GPT-6 Lunaとは｜仕様・API料金と向いている作業の見分け方

GPT-6 Lunaは、OpenAIのAPIでモデルID「gpt-6-luna」として提供されているモデルです。公式は「集中した用途を大量に回す作業向けの、効率に優れたモデル」と位置づけています。結論から言うと、要約・情報抽出・分類・決まった形への変換のように「良い結果の姿が分かっている繰り返し作業」にはGPT-6 Luna、ほかの工程を横断する難しい作業にはGPT-6 Astra、その中間で複雑な仕事を低コストで進めたいときはGPT-6.1 Solという分け方が、公式ページの文言から読み取れる基本の整理です。

この記事では、OpenAI公式のモデルページ・料金ページ・モデル選択ガイド・ChatGPTとCodexのモデル解説に書かれている文言だけを土台に、GPT-6 Lunaの特徴、仕様、API料金、提供範囲、Codexでの選び方、AstraやSolとの使い分けを整理します。すべての情報は2026年10月6日に公式ページから取得した内容で、料金や提供範囲は変わる可能性があります。使う前に、公式のGPT-6 Lunaモデルページの最新表示と見比べてください。

姉妹モデルの詳細は別の記事で扱っています。GPT-6.1 Solの仕様と料金をまとめた記事とGPT-6 Astraの仕様と料金をまとめた記事があるので、本記事はLunaを選ぶ側から見た判断材料に絞り、AstraとSolとの比較は要点だけにとどめます。

GPT-6 Lunaとは｜公式が示す位置づけ

GPT-6 Lunaとは、OpenAIが要約・情報抽出・絞った範囲のコーディングなど、焦点の定まった作業を大量に処理する用途向けに案内している、GPT-6ファミリーの効率重視のモデルです。

ChatGPTとCodexのモデル解説ページは、GPT-6 Lunaを「Our most efficient model for focused, high-volume tasks, including summarization, extraction, and focused coding.」と紹介しています。日本語にすると、要約、抽出、絞り込んだコーディングを含む、焦点の定まった大量処理向けの、効率に優れたモデルという意味です（OpenAI「Codex Models」、2026年10月6日取得）。

APIの開発者ガイド「Using GPT-6」は、3つのモデルを役割で並べています。GPT-6 Astraは最も高い知能が必要な作業向け、GPT-6.1 Solは速度・コスト・知能のバランス型、GPT-6 Lunaは「Fastest and most cost-effective」（速さとコスト効率を重視する位置づけ）で、集中した大量処理向けの強い性能を持つと書かれています（OpenAI「Using GPT-6」、2026年10月6日取得）。

ここで押さえたいのは、Lunaが「小さいから何でも劣る」と説明されているわけではない点です。公式の言い方は、作業の性質に合わせて選ぶというものです。「どの作業をLunaに任せられるか」は、自分のタスクで試して確かめる前提になっています。性能を数値で比べた記載は、取得した公式ページには見当たらなかったため、この記事でも性能の優劣は数字で断定しません。

OpenAIのモデル一覧ページも、どれから始めるか迷ったときの案内として、複雑な推論とコーディングならGPT-6 Astra、知能とコストのバランスならGPT-6.1 Sol、コストに敏感で大量に回す処理ならGPT-6 Lunaと並べています（OpenAI「Models」ページ、2026年10月6日取得）。

モデルIDと基本仕様を表で確認する

GPT-6 Lunaのモデルは「gpt-6-luna」の1つのスナップショットで、コンテキストウィンドウは1,050,000トークン、最大出力は128,000トークン、入力はテキストと画像、出力はテキストです。

公式モデルページに載っている基本仕様は次のとおりです。API呼び出しでは、リクエストの model にこのIDを指定します（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。

項目	公式ページの記載	読み方のポイント
モデルID	gpt-6-luna	スナップショットも同名の1種類のみ
入力形式	テキスト、画像	音声や動画を入力するモデルではない
出力形式	テキスト	画像や音声を出力するモデルではない
コンテキストウィンドウ	1,050,000トークン	1回のやり取りで同時に扱える量の上限
最大入力トークン	922,000	1回のリクエストで送れる入力の上限
最大出力トークン	128,000	1回の応答で返せる出力の上限
知識カットオフ	2026年5月18日	それ以降の出来事は、検索ツールなどで補う
推論トークン	対応	考えさせる量はreasoning.effortで調整する

初めて読む方のために言葉を補うと、トークンとは、モデルが文章を数える単位です。コンテキストウィンドウは、1回のやり取りでモデルが同時に扱える量の上限だと考えると分かりやすくなります。最大入力トークンと最大出力トークンは、それぞれ入力側と出力側の上限で、日本語の文字数とは一対一では対応しません。長い資料を丸ごと読ませたい場面では、まず入力の上限に収まるかを見てください。

同じ一覧ページでは、GPT-6 Astraの知識カットオフは2026年4月30日、GPT-6.1 Solも2026年4月30日、GPT-6 Lunaは2026年5月18日と並んでいます。コンテキストウィンドウは3つとも1.05M、最大出力は128Kトークンで揃っています（OpenAI「Models」ページ、2026年10月6日取得）。つまり、3つの違いはサイズの大小ではなく、単価・推論の設定・提供面・得意な作業にあります。

Lunaが向いている作業と、別のモデルを選びたい作業

Lunaが向いているのは、何をどう仕上げればよいかが決まっていて、同じ型の作業を何度も回す場面で、広い文脈を粘り強く扱う難しい作業は別のモデルを検討する場面です。

Codexのモデル解説ページは、Lunaを「clear, repeatable tasks」、つまり明確で繰り返しのきく作業向けとして説明しています。具体例として、抽出、分類、変換、構造化した要約が挙げられています。条件は「良い結果がどういうものか分かっている」ことです（OpenAI「Codex Models」、2026年10月6日取得）。

モデル選択ガイドには、モデルと推論の強さの組み合わせの目安が7段階で載っています。Lunaの「Low」は細かな修正・範囲の決まった問題解決・単純なデータ抽出、Lunaの「Extra high」は複数アプリにまたがる最新の文脈の把握・作業の優先順位づけ・制約の明確な問題解決とされています。GPT-6.1 SolのMediumは、手直しを前提にした複雑な技術作業や調整の必要な成果物、Astraは、より野心的で広い文脈を要する作業という並びです（OpenAI「Model selection」、2026年10月6日取得）。

この記述を、読者の作業に置き換えて整理したのが次の表です。ただし、表の右列は公式が個別の業務を名指しして保証したものではなく、公式の例示を自分の仕事に当てはめた読み方です。仮の例として読み、最後は自分のデータで試して判断してください。

作業の型	公式の例示との対応	Lunaを最初に試す目安
問い合わせ文の分類（仮の例）	分類・抽出に当たる	分類の基準が文章で書けるなら最初の候補
議事録の構造化要約（仮の例）	構造化した要約に当たる	出力の型を指定できるなら最初の候補
文章の形式変換（仮の例）	変換に当たる	変換ルールが明確なら最初の候補
範囲の決まった小さな修正（仮の例）	focused codingに当たる	対象ファイルと直し方が決まっているなら候補
目的があいまいな新規企画（仮の例）	良い結果の姿が未定	Sol・Astraと同じ題材で比べてから決める
複数の資料の矛盾から結論を出す作業（仮の例）	広い文脈と判断が必要	Sol・Astraも含めて比較する

表の下の2行は、Lunaを使ってはいけないという意味ではありません。公式は「実験する」ことを勧めていて、同じ入力で結果を比べ、品質の基準を満たす最も軽い設定を選ぶよう案内しています。軽い設定から試し、足りなければ上げるという順番が、公式の考え方と合っています。

reasoning.effortの選び方とMax・Ultraの違い

GPT-6 Lunaのreasoning.effortは、none・low・medium（既定）・high・xhigh・maxの6段階で、同じGPT-6ファミリーの中でnoneに対応している点がAstraやGPT-6.1 Solとの違いです。

APIの公式モデルページには、reasoning.effort が none、low、medium（既定）、high、xhigh、max に対応すると書かれています（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。開発者ガイドは、GPT-6 AstraとGPT-6.1 Solはnoneに対応せず、代わりにlowを使うこと、GPT-6 SolとGPT-6 Lunaはnoneに対応することを明記しています（OpenAI「Using GPT-6」、2026年10月6日取得）。

モデル	API上のreasoning.effort	noneの扱い
GPT-6 Luna	none、low、medium（既定）、high、xhigh、max	対応
GPT-6.1 Sol	low、medium（既定）、high、xhigh、max	非対応。lowを使う
GPT-6 Astra	low、medium、high、xhigh、max（モデル一覧の表記）	非対応。lowを使う

表のAstraの行は、OpenAIのモデル一覧ページの「Reasoning」欄の表記に基づいています。考えさせる量を最小にしたい処理、つまり分類や定型の抽出のように推論を挟まなくてよい処理では、noneを選べることがLunaの実務上の利点です。それ以外は、まず既定のmediumから始めて、結果を見て上下させます。

ChatGPTのデスクトップアプリやCodexで使う場合は、呼び方が少し変わります。モデル解説ページでは、Lunaは「High」から始め、Astraは「Light」から始めるよう案内しています。設定ファイル上でAstraのLightは low にあたります。Lightは軽くて範囲の決まった作業に、Mediumは速さと深さの釣り合いが必要な作業に、HighとExtra Highは複数の工程・資料・トレードオフを含む難しい作業に向くと説明されています（OpenAI「Codex Models」、2026年10月6日取得）。

MaxとUltraの違いも押さえておきます。公式の説明では、Maxは選んだモデルが1つの作業に使う思考の時間を増やす設定で、最も難しい問題向けです。Ultraはサブエージェントで作業を分け、並行して進める設定です。GPT-6 LunaはMaxまでの推論に対応し、Ultraには対応しないと記載されています。CLIでは /model でモデルを選び、「More reasoning…」を選ぶと、そのモデルが対応するMaxやUltraが表示されます。

API料金の読み方｜Standardの入力・キャッシュ・出力

GPT-6 LunaのAPI料金は、Standardの短いコンテキストで100万トークンあたり入力$0.1、キャッシュ入力$0.01、キャッシュ書き込み$0.125、出力$0.5で、いずれも米ドル建てです。

公式モデルページの「Text tokens」の表には、次の単価が載っています。以下は2026年10月6日に取得した時点の値で、プラン・処理方式・入力量によって変わります（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。

区分	単価（100万トークンあたり、Standard、米ドル）	意味
入力	$0.1	プロンプトとして送ったトークン
キャッシュ入力	$0.01	キャッシュが効いた入力。入力単価の10%
キャッシュ書き込み	$0.125	キャッシュを作るときの単価。入力単価の1.25倍
出力	$0.5	モデルが返したトークン

モデルページの注記では、キャッシュ入力は通常の入力単価の10%、キャッシュ書き込みは通常の入力単価の1.25倍と書かれています。入力が27万2千トークンを超えるプロンプトは、リクエスト全体で入力とキャッシュの単価が2倍、出力が1.5倍になります。ここは長い資料を一度に渡すときの落とし穴なので、後の章でも触れます（同じモデルページ、2026年10月6日取得）。

プロンプトキャッシュの仕組みそのものは、OpenAI APIのプロンプトキャッシュを解説した記事で扱っています。同じ指示文や同じ資料を繰り返し送る処理ほど、キャッシュ入力の単価が効きます。ただし、キャッシュを作る書き込みにも別の単価がかかる点は、計算に含めてください。

出力側の単価が入力の5倍である点も、設計に響きます。同じ資料を読ませても、短い分類ラベルだけを返す処理と、長い要約を返す処理では、1件あたりの費用の組み立てが変わります。出力の形式を最初に決めておくほど、Lunaの単価の低さを活かしやすくなります。

Batch・Flex・Fastと長いコンテキストの料金条件

処理方式を変えると同じLunaでも単価が変わり、BatchとFlexはStandardの50%、Fastは2倍という関係が、公式の料金ページの表から読み取れます。

公式の料金ページの「Latest models」の表から、gpt-6-lunaの行だけを抜き出して並べました。いずれも100万トークンあたりの米ドルです（OpenAI「Pricing」、2026年10月6日取得）。

処理方式・条件	入力	キャッシュ入力	キャッシュ書き込み	出力
Standard・短いコンテキスト	$0.10	$0.01	$0.125	$0.50
Standard・長いコンテキスト	$0.20	$0.02	$0.25	$0.75
Batch・短いコンテキスト	$0.05	$0.005	$0.0625	$0.25
Batch・長いコンテキスト	$0.10	$0.01	$0.125	$0.375
Fast・短いコンテキスト	$0.20	$0.02	$0.25	$1.00
Fast・長いコンテキスト	$0.40	$0.04	$0.50	$1.50

料金ページの表には、Flexの行もあり、Batchと同じ単価が載っています。モデルページは「Batch and Flex are priced at 50% of Standard rates. Fast mode is priced at 2x the applicable rates.」と説明しています（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。結果をすぐに返す必要がない大量処理なら、Batchの単価を検討する余地があります。Batchの使い方と料金の考え方は、OpenAI Batch APIの使い方と料金をまとめた記事で扱っています。

長いコンテキストの単価がStandardの表で入力2倍・出力1.5倍に見える点は、モデルページの注記と整合しています。27万2千トークンを超える入力は、リクエスト全体が長いコンテキストの単価になるため、1件でも上限をまたぐと費用が跳ねます。大量のドキュメントを処理するときは、入力を27万2千トークン以内に分割できるかを先に確認してください。

地域処理についても記載があります。モデルページには、地域処理には10%の割増がかかる場合があること、EUのデータレジデンシーはStandard・Flex・Batchで利用できることが書かれています。Fastモードは、EUデータレジデンシーでは使えないと開発者ガイドに明記されています（OpenAI「Using GPT-6」、2026年10月6日取得）。データの所在地が要件に入る場合は、処理方式の選択肢が狭まることを前提に設計してください。

Astra・GPT-6.1 Sol・GPT-5.6 Lunaとの料金比較

Standardの短いコンテキストの入力単価は、Astraが$10、GPT-6.1 Solが$2、GPT-6 Lunaが$0.10で、Lunaの単価はAstraの100分の1、Solの20分の1にあたります。

公式の料金ページのStandardの表から、4つのモデルを並べます。単位は100万トークンあたりの米ドルで、短いコンテキストの値です（OpenAI「Pricing」、2026年10月6日取得）。

モデル	入力	キャッシュ入力	キャッシュ書き込み	出力
gpt-6-astra	$10.00	$1.00	$12.50	$50.00
gpt-6.1-sol	$2.00	$0.10	$2.50	$10.00
gpt-6-luna	$0.10	$0.01	$0.125	$0.50
gpt-5.6-luna	$0.20	$0.02	$0.25	$1.20

表から計算できる関係は次のとおりです（単価はOpenAI「Pricing」、2026年10月6日取得の値）。入力はLunaがAstraの100分の1、Solの20分の1です。出力もLunaがAstraの100分の1、Solの20分の1です。前世代のGPT-5.6 Lunaと比べると、GPT-6 Lunaの入力単価は半分、出力単価は$1.20から$0.50で、割合にして半分を下回ります。これらは単価の比較であり、同じ作業に必要なトークン数はモデルごとに違うため、1件あたりの総費用の比は別に確かめる必要があります。

開発者ガイドは、Astraについて「評価によっては、はるかに少ない出力トークンで強い結果を出し、タスク当たりの推定API費用が、単価が高いにもかかわらず以前のモデルより低かった」と述べています（OpenAI「Using GPT-6」、2026年10月6日取得）。単価だけで選ぶと、タスク当たりの費用で逆転する場合がある、という注意書きとして読めます。Lunaに任せる作業でも、単価の安さだけでなく、使うトークン量と再試行の回数を含めた費用で確かめるのが筋です。

Solと旧GPT-6 Solとの違い、Astraの単価の詳細は、それぞれGPT-6.1 Solの記事とGPT-6 Astraの記事で扱っています。モデル全体の選び方を一覧で確認したい場合は、ChatGPTの最新モデルの違いと使い分けの記事が入口になります。

仮の例で見る1回あたりのコスト計算

API費用は、入力トークン数×入力単価と出力トークン数×出力単価の合計で見積もれるため、同じ仮の条件で3つのモデルに当てはめると費用の桁の違いがつかめます。

ここでは、仮の例として、1回のリクエストで入力が200,000トークン、出力が20,000トークンの処理を考えます。Standard・短いコンテキストの単価（OpenAI「Pricing」、2026年10月6日取得）に当てはめ、キャッシュ・推論トークンの扱い・ツール呼び出しの費用は含めない単純な計算です。

モデル	入力の費用	出力の費用	1回の合計	1,000回の合計
gpt-6-luna（仮の例）	0.2×$0.1＝$0.02	0.02×$0.5＝$0.01	$0.03	$30
gpt-6.1-sol（仮の例）	0.2×$2＝$0.40	0.02×$10＝$0.20	$0.60	$600
gpt-6-astra（仮の例）	0.2×$10＝$2.00	0.02×$50＝$1.00	$3.00	$3,000

この仮の例では、Lunaは1回あたり3セントで、1,000回回しても30ドルの計算です。次に、同じ条件で入力のうち150,000トークンがキャッシュ入力になった場合を考えます。キャッシュ入力150,000トークンは0.15×$0.01＝$0.0015、通常の入力50,000トークンは0.05×$0.1＝$0.005、出力は$0.01なので、合計は$0.0165です。キャッシュを作る書き込みの費用は含めていません。さらにBatchで処理できるなら、公式の表ではStandardの半額の単価になります（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。

この計算は、費用の桁を知るための目安です。実際には、reasoning.effortを上げると推論に使うトークンが増えるため、同じ入力でも出力側の費用が変わります。本番に載せる前に、実際のデータ100件程度で入力・出力のトークン数を測り、1件あたりの平均を出してから年間の費用を見積もる手順を勧めます。費用の見積もりは、公式の料金ページの最新の単価で再計算してください。

APIでの呼び出し方・対応ツール・非対応機能

GPT-6 LunaはResponses APIとChat Completionsとバッチに対応し、ツール呼び出しにはResponses APIを使うのが公式の方針で、EmbeddingsやFine-tuningなどには対応していません。

公式モデルページのエンドポイント表で、対応状況が分かれる主な項目は次のとおりです（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。

エンドポイント・機能	公式ページの表示	実務での読み方
Responses（v1/responses）	対応	組み込みツールと関数呼び出しはここで組む
Chat Completions（v1/chat/completions）	対応	関数呼び出しはreasoning_effortがnoneのときだけ
Batch（v1/batch）	対応	結果を急がない大量処理で検討する
Embeddings（v1/embeddings）	非対応	埋め込みは専用のモデルを使う
Fine-tuning（v1/fine-tuning）	非対応	微調整の対象として使えない
Realtime（v1/realtime）	非対応	音声のリアルタイム会話の用途には使えない
Image generation（v1/images/generations）	非対応	画像生成はこのモデルのエンドポイントではない

表の読み方で間違えやすいのが、Chat Completionsの関数呼び出しです。モデルページには「Chat Completions supports function calling only with reasoning_effort set to none.」とあり、推論を使いながらツールを呼ぶ処理はResponses APIで組む必要があります。Responses APIとChat Completionsの違いは、Responses APIとChat Completionsの違いを整理した記事で扱っています。

対応機能として、ストリーミング、構造化出力、関数呼び出し、ファイル検索、画像入力、Web検索、プロンプトキャッシュが挙げられています。Responses APIで使えるツールとしては、web_search、file_search、image_generation、code_interpreter、hosted_shell、apply_patch、skills、computer_use、mcp、tool_search が記載されています。構造化出力で出力の形を固定する方法は、OpenAI APIの構造化出力の使い方の記事が参考になります。Lunaの得意な「決まった型への変換」と、構造化出力は相性のよい組み合わせです。

関数呼び出しの設計手順は、Function callingの使い方と設計手順の記事にまとめています。なお、旧モデルからの移行ガイドは、reasoning effortがnone以外のときは temperature、top_p、top_logprobs をリクエストから削除するよう案内しています（OpenAI「Using GPT-6」、2026年10月6日取得）。既存のコードをそのまま流用すると、このパラメータでエラーになる可能性があります。

ChatGPTとCodexで使える範囲とGPT-5.5からの置き換え

ChatGPT側では、GPT-6 LunaはWorkとCodexで使うモデルでChatでは使えず、FreeとGoのプランではデスクトップアプリで選ぶモデルとして案内されていて、提供状況はロールアウトと利用環境に左右されます。

Codexのモデル解説ページには、GPT-6 Lunaの提供面として、デスクトップアプリのWorkとCodex、WebのChatGPT Work、Codex CLI、Codex IDE拡張、ChatGPTクレジット、APIアクセスが並んでいます。同じページに、ChatGPTではGPT-6.1 Sol、GPT-6 Sol、GPT-6 LunaがWorkとCodexで使え、Chatでは使えないと書かれています。また「Availability depends on the rollout, your sign-in method, and your client.」とあり、提供はロールアウト・サインイン方法・クライアントによって異なります（OpenAI「Codex Models」、2026年10月6日取得）。

プラン	公式料金ページの月額	GPT-6 Lunaに関する記載
Free	$0／月	デスクトップアプリでStandardスピードのGPT-6 Luna（ロールアウトに依存）
Go	$8／月	デスクトップアプリでStandardスピードのGPT-6 Luna（ロールアウトに依存）
Plus	$20／月	GPT-6.1 SolとGPT-6 Lunaを含む
Pro	$100／月から	Plusの内容に加えて（Astra UltrafastはPro $500で案内）

表の月額は、ChatGPTとCodexの料金ページの記載で、米ドル建てです。Proは$100・$200・$500のプランがあり、Astra Ultrafastの利用はPro $500で案内されています。Businessは年払いで1ユーザー月額$20、月払いで$25と書かれています。細かい利用条件は変わりやすいため、契約前に公式のCodex料金ページ（2026年10月6日取得）で確認してください。プラン全体の比較は、ChatGPTの料金プランを比較した記事にまとめています。

GPT-5.5からの置き換えにも、Lunaが登場します。モデル解説ページでは、GPT-5.5は2026年10月14日に、すべてのプランのChatGPT、ChatGPT Work、Codexから退役すると案内されています。この退役はOpenAI APIには適用されません。ChatGPTサインインでCodexを使う場合、Free・Goでは、デスクトップアプリで可能なときにGPT-6 Lunaを選ぶよう案内されています。Plus・Pro・Business・Enterprise・EduではGPT-6 Solが案内されています。保存したモデル設定、管理設定、カスタムエージェント、スケジュールタスク、スクリプトのうち、gpt-5.5を指定している箇所は置き換えが必要です。退役の背景と後継モデルの比較は、GPT-5.5の提供終了と後継モデルの比較記事で扱っています。

サブスクリプションの使用量と、APIの課金は別の仕組みです。料金ページには「API token prices are separate from subscription usage」とあり、APIのトークン単価を、プランに含まれる利用量の計算に使わないよう求めています。この記事の前半で示したドル建ての単価は、API利用の話で、ChatGPTのプランに含まれる枠とは別のものです。

ここからは、クレジット換算とプランの利用枠の見方です。ChatGPTのクレジット制のプランでは、追加の利用が100万トークンあたりのクレジットで計算され、GPT-6 Lunaは入力2.5、キャッシュ入力0.25、出力12.5クレジットです。

公式のChatGPT・Codex料金ページには、Standardスピードでの100万トークンあたりのクレジット単価が載っています。次の表は、Astra、GPT-6.1 Sol、GPT-6 Lunaを並べたものです（OpenAI「Codex Pricing」、2026年10月6日取得）。

モデル	入力（クレジット）	キャッシュ入力（クレジット）	出力（クレジット）
GPT-6 Astra	250	25	1,250
GPT-6.1 Sol	50	2.5	250
GPT-6 Luna	2.5	0.25	12.5

クレジットの比は、API単価の比と同じ形になっています。Lunaの入力はAstraの100分の1、Solの20分の1で、出力もAstraの100分の1、Solの20分の1です。ただし、公式は、クレジット単価だけで、サブスクリプションに含まれる利用枠の消費が決まるわけではないと書いています。現在の上限は、利用状況のダッシュボードで確認するよう案内されています。

料金ページには、PlusとStandard Businessの、5時間あたりのローカルメッセージ数の目安も載っています。Plusの目安は、GPT-6 Astraが5〜45、GPT-6.1 Solが15〜160、GPT-6 Lunaが350〜3,000です。公式は、これらを固定の上限ではなく見積もりだとし、クラウドタスクはローカルメッセージより多くの枠を使う場合があると注記しています（OpenAI「Codex Pricing」、2026年10月6日取得）。Plusの目安では、Lunaの回数がAstraやSolより大きい幅で示されています。

FastモードとUltrafastモードは、含まれる利用枠の消費と、購入したクレジットの消費で倍率が違います。料金ページの表では、Fastが含まれる利用枠で2.5倍、購入クレジットで2倍と書かれています。これらは速度の向上を表す倍率ではないと明記されています。速さを優先する設定は、同じ作業でも消費が増えることを前提に使ってください。

Codexでモデルを選ぶ手順（CLI・デスクトップアプリ・設定ファイル）

Codexでは、CLIの /model コマンド、起動時の –model オプション、config.toml の model 設定の3通りでモデルを指定でき、公式はモデルピッカーまたは保存した設定でgpt-6-lunaを選ぶよう案内しています。

公式の手順をそのまま整理します。CLIの対話セッションでは /model でモデルを切り替え、推論の強さも調整できます。起動時に選ぶ場合は –model またはその短縮形の -m を使い、公式の例は gpt-6.1-sol を指定した形です。非対話の実行でも同じオプションが使えます。Lunaを選びたいときは、同じ書式でモデルIDにgpt-6-lunaを指定します。公式の例が示しているのはSolの書き方なので、Lunaの指定はその書式にモデルIDを置き換えたものです。実行して選べない場合は、アカウントやクライアントでまだ提供されていない可能性があります（OpenAI「Codex Models」、2026年10月6日取得）。

場面	操作	公式の記載のポイント
CLIの対話中	/model でモデルを選ぶ	「More reasoning…」でMaxやUltraの対応を確認できる
CLIの起動時	–model または -m にモデルIDを渡す	非対話の実行でも同じオプションを使える
既定のモデルを固定	config.toml の model にIDを書く	デスクトップアプリ・CLI・IDE拡張で共通の設定ファイル
IDE拡張	入力欄の下のモデル切り替えで選ぶ	利用可能なモデルと推論の強さを選べる

既定のモデルを決めておきたい場合は、設定ファイルのmodelにIDを書きます。公式の例は model = “gpt-6.1-sol” の形で、モデルを指定しない場合は、アプリ・CLI・IDE拡張が推奨モデルを使うと説明されています。設定ファイルの優先順位や書き方は、Codex CLIのconfig.tomlガイドにまとめています。

CLIの操作そのものに慣れていない方は、Codex CLIのスラッシュコマンド一覧の記事で /model を含む基本の操作を確認できます。Codex全体の使い方と導入の流れは、OpenAI Codexの使い方の記事が入口になります。

実務での使い分けのコツとして、軽い単位の作業をLunaに、難しい判断を伴う作業をSolやAstraに分ける運用があります。たとえば、作業の最初の整理と、最後の確認だけを上位のモデルにする形です。ただし、これは公式が推奨している手順ではなく、公式の「軽い設定から試す」という考え方を応用した運用案です。自分のタスクで結果を比べてから決めてください。

AstraとSolを含めた切り替えの判断手順

Lunaから始めるかどうかは、作業の結果の良し悪しを自分で判定できるか、同じ作業を何度も回すか、失敗したときの影響が小さいかの3点で決める、というのが公式の考え方に沿った手順です。

公式の資料から導ける判断の流れを、次の5つの手順にまとめます。いずれも、公式の記載を整理したもので、結果を保証するものではありません。

手順	やること	判断の基準
1	作業の型を確認する	良い結果の姿が決まっている繰り返し作業ならLunaから。範囲が広く、あいまいな作業ならSolやAstraから
2	同じ入力を3つのモデルで試す	公式の推奨どおり、同じタスクで比べる。10〜20件の同じ入力を使う（件数は筆者の目安）
3	最も軽い設定から始める	Lunaは公式がHighから開始を案内。足りなければ上げる
4	品質の基準を数字で決める	分類なら正答率、抽出なら漏れの有無など、自分の基準を事前に決める
5	費用と時間を測る	1件あたりのトークン数・所要時間・再試行回数を記録する

手順2の「10〜20件」は、公式が示した数字ではなく、比較を始めるための筆者の目安です。公式が示しているのは、同じ入力で比べ、品質の基準を満たす最も軽い設定を選ぶという方針までです。件数や基準は、作業の重要度に合わせて増減してください。

仮の例で、判断の流れを追ってみます。問い合わせメールを5種類に分類する処理を作る場合、分類の基準が文章で書けるので、Lunaで試します。正答の判定に使う見本を自分で用意し、Lunaの結果が基準を満たせばそのまま採用します。判定が割れる問い合わせが多いなら、Solで同じ見本を試し、割れる件数が減るかを確認します。減るなら、全件をSolにするのではなく、Lunaで迷った分だけSolに回す構成も選べます。

反対に、複数の資料の矛盾を整理して提案書を作る作業は、公式の例示ではSolやAstraの得意分野に近い性質です。この場合は、Lunaを下書きや材料集めに使い、結論づけの工程を上位のモデルに任せる分担も、仮の案として検討できます。最終的には、完成物の品質が基準に届くかどうかで判断します。

モデルを切り替えるときは、キャッシュにも注意が必要です。開発者ガイドは、リクエストの途中で推論の強さを変える場合、リクエスト単位のreasoning.effortを変えずに、configuration_updateの項目を使うよう案内しています。プロンプトの先頭部分を保ってキャッシュを効かせるためです（OpenAI「Using GPT-6」、2026年10月6日取得）。

最後に、導入前の確認事項を、提供状況・料金の条件・パラメータの互換性・データの所在地・品質の基準の5つのチェックリストにまとめます。どの項目も、公式ページの記載から導いたものです。

確認項目	確認する内容	根拠のページ
提供状況	自分のプラン・クライアントでLunaが選べるか	Codexのモデル解説ページ
料金の条件	27万2千トークンを超える入力がないか。処理方式はStandardかBatchか	LunaのモデルページとAPI料金ページ
パラメータの互換性	temperature、top_pなどを外したか。関数呼び出しはResponses APIか	Using GPT-6の移行ガイド
データの所在地	EUのデータレジデンシーが必要なら、Fastモードを使わない設計か	Using GPT-6の移行ガイド
品質の基準	自分のデータで基準を満たす最も軽い設定を決めたか	モデル選択ガイド

特に見落としやすいのは、パラメータの互換性です。旧モデル向けに書いたコードで temperature や top_p を指定していると、推論を使う設定ではこれらを削除するよう、公式の移行ガイドが案内しています。reasoning.effortをnoneにする場合の扱いは、移行ガイドとモデルページで確認してください。

もう1つは、機能の非対応です。EmbeddingsやFine-tuningは使えないため、検索用の埋め込みを作る処理をLunaに置き換えることはできません。埋め込みの設計は、OpenAI Embeddings APIの使い方の記事を参照してください。

最後に、公式ページの内容は更新されます。この記事の数値と記載は2026年10月6日時点のものです。導入を決める前に、モデルページ・料金ページ・Codexのモデル解説ページの3つを見直し、記事と差がないかを確かめる習慣をつけてください。

よくある質問（FAQ）

Q1. GPT-6 LunaはChatGPTの通常のチャットで使えますか。

Codexの公式モデルページでは、GPT-6 LunaはChatGPTのWorkとCodexで使え、Chatでは使えないと記載されています。通常のチャット画面で選べない場合は、仕様どおりの状態です（OpenAI「Codex Models」、2026年10月6日取得）。

Q2. FreeプランやGoプランでも使えますか。

公式の料金ページには、FreeとGoのカードにデスクトップアプリでStandardスピードのGPT-6 Lunaが使えると書かれていますが、ロールアウトに依存すると注記されています。使えるかどうかは、アカウントやクライアントの状況で変わります（OpenAI「Codex Pricing」、2026年10月6日取得）。

Q3. GPT-6 LunaのAPI料金はいくらですか。

Standardの短いコンテキストでは、100万トークンあたり入力$0.1、キャッシュ入力$0.01、出力$0.5です。Batchは半額、Fastは2倍の関係で、27万2千トークンを超える入力は単価が上がります（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。

Q4. AstraやSolの代わりにLunaだけで足りますか。

公式は、Lunaを明確で繰り返しのきく作業向けとし、Astraを最も難しい作業向けとしています。足りるかどうかは作業の性質で決まるため、同じ入力で比べて、品質の基準を満たす最も軽い設定を選ぶ手順を勧めます。

Q5. reasoning.effortにnoneを指定できますか。

GPT-6 Lunaはnoneに対応しています。AstraとGPT-6.1 Solは対応しておらず、lowを使うよう案内されています（OpenAI「Using GPT-6」、2026年10月6日取得）。

Q6. 埋め込みやファインチューニングに使えますか。

モデルページでは、Embeddingsのエンドポイントとファインチューニングは非対応と表示されています。埋め込みが必要な場合は、専用のモデルとAPIを使う形になります。

Q7. UltraモードはLunaで使えますか。

公式のモデル解説ページでは、GPT-6 LunaはMaxまでのreasoning effortに対応し、Ultraには対応しないと記載されています。サブエージェントで作業を分ける使い方が必要なら、Ultraに対応するモデルの確認が必要です。

Q8. Codex CLIでLunaを指定するコマンドは何ですか。

対話中は /model、起動時は –model（または -m）にモデルIDを渡す形です。公式の例はgpt-6.1-solですが、同じ書式にgpt-6-lunaを置き換えて指定します。選べない場合は提供状況を確認してください。

まとめ

GPT-6 Lunaは、OpenAIが焦点の定まった大量処理向けに案内する、GPT-6ファミリーの効率重視のモデルです。モデルIDは gpt-6-luna、コンテキストウィンドウは1,050,000トークン、最大出力は128,000トークンで、入力はテキストと画像、出力はテキストです。Standard・短いコンテキストのAPI料金は、100万トークンあたり入力$0.1、キャッシュ入力$0.01、出力$0.5です（OpenAI「GPT-6 Luna」モデルページ、2026年10月6日取得）。

選ぶときの基本は、良い結果の姿が決まっている繰り返し作業ならLuna、広い文脈と判断を伴う作業ならSolやAstraを検討し、同じ入力で比べて品質の基準を満たす最も軽い設定を選ぶことです。ChatGPTではWorkとCodexで使い、Chatでは使えないこと、Chat Completionsの関数呼び出しにはnoneが条件であること、EmbeddingsとFine-tuningに非対応であることも、使い始める前に押さえてください。料金や提供範囲は変わる可能性があるため、判断の直前に公式ページの最新表示を見てください。