × $12.00 = $0.418

Sol：25,000 入力、6,000 出力

Solを用いて最終的なナラティブレビュー、矛盾検出、および最も高コストな障害シナリオの診断を実行します。

0.025 × $4.00 + 0.006 × $20.00 = $0.22

ルート合計

ルーティングワークフローのテキストモデルトークンにかかるコストは約 0.684 ドルです。この例では、Terra のみを使用するよりも安価であり、高額なエラーを回避できる可能性がある2つの重要な場面で、より強力な推論能力を提供します。

これは汎用ベンチマークではありません。これは、タスク量を見積もり、実際の使用状況を測定し、能力が受入率を変える場所に対して支払う方法を示しています。

シナリオC：プロンプトキャッシュの追加

プロジェクトが、役割表、スタイルガイド、安全制約、用語、出力パターンを含む12,000語の安定生産バイブルを繰り返し送信し、その内容が12のリクエストに現れると仮定する。

キャッシュを使用しない場合、このブロックは144,000個の入力トークンを生成します。キャッシュされていない1回の書き込みと11回のキャッシュ読み取りを含めると、Terraの概算入力コストは次のようになります。

前 12,000 個未キャッシュトークン：0.012 × $2.00 = $0.024 次に 132,000 キャッシュ：0.132 × $0.20 = $0.0264 安定コンテキスト入力合計：$0.0504

キャッシュを使用しない場合、同じコンテキストにかかるコストは以下の通りです：

0.144 × $2.00 = $0.288

このコンテキストブロックでは、82.5%削減されました。これはプロジェクト全体の節約ではありません。なぜなら、可変プロンプトと出力は通常料金で請求されるからです。

キャッシュの再利用を向上させるために：

まず安定した内容を配置します；
その表現と順序を維持すること；
ブレークポイント後の変数分離シナリオ命令；
タイムスタンプやリクエストIDを安定したプレフィックスに注入しないようにしてください；
キャッシュヒット率を測定し、その発生を仮定しない。

本当に重要なコスト：許容可能なアウトプット

Elser AI 上で実際の短編動画に対して同じコスト計算を実行します。登録し、代表的なシーンを作成し、承認された成果物（元の生成コンテンツではなく）を測定します。

2つのプロンプト生成方法を想像してみてください：

4回の改訂を経て、Lunaは使用可能な撮影プロンプトを生成しました。
Terraは2回の改訂を経て、使用可能な撮影プロンプトを生成しました。

Lunaはトークンコストではまだ安いかもしれませんが、追加の人的レビュー時間が支配的になる可能性があります。ここで、弱いプロンプトが原因で2回のビデオレンダリングに失敗し、毎回1ドルかかると仮定します。テキストトークンの節約は消えてしまいます。

承認された各ショットのコストを追跡し、以下を含む：

テキストモデルコスト

画像/参照生成
動画生成と拡張
音声とオーディオ
拡大/エクスポート
手動審査時間
廃棄出力のコスト

正しいモデルは、品質とターンアラウンドの要件を満たしつつ、この総量を最小化できるモデルです。

段階的な提案

前提探索：ルナ

1つのテーブルで30の制約付き前提を要求します。人手による選択はコストが低いため、Lunaを使用して複数のオプションを生成するのは合理的です。

スクリプトとキャラクターロジック：テラ

Terraは草稿作成と改訂のデフォルトオプションです。細やかな会話と連続性を収容するためのより多くのスペースを提供し、Solの全額を支払う必要はありません。

ストーリーボードとプロンプト形式：まずTerra、次にLuna

Terraを使用して撮影意図とカメラロジックを定義します。パターンが承認された後、Lunaは繰り返しの構造化フィールドを埋めることができます。

高リスクシナリオ診断：Sol

プロンプト、参照フレーム、失敗出力、簡潔なテスト履歴を送信します。Solに考えられる原因を順位付けし、単変量実験計画を提案してもらってください。

メタデータと字幕のクリーンアップ：Luna

これらは高容量でテスト可能なタスクです。厳格なアーキテクチャと自動化チェックを使用します。

最終継続性監査：ソルまたはテラ

多数の引用を含む複雑なナラティブにはSolを使用してください。ルールが明確な短いコンテンツにはTerraで十分です。

承認後、アセットを Elser AI に移動し、シーン、音声、音楽、特殊効果を生成・組み立てます。同時に、修正と元のプランとの関連性を維持します。

不要な出力にお金を払わない

出力トークンのコストは入力トークンの5～6倍で、これら3つのモデルすべてに当てはまります。次の意思決定を支援する最小限の成果物をリクエストしてください。

ではなく：

この写真に存在する可能性のあるすべての問題について包括的な分析を行ってください。

使用：

最も可能性の高い故障原因を5つ、それぞれの証拠、および制御されたテストを1つ返してください。最大500文字。

人間やツールが回答を消費する必要がある場合、表、JSON、または固定フィールドをリクエストしてください。冗長な動機付けの紹介は生産品質を向上させません。

予算画像入力とツール

上記の簡単な計算はテキストトークンのみを対象としています。画像入力はトークン化処理され、ツール呼び出しにより追加費用が発生する可能性があります。高速処理では異なる価格設定が適用されることもあります。OpenAIの使用応答と課金ダッシュボードを使用して記録してください：

未キャッシュの入力；
キャッシュされた入力；
出力と推論トークン；
画像入力；
ウェブ検索やその他のツールの使用；
処理階層。

プレーンテキストの推定結果をビジュアル集約型ワークフローに適用しないでください。

生産原価元帳の構築

予算の前提が整ったら、Elser AI を使って制作を始め、毎月の支出を約束する前に、脚本から最終シーンまでの完全なパスを検証してください。

受け入れられた各成果物に対して一行を作成してください：

| 成果物 | モデル | 試行回数 | 入力 | キャッシュ | 出力 | ツールコスト | レンダリングコスト | 審査時間（分） | 承認するか？ | |---|---|---:|---:|---:|---:|---:|---:|---:|---|

5つのプロジェクトを経て、パターンが明確に見えてくる。Solがスクリプトの修正回数を減らす一方で、字幕作成には付加価値をもたらさないことや、より良いリファレンス表がモデルの変更よりもコスト削減に効果的であることに気づくかもしれない。

Elser が本番環境である場合は、Elser 生成バージョンと最終クリップリビジョンを同じ台帳に含めてください。目標は、個々の API ライン項目ではなく、プロセス全体を最適化することです。

よくある質問

GPT-5.6 でAI動画を制作するにはいくらかかりますか？

固定金額はありません。デモの1分間のワークフローでは、GPT-5.6のテキスト使用コストは1ドル未満で、画像、動画、音声、ツール、人的作業は含まれません。実際の使用状況は大きく異なる可能性があります。

ルナはいつも最も安い選択肢ですか？

そのトークン料金は最も低い。しかし、タスクが曖昧またはリスクが高い場合、受け入れられた結果ごとのコストが最も低い選択肢ではない可能性がある。

いつ Sol を使うべきですか？

複雑な計画、文書をまたいだ推論、困難な故障診断、または最終レビューに使用されます。これらのシナリオでは、より良い判断が高コストな生産ミスを防ぐことができます。

クリエイターにとって最適なデフォルト設定とは？

Terraはバランスのデフォルトオプションです。繰り返しの構造化タスクをLunaにルーティングし、最も困難な決定をSolにエスカレーションします。

キャッシュは出力コストを削減できますか？

いいえ。該当する重複入力コストを削減します。出力支出を管理するため、出力は簡潔かつ構造化された状態を保ちます。

結論

最も安価なAI動画ワークフローは、最も安価な言語モデルを使用することではありません。むしろ、無駄なループを最小限に抑え、許容可能な最終動画に到達できるワークフローです。繰り返し作業はLunaに、開発作業はTerraに、高コストな判断はSolに割り当てます。安定したコンテキストをキャッシュし、出力を制約し、許容可能な各ショットの総コストを測定します。これにより、価格設定を単なるスローガンから実際の生産上の優位性へと変えることができます。