GPT-6 Luna料金:$0.10/$0.50ティアと2026年のChatGPT全プラン

GPT-6 Luna APIの料金:標準ティア

これが多くの人がお目当ての数字です。APIの料金ページによると、GPT-6 Lunaの標準料金は入力100万トークンあたり$0.10、出力100万トークンあたり$0.50です。キャッシュ入力は$0.01まで下がり、キャッシュ書き込みは100万あたり$0.125です。

これによりLunaはOpenAIモデル一覧の最下層に位置づけられます:中位ティアのSolよりはるかに下で、フラッグシップのAstraと比べれば誤差程度です。標準の短文コンテキストティアでGPT-6ファミリーがどう位置づけられるか、参考として旧モデルのGPT-5.6 Lunaと合わせて示します。

出典:OpenAI APIの料金。この表が語るストーリーはシンプルです:GPT-6 Lunaは旧GPT-5.6 Lunaの入力を半減させ、出力を半分をはるかに超えて削減したものです。OpenRouterはローンチ当日にこのファミリーの料金を確認しました。ローンチ投稿でのOpenAI自身の位置づけは「Solで構築し、Lunaでスケールする」であり、Lunaがどこに位置すべきかを正確に示しています。つまり高ボリュームでよりシンプルな作業を任せるモデルです。

値下げの中身:何が変わり、何が変わらなかったか

これほどの規模の値下げには、通常、能力向上のストーリーが伴います。今回はほとんどそうではなく、その点は正直に伝える価値があります。

純粋な知性の指標では、Artificial AnalysisはGPT-6 SolとLunaが「コストを半減させることでコスト効率のフロンティアを押し広げている」一方、Intelligence IndexとCoding Agent Indexは「GPT-5.6と同水準にとどまり、一部の評価では進歩、他では後退している」と報告しました。つまり全体像はこうです:価格は大きく動いたが、知性はほとんど動いていない。

Lunaが実際に改善したのは信頼性で、OpenAIはそこを強調しました。

• 事実性。 OpenAIの報告によると、GPT-6ファミリーは前世代のGPT-5.6よりも事実誤認が少ないとのことです。Artificial Analysisは、最大努力設定でのLunaの幻覚率が93%から77%に低下したと記録しており、これは実質的な改善ですが、それでも同じテストにおけるSolよりは高い水準です。
• コスト効率のフロンティア。 Lunaの狙いはドルあたりのスループットであり、まさにそこが動いています:同じ軽量な知性を、トークンコストのおよそ半分で。
• エージェント評価。 ファミリー全体でAutomationBenchとTerminal-Benchにおいて小幅な向上が見られましたが、Lunaは難しいエージェント作業に選ぶモデルではありません。それはSolとAstraです。

コミュニティも同じように受け止めました。ローンチ時の議論で、あるデベロッパーはこのトレードオフを率直に表現しました。

「2倍の価格で性能が向上するほうが、半分の価格でほぼ同等の性能よりよかった。」

dmazin, Hacker News

これがGPT-6 Lunaの料金に対する正直な見方です。すでにGPT-5.6 Lunaを使っていたなら、これは無料で得られる請求額の値下げです。「6」という数字が生の知性の飛躍を意味することを期待していたなら、ベンチマークのスコアはその期待を和らげるよう促しています。

サービスティア:ほとんどの人が見逃す4倍の変動

標準料金は出発点であり、すべてではありません。GPT-6 Lunaはファミリーの他のモデルと同じサービスティアで動作し、最も安いものと最も高いものの差はまったく同じモデルで4倍にもなります。Lunaのような高ボリュームモデルにとって、これがコストを左右する単一で最大のレバーです。

出典:OpenAI APIの料金。選ぶ前に知っておくべき点がいくつかあります。

• BatchとFlexは同じ価格ですが、対象とする作業が異なります。Batchは送信して後で結果を回収する非同期の作業向け、Flexはより遅く実行したり、キューに入れたりすることを許容できるインタラクティブなリクエスト向けです。どちらも請求額を半分にします。
• Fastモードは料金を倍増させることで最低レイテンシを実現し、service_tier: "priority"またはservice_tier: "fast"のいずれかを受け付けます。
• Fastモードには地域的な落とし穴があります。 EUのデータレジデンシーでは標準にフォールバックすることがあるため、どこでも使えると想定しないでください。

レイテンシを許容できるワークロードであれば、デフォルトをBatchまたはFlexにすることでLunaの支出をさらに半分にできます。これはGPT-5.6からの値下げと重なります。GPT-6 Lunaでバッチ対応可能な作業は$0.05/$0.25で実行でき、これこそ本当に安価で高ボリュームな分類・抽出作業が成り立つ水準です。

落とし穴:長文コンテキストとスペック

2つの詳細がモデルページの細字部分に隠れており、どちらも気づかぬうちに予算を大きく変えかねません。

まず、長文コンテキストはリクエスト全体がより高い料金で課金されます。 Lunaのコンテキストウィンドウは105万トークンと大きいですが、入力272Kトークンを超えるプロンプトはリクエスト全体を長文コンテキスト料金に切り替えます:標準ティアで入力100万あたり$0.20、出力100万あたり$0.75です。これは入力で2倍、出力で1.5倍であり、閾値を超えた分だけでなく、リクエスト内のすべてのトークンに適用されます。

次に、コミットする前にスペックを知っておく価値があります。 GPT-6 Lunaは最大922,000トークンの入力を受け付け、最大128,000トークンを返し、ナレッジカットオフは2026年5月18日で、Solより1か月遅いものです。テキストと画像を入力として受け付け、出力はテキストで、推論の努力度はnoneからmaxまで設定でき、デフォルトはmediumです。また、Responses APIの完全なツールセットも搭載しています:ウェブ検索、コードインタープリター、ホスト型シェル、コンピュータ操作、そしてMCPです。レート制限の下限はTier 1で、1分あたり500リクエスト、500Kトークンであり、Tier 5では1分あたり30,000リクエスト、180Mトークンまでスケールします。

GPT-6 Luna APIの請求額を見積もる

定価は、自分自身の数字を当てはめるまでは抽象的なままです。月あたりに見込む入力・出力の数百万トークンを入力し、サービスティアを選べば、月額コストが算出されます。長文コンテキストの追加料金も自動的に考慮されます。

多くのチームが気づくパターンは、出力レートが入力レートの5倍であるため、出力トークンが請求額を支配するということです。Lunaの高ボリュームなワークロードでは、この計算は急速にスケールするため、バッチ対応可能な作業をBatchに移すことが、最も早く節約効果が出るポイントです。

ChatGPTとCodexにおけるGPT-6 Lunaの料金

APIを呼び出していない場合、GPT-6 LunaはChatGPTとCodexを通じて届きます。ここがLunaの物語がファミリーの他のモデルと異なる点です:これは誰もが手に入れるモデルなのです。

出典:OpenAIのローンチ発表。いくつか際立つ点があります。

• Lunaは無料プランに届く。 非開発者にとってのヘッドラインはこれです:デスクトップアプリでは無料プランと$8のGoプランでGPT-6 Lunaが利用できます。どちらもSolは含まれておらず、Solは月額$20のPlusプランから利用可能です。ChatGPTに課金せずにGPT-6モデルを使ったことがあるなら、それはLunaでした。
• 有料プランはSolを上乗せする。 Plus以上のプランではLunaを維持しつつGPT-6 Solを追加するため、多く支払ってもLunaが失われるわけではなく、モデルの選択肢が広がるだけです。
• CodexもLunaを利用できる。 OpenAIは両モデルを同じティアでCodexにも展開したため、コーディングエージェントのユーザーはより安く軽量な実行のためにLunaを選択できます。

サブスクリプションでの節約幅がAPIの値下げと一致するかについては、全員が納得したわけではありません。あるデベロッパーは指摘で、メッセージ上限の変更から、APIでの50%の値下げがChatGPTプラン内では3分の1程度の値下げに近い形になっていることが示唆されると述べており、定価上の割引がそのまま反映されると想定せず、自分自身の割り当てを確認するべきだとしています。

GPT-6 Lunaの料金は他とどう比較されるか

視野を広げると、Lunaはフロンティア全体の中でどこに位置するのでしょうか。端的に言えば、OpenAIはLunaを使って、実用的なモデルの価格の下限を設定しました。

• 自社ラインナップ内での比較: $0.10/$0.50のLunaは、$2/$10のGPT-6 Solの5分の1の価格で、出力に関しては$50のGPT-6 Astraの100分の1です。高ボリュームでよりシンプルな作業にはLunaが明確な選択肢であり、難しい推論や長期にわたるエージェント作業ではSolやAstraへとステップアップします。
• Anthropicとの比較: Lunaは生のトークン価格でAnthropicのラインナップの軽量モデルを大きく下回っており、これはまさにOpenAIが市場の最下層で狙っていたポジショニングです。
• Googleとの比較: Gemini 3 FlashのようなGeminiの最軽量オプションと、価格対知性の観点で真っ向勝負しており、それがこのティアにおける本当の戦いです。

ローンチスレッドでのより大きな見方は、クローズドモデルが大幅に賢くなることなく値下がりし続けているというもので、複数のデベロッパーがこれを価格の底辺への競争と表現しました。トークンを購入する立場からすれば、これは良いニュースです。しかしそれは同時に、より安いモデルがAIを実際のワークフローに組み込む上でより難しい部分、つまりモデルを取り巻くすべてを変えるわけではないというリマインダーでもあります。

サポートチームを率いる場合、GPT-6 Lunaの料金が意味すること

ここでは、単に料金を並べるのではなく、役に立つことをお伝えしたいと思います。私はeeselの製品を作っているため、これらのモデルが実際にライブのワークフローにどう組み込まれるかに時間を費やしており、正直な答えは少し直感に反するものです。

カスタマーサポートや社内オペレーションを率いているなら、より安価なフロンティアモデルが変えるものは、ヘッドラインが示唆するほど多くありません。Lunaのような生のモデルはインフラです。有能で安価なエンジンではありますが、箱から出したままでは返金ポリシーを知らず、過去5万件のチケットを見ることもできず、注文システムへのアクセスもなく、実際のキューに対して安全にテストされる方法もないまま顧客への返信を始めてしまいます。思考することに対してトークンごとに課金され、解決した問題ごとではありません。最低水準のトークン単価は本物ですが、それはプロジェクトの中で最も安い部分に対する割引にすぎません。

サポートチームにとって本当に重要な単位は、トークンあたりのコストではなく、解決あたりのコストです。トークンの請求額は予測不能です:プロンプトの長さ、リトライ、そしてその日そのモデルがどれだけ「おしゃべり」かによって変動します。何年にもわたってライブのサポートキューにAIを導入してきた中で、私たちは自信ありげに聞こえるボットがひそかに間違った回答をしているのを見てきました。だからこそ、すべてのロールアウトは顧客に近づく前に自社の過去のチケットに対してシミュレーションされるべきなのです。それがモデルとそれを取り巻いて構築されたシステムとの差です:あなたのナレッジ、あなたのインテグレーション、安全なアクション、そしてまず自社の履歴でテストする方法です。

これはまた、新しいモデルがリリースされたその週にサポート自動化のプラットフォームを乗り換えるべきではない理由でもあります。最良のAIヘルプデスクエージェントやカスタマーサービスツールは設計上モデルに柔軟であるため、より安価またはより賢いモデルが登場したとき、何も作り直すことなく、新しいトークン単価をめぐって予算を再交渉することもなく、そのアップグレードを引き継ぐことができます。

eeselを試してみる

Lunaの価格への関心が実は「実際にチケットを解決するのにAIはいくらかかるのか」であるなら、それはまさにAIチームメイトが作られた仕事であり、そこにeeselが位置しています。GPT-6 Lunaはエンジンであり、eeselはそれを操縦するために雇う従業員です。AIヘルプデスクエージェントは過去のチケットとヘルプセンターでトレーニングされ、すでに使っているヘルプデスクを置き換えるのではなく接続し、実際のライブ会話に触れる前に、何千件もの実際の過去のチケットに対してシミュレーションすることで、パフォーマンスとコストを事前に確認できます。

課金方法は、トークン単価では語れない物語を伝えます。思考するたびにトークンで支払う代わりに、実際に処理されたチケットごとに40セントを支払い、席ごとの料金もプラットフォームの最低料金もないため、コストはモデルのおしゃべりではなく成果に連動します。クレジットカードなしで$50分の利用枠から無料で始められます。

そしてこれは開発者向けの価格に関する質問なので、eeselのワークスペース全体はダッシュボードだけでなく、ターミナルからも操作できることを知っておく価値があります。eesel CLI(npx @eesel/cli)を使えば、人間、スクリプト、あるいはClaude Code、Codex、Cursorのようなコーディングエージェントが同じチームメイトを操作できます:ヘルプデスクを接続し、現行のインストラクションを読み書きし、eesel activityを実行して過去の実行を確認し、eesel approvalsで変更をゲートすることができます。すべてのコマンドはJSONを出力し、--dry-runは書き込みが送信される前に、実際に行われるであろうサーバー呼び出しを正確に表示します。つまり、この計算機でモデル化するのと同じ解決あたりの課金を、UIでクリックして回るだけでなく、自社のツールに組み込むことができるのです。

GPT-6 Lunaの料金は現時点で有能なモデルを運用する最も安価な方法であり、高ボリュームでシンプルな作業であればその価格には価値があります。しかしほとんどのサポートチームにとって、トークン単価が本当に重要な数字だったことは一度もありません。テスト済みで、接続されており、説明責任を果たせるチームメイトを既存のワークフローに組み込み、成果に応じて課金されるようにすることこそ、予算を投じる価値のある部分です。