「Codexで一番強いのはSol。だったら、ずっとSolを使えばよくない？」

GPT-5.6が登場してから、私もほとんど反射的にSolを選んでいました。せっかく使うなら一番賢いモデルを使いたいし、LunaやTerraを選んで失敗するくらいなら、最初からSolに任せた方が安心だと思っていたからです。

ところが、2026年7月30日にOpenAIが価格改定を発表。Lunaは80％、Terraは20％の値下げとなり、モデルの選び方がかなり変わりました。公式ベンチマークを見ても、日常的なコーディングでは3モデルの差が価格差ほど大きくありません。

" 結論から言うと、Solは「常に使う標準モデル」ではなく、「難しい場面で投入する切り札」として使う方が、今のCodexではかなり合理的です。

2026年7月30日、GPT-5.6が価格改定されました

OpenAIは2026年7月30日、GPT-5.6 LunaとTerraの値下げを発表しました。Lunaは80％値下げ、Terraは20％値下げ。Solの価格は据え置きです。APIだけでなく、CodexとChatGPT WorkでもLuna・Terraの利用が以前より少ないクレジット消費になると案内されています。

※すべて100万トークンあたりのAPI価格。キャッシュ入力やFast modeなどは別料金です。価格は2026年7月31日時点。

同じトークン量なら、料金比はほぼLuna：Terra：Sol＝1：10：25です。Solを1回使う予算で、理論上はLunaを約25回使える計算になります。もちろん実際のCodexでは、タスクごとに読み込むコード量や推論量が違うため、この通りの回数になるわけではありません。それでも、モデル選択の重さがかなり違うことは分かります。

でも結局、LunaやTerraって使わなくない？Solでよくない？

これはかなり自然な疑問です。SolはGPT-5.6ファミリーの最上位であり、難しいコーディング、長い調査、設計、科学、サイバーセキュリティなどで最も高い能力を持ちます。失敗が許されない仕事なら、最初からSolを選ぶ安心感もあります。

ただし、Codexで毎回やる作業が、すべて最難関というわけではありません。文字の変更、ボタン追加、既存パターンに沿った画面実装、テスト作成、定型的なリファクタリングなどは、問題が整理されていればLunaやTerraでも十分に処理できます。

公式ベンチマークを見ると、コーディングでは意外と近い

特にCoding Agent Indexでは、Lunaが74.6、Terraが77.4、Solが80.0。Solが最強なのは間違いありませんが、価格が25倍だから性能も25倍というわけではありません。普通の実装でLunaやTerraが候補になる理由は、ここにあります。

Luna・Terra・Solの違いをざっくり整理

ざっくり言えば、Lunaは作業員、Terraは頼れる実装担当、Solは設計者兼トラブルシューターです。もちろん実際には重なる部分もありますが、この役割分担で考えると選びやすくなります。

用途別比較：Codexではどのモデルを選ぶべき？

effortって結局何？モデルの頭が良くなるの？

Codexのモデル選択には、Low、Medium、High、XHigh、Maxといったeffort（推論努力）があります。APIではnoneも利用できますが、この記事ではCodexで使い分ける主要な段階に絞ります。

effortを上げても、LunaがSolに変身するわけではありません。モデルが持つ知識や基本能力は同じです。変わるのは、答えを出す前に、どこまで探索・比較・検証・修正に時間を使うかです。

effortを上げると起きやすい変化

つまり、effortは「高いほど正義」ではありません。答えがほぼ一つに決まっている作業でMaxを使っても、結果はあまり変わらず、時間と利用枠だけ多く消費する可能性があります。逆に、原因が分からないバグや設計のように、考え直す価値が大きい仕事ではHigh以上の効果が出やすくなります。

effort別・コスパ別グラフで見るおすすめ設定

ここまでの内容を、性能とコストの散布図にまとめました。縦軸は性能イメージ、横軸は入力10万トークン＋出力2万トークンのAPI料金を基準にした推定コストです。点はつながず、各モデル・effortを独立した選択肢として配置しています。

注目は「Terra XHigh」と「Sol Medium」

グラフ上で面白いのが、Terra XHighとSol Mediumの位置です。試算では、Terra XHighの方が安いまま、Sol Mediumに近い品質を狙える可能性があります。

この比較から分かるのは、モデルとeffortを別々に考える必要があるということです。「上位モデルを低effortで使う」だけでなく、「一段下のモデルに多めに考えさせる」という選択肢もあります。日常開発では、この中間地点がかなりおいしいです。

5時間の利用枠でうまくやっていく使い方

Codexの画面に表示される「5時間」の枠は、5時間ずっと作業できるという意味ではありません。OpenAIの公式説明でも、消費量はタスクの規模と複雑さ、選んだモデル、実行場所、長いセッションや大きなコードベースなどによって変わるとされています。

そのため、利用枠を長持ちさせるには、プロンプトを一文字でも短くすることより、高価な推論をどこに使うかを決める方が重要です。

利用枠を無駄にしにくい7つのルール

1. 01標準をSolではなくTerra Highにする。
   普通の実装なら、まずTerraで十分かを試します。
2. 02明確な単純作業はLunaへ落とす。
   文言、CSS、テスト、既存パターンの複製などはLuna Highが強力です。
3. 03設計だけSol、実装はLuna・Terraに分ける。
   OpenAIも、Solで不確実性を解消して計画を作り、Lunaで明確な変更やテストを実行するワークフローを例示しています。
4. 04いきなりXHigh・Maxにしない。
   まずHighで試し、失敗理由が「考察不足」だと判断できるときだけ上げます。
5. 05タスクを一つの目的に絞る。
   「全部直して」より、対象画面・不具合・完了条件を明確にした方が無駄な探索を減らせます。
6. 06長くなりすぎたセッションを整理する。
   必要な前提と現在の課題を短くまとめ、新しいタスクとして切り出すと、不要な文脈の再読を減らしやすくなります。
7. 07急ぎでないならFast modeを常用しない。
   Fast modeは速度を上げる代わりに、対応モデルではクレジット消費率も高くなります。

結局、私ならこの設定で使います

今回、価格とベンチマーク、effortの仕組みをまとめて考えた結果、私ならCodexの標準設定をTerra Highにします。そこから、作業内容に応じて上下へ動かす形です。

特に価格改定後は、Lunaを「性能の低い節約モデル」と見るのはもったいないです。公式のCoding Agent Indexで74.6を出しながら、API単価はSolの25分の1。仕様を明確に渡せる人ほど、Lunaの価値は大きくなります。

そしてTerraは、今回の値下げでさらに使いやすくなりました。Sol Mediumを毎回使う前に、Terra HighやXHighで足りないかを考える。これだけで、Codexの5時間枠をかなり現実的に運用しやすくなるはずです。

>>RELATED ISSUES

記事を見る >>

記事を見る >>

記事を見る >>