ついに登場？噂の「GPT-5.6」に関する情報まとめ

GPT-5.6に関する最新情報をまとめました。詳細な仕様については以下の公式ドキュメントや関連リンクをご確認ください。安全性の評価レポートやAPIのガイドラインなどが公開されています。

・安全性評価レポート: https://deploymentsafety.openai.com/gpt-5-6/gpt-5-6.pdf
・最新モデルのAPIガイド: https://developers.openai.com/api/docs/guides/latest-model
・関連ツイート（X）: https://x.com/levie/status/2075287443411222628 / https://xcancel.com/levie/status/2075287443411222628

Claude Codeを長く使ってる身として。最近、他にも試すべき素晴らしいモデルがあるんじゃないかと思えてきたんだけど、新しいものに乗り換えるのがちょっと億劫でね。今のところCodexとClaude Codeの比較ってどんな感じ？もうぶっちゃけ大差ないのかな？

デベロッパーガイド（https://developers.openai.com/api/docs/guides/latest-model ）に、モデルを使うための興味深いセマンティックなヒントが載ってるよ。

意図の理解：GPT-5.6は、一から十まで指定しなくても、ユーザーが裏で何をしたいのか、どの程度の作業を求めているのかをより良く推測できるようになった。ただ、重要な制約、承認の範囲、成功基準については明示的に伝えること。

元画像の詳細：GPT-5.6は、送信された元の画像の詳細を維持する。パッチサイズ制限やピクセル次元制限のためにリサイズすることはない。

プロンプトを短く：内部評価によると、長くて具体的なシステムプロンプトを最小限のプロンプトに置き換えるだけでスコアが10～15%向上し、トークン数も41～66%、コストも33～67%削減できた。

簡潔さの指示は避ける：GPT-5.6は「簡潔に」「短く」「最小限のテキストで」といった指示に対して、GPT-5.5よりも敏感になっている。

温かみのコントロール：もっとフレンドリーに、あるいは共感的に振る舞うよう指示しても、GPT-5.6の性能が目に見えて良くなることはない。

GeneBenchやLifeSciBenchの比較からFable 5を除外した理由が「高度な生物学の質問に答えられず、この評価における質問の大半を拒否するから」っていうの、笑えるよね。デフォルトで優勝ってことか！

今回のベンチマークのフロンティアグラフを見ると、Fableに対して5.6 Solが圧倒的だね。過去の反復モデル比較よりもその差は激しい。どれくらいチェリーピッキング（都合の良いデータだけ選ぶこと）されているのか、あるいはどんなテストでそれほど圧倒的じゃなかったのかが知りたいところだけど、まあこの投稿には載らないだろうな。もし言われている通り本当に性能が良いなら素晴らしいことだ。その一方で、もしこのモデルがFableに対して圧倒的というわけじゃないなら、こういう発表に対する私の残り少ない信頼も失われることになるね。

Sol、Terra、Lunaをいつ使うべきかについての簡単なガイドがマジで欲しい。名前のせいで余計に混乱するんだよね。

命名規則は母国語が何語かによって解釈が難しくなる。もちろんラテン語系言語の話者なら「ああ、一つずつ順に大きくなっているんだな」って簡単に判断できるかもしれないけど、それでもやっぱり分かりにくいよ。

それはさておき、数字はどれも凄まじいね。しばらくはGrok-4.5と併用して、価格と効率を比較しながらメインで使っていくことになりそう。

OpenAIが目指しているトークン効率やパフォーマンスを重視する方向性はかなり好きだ。コストなんてお構いなしに、とにかくトークンを最大化しまくろうとするAnthropicの方向性とは大違いだよ。

GPT-5.6 SolがARC-AGI-3で7.8%という新しいSOTAを樹立したね。

SolはARC-AGI-3のゲームをクリアした初めての認定済みフロンティアモデルだよ。

https://arcprize.org/results/openai-gpt-5-6

新しいモデルのテストとして、RTSのミニゲームを書かせるのが好きなんだ。Terraの結果はこれ：https://senko.net/vibecode-bench/2026/rts-gpt-5.6-terra.html （Codexアプリで一発勝負、xhigh effort）

他のモデルと比較してみると、GPT-5.5と似たような感じで、Sonnet 5には少し劣るかな。他のモデルの結果はこちらで見れるよ：https://senko.net/vibecode-bench/ （このページからプロンプトと5.6 Terraが生成したコードも取得できる）

まだSolにはアクセスできない（Plusサブスクしてるから、読んだ情報だと使えるはずなんだけど）から、もっと興味深いテストはまだできてない。アクセスでき次第、上のページを更新するつもり。近いうちに使えるといいんだけど。

Claude Codeから「拡張機能：Fable 5は7月12日までの週制限に含まれます…（以下略）」っていうメッセージが消えてるのに気づいた人いる？7月12日の締め切りを慌てて削除したのか？

私たちはOpenAIが「Open（オープン）」じゃないからって公然と嫌ってるけど、心の底では全然オープンじゃないAnthropicには勝ってほしいと願っているんだよね。

一番印象的なのは5.6 Solのタスクあたりのトークン効率とコストだね。Opus 4.8とFableが霞んで見えるよ（$1.04 vs $1.80 vs $2.75）0。

あと5.6 Luna（$0.21）も凄い。GLM 5.2（$0.37）より安くて、しかも知能は高いっていう。