Jul 11, 2026
Cerebras上のGPT-5.6 Sol:毎秒750トークンとマルチウェーハ実装理論
GPT-5.6 Solは毎秒750トークンというピーク性能を達成したと報告されており、これにより低レイテンシ推論がAIエージェントの実用的な動作をどのように変え得るかが示されています。最も重要な改善点は、単にテキスト生成の高速化だけでなく、繰り返しの推論、ツール使用、コーディング...

GPT-5.6は、単なる強力なモデルのリリースではありません。モデルファミリー、コスト認識ルーティング、マルチエージェント実行、完成された成果物への幅広い製品シフトです。 3モデルのラインナップにより、チームはパワーとコストの適切なバランスをより柔軟に選択できます。Solは最も難...
|-|-|-|
| GPT-5.6 Sol | フラッグシップモデル | 高度なコーディング、複雑な知識作業、サイバーセキュリティ、科学的推論、長期的なエージェントタスク |
| GPT-5.6 Terra | バランスモデル | 高い成果と低コストの両方が重要な日常的な専門業務 |
| GPT-5.6 Luna | 最もコスト効率の高いモデル | 大量タスク、軽量なエージェント作業、下書き、サポートフロー、速度とコストが重要なワークフロー |重要な変更点は、OpenAIがより強力なトップモデルを提供したことだけではありません。製品としてのストーリーは、能力が複数の価格・性能階層に分散されたことです。これにより、異なるジョブを異なるモデルに振り分ける必要があるチームにとって、GPT-5.6はより柔軟なものとなっています。例えば、開発者は難しいリポジトリ移行にはSolを、ルーチンのコードレビューにはTerraを、大量の単純な分類や下書き作業にはLunaを使用できます。AIエージェントがデモから実際のワークキューへと移行するにつれて、このような振り分けはますます重要になっています。## Solがハイエンドコーディングとエージェントベンチマークを狙うOpenAIはGPT-5.6 Solをこれまでで最も強力なコーディングモデルとして紹介しています。公式ベンチマークサマリーによると、最大推論を使用したSolはArtificial Analysis Coding Agent Indexで80を達成し、特定の評価においてClaude Fable 5を2.8ポイント上回っています。また、記事ではTerminal-Bench 2.1やDeepSWEなどの長期的なエンジニアリングタスクにおけるSolのパフォーマンスも強調されています。これらの参照点が有用な理由は、コーディングエージェントが単に短い関数を書けるかどうかだけで評価される時代ではなくなったからです。現在の評価基準は、ターミナルコマンドを操作し、コードベースを調査し、チェックを実行し、エラーから回復し、動作する結果に向けて継続できるかどうかが重要視されています。同じパターンは小型モデルにも拡張されています。Terraは強力なミッドレンジオプションとして位置づけられ、Lunaははるかに低コストのワークロード向けに設計されています。内部AIエージェントを構築するチームにとって、これは重要です。単一の高価なモデルが常に最適な答えとは限りません。実際には、多くの本番システムはプレミアム推論と低コストなバックグラウンド実行の混合を必要とします。## 価格設定によりモデル振り分けがさらに重要にリリースの中で最も実用的な部分のひとつです。OpenAIはGPT-5.6の100万トークンあたりの価格を以下のように発表しています。| モデル | 入力価格 | 出力価格 |
|-|-|-|
| GPT-5.6 Sol | 100万トークンあたり5ドル | 100万トークンあたり30ドル |
| GPT-5.6 Terra | 100万トークンあたり2.50ドル | 100万トークンあたり15ドル |
| GPT-5.6 Luna | 100万トークンあたり1ドル | 100万トークンあたり6ドル |この価格設定は、より戦略的なモデル選択を促進します。高価で高度な推論が可能なモデルは、計画、デバッグ、コード変換、セキュリティレビュー、最終合成、重要な意思決定といった難しい工程に限定して使用できます。一方、低コストのモデルは、抽出、フォーマット変換、要約、分類、フォローアップの下書きといった反復的なタスクに活用できます。このことが、「モデルファミリー」という枠組みが重要である理由でもあります。Sol、Terra、Lunaは単なる3つの名称ではありません。これらはプロダクトチームに、タスクの難易度、レイテンシー、コストに基づいてAIワークフローを設計するための、より明確な方法を提供します。## MaxとUltra:より高度な推論とエージェント機能GPT-5.6は、要求の厳しい作業のために、より強力な機能設定を追加しています。### Maxmax設定は、モデルにより多くの時間を与え、推論、代替案の検討、検証の実行、アプローチの修正を行えるようにします。これは、最初の回答では不十分なタスク、例えばリポジトリのリファクタリング、困難なデバッグ、複数ファイルにまたがる計画、複雑なビジネス文書の分析などに役立ちます。### Ultraultra設定はさらに進んで、複数のエージェントを並行して連携させます。OpenAIは、デフォルトのultra設定では4つのエージェントが同時に動作し、より負荷の高い構成ではさらに多くの並列処理が可能であると説明しています。その要点は単純です。複数のエージェントが同時に異なる経路を探索できる場合、作業が改善されることがあります。あるエージェントはドキュメントを検査し、別のエージェントはコードを実行し、また別のエージェントはエラーを分析し、さらに別のエージェントは最終的な出力を準備します。これらが適切に連携することで、品質と速度の両方を向上させることができます。OpenAI APIを使用して開発を行う開発者にとって、同じ方向性は、マルチエージェントパターンとよりプログラム的なツール利用への幅広い推進力の中に見られます。すべてのツールからの応答をモデルのプロンプトに押し戻す代わりに、エージェントは小さなプログラムを実行し、中間データをフィルタリングし、有用な結果だけを保持することができます。## GPT-5.6はデザインとフロントエンド作業を改善する元の記事では、見逃しがちな点が指摘されています。GPT-5.6はコーディングのベンチマークだけではありません。OpenAIは、より優れた視覚的判断力も強調しています。これは重要な点です。なぜなら、AIが生成した多くのウェブサイト、アプリ、デッキ、ダッシュボードが失敗するのは、コードが不可能だからではなく、最終的なアウトプットが未完成に感じられるからです。レイアウトがぎこちなかったり、スペーシングが不統一だったりすることがあります。UIは技術的には機能しても、粗いプロトタイプのように見えてしまうことがあります。GPT-5.6は、レンダリングされた結果を検査し、視覚的または機能的な問題を特定し、出力をユーザーに返す前に洗練するように設計されています。これにより、以下のような作業でより有用になります。1. 自然言語からのフロントエンドプロトタイプの構築
2. インタラクティブな説明資料やデモの作成
3. プレゼンテーションテンプレートやデザインシステムとの整合
4. 構造を保ちながら、スプレッドシート、ドキュメント、スライドを更新
5. 大まかなドラフトではなく、共有可能な成果物の作成AIウェブサイトや生産性ワークフローにとって、これは意味のある転換だ。このモデルは、テキスト生成器というよりも、実用的な成果物を提供するコラボレーターとして訓練・評価されている。## エンドツーエンドのナレッジワークが中核的ユースケースにGPT-5.6は、プロフェッショナル向けナレッジワークにおいても、より強力なモデルとして位置づけられている。OpenAIは、ブラウジング、コンピューター操作、文書生成、プレゼンテーション作成、スプレッドシート処理、長時間実行ワークフローにおける改善点を強調している。この点こそが、今回のリリースをChatGPT Workに直接結びつける要素だ。新たなプロダクトの方向性は、単なる「質問して答えを得る」ものではない。以下のような形に近づいている:1. 作業がすでに行われているツールやコンテクストに接続する。
2. ChatGPTに目標を与える。
3. 作業をステップごとに分解させる。
4. 必要に応じて進捗を確認する。
5. 完成した文書、デック、シート、サイト、または実用的なアウトプットを受け取る。具体例としては、顧客調査をキャンペーンブリーフに変換する、散在した資料からミーティングパッケージを作成する、定期的なレポートを更新する、プロジェクト情報から社内用の小規模サイトを構築する、といったものが挙げられる。## GPT-5.6とAI研究の加速元記事で最も印象的な部分のひとつは、GPT-5.6がAI研究自体の加速に活用されているという点だ。OpenAIによれば、研究者たちは開発サイクル全体でGPT-5.6を使用している。すなわち、障害の診断、トレーニングシステムの最適化、実験の実行、結果の解釈、モデルの改善といった工程である。また、記事ではOpenAI自身の発表から重要な点も強調されている。社内エージェントの利用が急増しているのだ。OpenAIによれば、社内コーディング推論に割り当てられる研究用計算リソースの割合は6ヶ月で100倍に増加し、社内エージェントのトークン使用量は約22倍に増加した。これはAI研究が完全に自動化されたことを意味するわけではない。しかし、業界が向かう方向性を示している。AIシステムは、次世代のAIシステムの構築、テスト、改善を支援するために、ますます活用されつつあるのだ。## ChatGPTとCodex、ひとつのデスクトップ体験へもうひとつの大きな変化は、Codexアプリが新しいChatGPTデスクトップアプリに統合されたことだ。Codexは依然としてコーディングエージェントではあるが、Chat、Work、Codex、Scheduled Tasks、Sitesを含む、より広範なChatGPT環境の中に組み込まれている。これが重要な理由は二つある。第一に、Codexはもはや独立した開発者向けインターフェースではなくなる。技術的なワークフローと非技術的なワークフローの両方をサポートできる、より広範なプロダクティビティアプリの一部となる。第二に、ChatGPTがデスクトップ上でよりアクション指向になりつつあることだ。OpenAIによれば、デスクトップアプリはローカルファイルやアプリを利用でき、内蔵ブラウザを使用し、ウェブ、モバイル、デスクトップ間で作業を持ち運べる。ユーザーにとっては、断片的な体験が軽減されるはずだ。質問のためにChatGPTと、コーディングのためにCodexを切り替える代わりに、新しいデスクトップアプリはそれらのワークフローをより近づける。## ChatGPT Work:チャットボットからワークエージェントへChatGPT Workは、今回のローンチのもうひとつの目玉である。OpenAIはこれを、アプリやファイルを横断して動作し、プロジェクトに何時間も関わり、目標を完成された仕事に変えることができる、ChatGPT内のエージェントだと説明している。そのタスクには以下が含まれる:1. 接続されたコンテクストからスライド、シート、ドキュメント、サイトを作成する。
2. Slack、Microsoft Teams、Google Drive、SharePoint、メールなどのアプリから情報を読み取る。カレンダー、CRM。
3. スケジュールされたタスクや繰り返しタスクの実行。
4. 変更の追跡とワーク成果物の更新。
5. デスクトップ機能を活用したローカルファイル、アプリ、Webページ間の作業。元の記事では、この方向性をClaude Coworkと比較しています。より広い観点では、最先端のAI企業は「ワークエージェント」というカテゴリを自社のものにしようと競争しています。それは、応答するだけでなく、ツール間で操作し、成果をもたらすAIシステムです。## これがAIプロダクトチームにとって意味することAIプロダクトを構築するチームにとって、今回のリリースはいくつかの実践的な教訓を示唆しています。###
Jul 11, 2026
GPT-5.6 Solは毎秒750トークンというピーク性能を達成したと報告されており、これにより低レイテンシ推論がAIエージェントの実用的な動作をどのように変え得るかが示されています。最も重要な改善点は、単にテキスト生成の高速化だけでなく、繰り返しの推論、ツール使用、コーディング...

Jul 11, 2026
Grok 4.5は、コーディング、エージェント、知識業務を対象としたフロンティアモデルです。その最も実用的な強みは、競争力のあるエンジニアリング性能、毎秒最大80トークンの処理速度、500Kのコンテキストウィンドウ、そして公開されたSWE-Bench Proの比較におけるトークン...

Jul 11, 2026
Claude CoworkがWebとMobileに対応したことで、デスクトップ専用のエージェントから、デバイスをまたいで利用できるワーク環境へと変貌を遂げました。リモートセッションはバックグラウンドで継続し、スケジュールされたタスクはノートPCをオンラインにしておく必要がなくなり...