GPT-5.6の料金体系解説：APIコスト、ChatGPTプラン、モデル階層

GPT-5.6の価格設定は、入力トークンと出力トークンのレートに単純化するとシンプルに見えます。実際のコストは、モデル階層、推論の労力、コンテキスト長、キャッシュの動作、そして受け入れ可能な結果を得るために必要な試行回数という5つの変数によって形成されます。

また、最近の落とし穴もあります。OpenAIはGPT-5.6の価格を当初のリリース後に変更し、TerraとLunaの値下げやSolのプロモーション価格を含めました。現在のモデルページを確認せずにリリース時の表をコピーした記事は、すでに間違っています。

このガイドは、2026年9月3日時点のOpenAI公式ページで確認された価格設定を使用しています。恒久的な料金表ではなく、計算の枠組みとして扱ってください。

現在のGPT-5.6 API料金

| モデル | 100万トークンあたりの入力 | 100万トークンあたりのキャッシュ入力 | 100万トークンあたりの出力 | ポジショニング | | GPT-5.6 Sol | $4.00 | $0.40 | $20.00 | フラッグシップ複雑作業 | | GPT-5.6 Terra | $2.00 | $0.20 | $12.00 | 知能とコストのバランスが取れたモデル | | GPT-5.6 Luna | $0.20 | $0.02 | $1.20 | コスト重視の大量処理 |

OpenAIの現在のSolページには、$4/$20の価格設定は少なくとも2026年11月21日までプロモーション価格であると記載されています。同社はプロモーション料金を延長、変更、または終了する可能性があるため、制作予算には見直し日を含めるべきです。

トークン課金の仕組み

入力トークン

入力には、リクエストに含まれる指示、ユーザーコンテンツ、以前の会話、取得された証拠、モデルに返されたツール結果が含まれます。すべての呼び出しで繰り返される長いシステムプロンプトは、大きなコスト要因になる可能性があります。

出力トークン

出力は生成されたテキストであり、入力よりもはるかに高い価格設定がされる可能性があります。レビュアーが3つ必要とする場合に10の代替案を求めたり、対象を絞った修正ではなく全文書き換えを要求すると、使用量とレビューの負担の両方が増加します。

キャッシュされた入力

プロンプトキャッシングは安定したプレフィックスに報酬を与えます。多くのリクエストが同じポリシー、スキーマ、製品知識を共有する場合、そのプレフィックスをバイト単位で安定させておくことで、繰り返し入力のコストを削減できます。GPT-5.6は明示的なキャッシュブレークポイントをサポートしており、自動キャッシングも引き続き利用可能です。

同じように見えるプロンプトでも、必ずしもキャッシュヒットするとは限りません。動的なタイムスタンプ、例の並び替え、リクエストの早い段階に配置されたユーザー固有のコンテンツは、再利用を減少させる可能性があります。実際のAPIレスポンスからキャッシュされたトークンを測定してください。

キャッシュ書き込み

現在のGPT-5.6のガイダンスでは、キャッシュ書き込みは非キャッシュ入力レートの1.25倍で課金され、読み取りは割引されるとされています。したがって、キャッシュは投資であり、安定したプレフィックスが十分な回数再利用された場合に効果を発揮します。

基本コスト計算式

単純なテキストリクエストの場合:

コスト = 入力トークン ÷ 1,000,000 × 入力レート + 出力トークン ÷ 1,000,000 × 出力レート

1回のTerra呼び出しで、キャッシュされていない入力トークン20,000トークンを使用し、3,000トークンの出力を生成すると仮定します：

入力: 20,000 / 1,000,000 × $2 = $0.04
出力: 3,000 / 1,000,000 × $12 = $0.036
推定テキストトークンコスト: $0.076

これはツール、再試行、および特別な処理費用を除きます。

ここで、入力トークンのうち15,000がキャッシュ読み取りとして適格であると仮定します：

5,000 アンキャッシュド入力: $0.01
15,000 キャッシュされた入力: $0.003
3,000 出力: $0.036
推定合計: $0.049

この例は、出力の規律とキャッシュ設計が、見かけ上の入力価格と同じくらい重要になり得る理由を示しています。

長文脈の価格設定が方程式を変える可能性

GPT-5.6 Solモデルのページには、105万トークンのコンテキストウィンドウが記載されていますが、272,000入力トークンを超えるプロンプトは、リクエスト全体に対して入力レートの2倍、出力レートの1.5倍で課金されることも記載されています。

これにより、重要な設計上の閾値が生まれます。リポジトリ全体やドキュメントアーカイブを1つのリクエストにまとめると、検索と複数の小さな呼び出しを組み合わせるよりもコストが高くなる可能性があります。非常に長いコンテキストを使用する前に、次の点を検討してください。

すべての文書が同じ決定に影響を与えるのでしょうか？
検索はより小さな証拠セットを選択できますか？
安定した背景素材はキャッシュ可能ですか？
段階的な在庫管理と統合により、トレーサビリティは向上しますか？
閾値を超えることで、受け入れが乗数に見合うほど十分に向上するのでしょうか？

大きなコンテキストは能力であり、入力を最大化するための推奨ではありません。

推論の労力とコスト

GPT-5.6はAPIでnone、low、medium、high、xhigh、maxをサポートしています。高い推論レベルはより多くのトークンと時間を使用する可能性があります。経済的に正しい設定は必ずしも最も低いものではありません。難しいタスクは、低い労力での試行が何度も失敗するのを避けられる場合、高い労力でより安価になることがあります。

努力レベルを評価するには、以下を使用します。

受け入れられた出力あたりのコスト = モデルとツールの総コスト / レビューを通過した出力の数

低コストの設定が0.03ドルでも、出力の50%しか合格しない場合、再試行やレビュー前の合格結果あたりの直接モデルコストは少なくとも0.06ドルになります。合格率95%の0.05ドルの設定の方が、運用コストが安くなる可能性があります。

高速モード、バッチ処理、ツール

OpenAIは、GPT-5.6 SolのFastモードが、より高い価格でより高速なAPI処理を提供できると報告しています。これは、このモデルのPriority Processingを置き換えるものです。レイテンシに測定可能な価値がある場合（インタラクティブなコーディング、時間に敏感な操作、または応答を待つ人間のワークフロー）に使用してください。単に高速の方が良さそうだからという理由では使用しないでください。

バッチ処理は非同期ワークロードに適している場合がありますが、ウェブ検索、コンピュータ利用、その他のツールには別途料金が発生する可能性があります。ツールのループや失敗した呼び出しを含む、完全なリクエストパスを常に見積もってください。