Codex最新モデルはGPT-5.6？GPT-5.5・CLI版との違いと料金

Codex最新モデルを先に結論 — GPT-5.6だけではない

「Codex最新モデルは何か」という質問への短い答えは、使う場所によって変わる。Codexの画面やローカル作業で選ぶ対象としてはGPT-5.6系、GPT-5.5、GPT-5.4系、GPT-5.3-Codexなどが並び、APIのモデルカタログではGPT-5.3-Codexがエージェント型のコーディングに最適化されたモデルとして独立して掲載されている。したがって、版番号を一つ決めて終わらせるより、作業場所、目的、費用の三つを先に分けて考えるのが正確だ。

OpenAIのCodexレートカードは、GPT-5.6をSol・Terra・Lunaの三つに分けている。Solは能力重視、Terraは能力と費用の均衡、Lunaは費用を抑えた大量処理向けという位置づけだ。同じ「GPT-5.6」でも消費するクレジットが異なるので、名前の数字だけで性能や支払額を推測してはいけない。料金表は更新されるため、記事の数字を保存するより、利用前に公式ページの表を確認する習慣が重要になる。

GPT-5.6はCodex内の新しい三つの選択肢

GPT-5.6 Sol・Terra・Lunaは、同じ世代の中で仕事の重さを分けるための名前だ。最も難しい設計判断や複数のファイルにまたがる改修ではSol、一定の品質を保ちながら費用も見たい日常作業ではTerra、単純な修正や多くの小さな確認を処理したいときはLunaという考え方が分かりやすい。公式のモデル一覧ではSolが複雑な推論とコーディング向けの旗艦、Terraがバランス型、Lunaが費用重視として紹介されている（出典: OpenAI APIのモデル一覧）。

GPT-5.5は広い作業を任せたいときの基準

GPT-5.5はコードの実装・デバッグ・テストだけでなく、資料や表の作成、調査、画面操作まで含めた広い作業を扱うモデルとしてCodexに提供されている。OpenAIの発表では、GPT-5.4より少ないトークンでCodexの作業を完了しやすい点も説明されている。コードだけを短く補完するより、要件の確認から修正、検証まで一つの依頼で進めたい場合に候補になる（出典: GPT-5.5の発表）。

8月31日のGPT-5.4移行予定を確認する

OpenAIの最新レートカードには、ChatGPTでCodexを使う利用者向けに、2026年8月31日にGPT-5.4とGPT-5.4 miniを終了する予定が明記されている。代わりにGPT-5.4はGPT-5.6 Terra、GPT-5.4 miniはGPT-5.6 Lunaを使う案内だ。今すぐ全員が切り替わるという意味ではないが、保存している指示文や成果物の品質を同じ課題で比べ、必要なら担当モデルを先に決めておくタイミングになっている。

GPT-5.6系の違い — Sol・Terra・Lunaをどう選ぶか

三つの名前を単純な順位として覚えると、費用を使いすぎたり、小さな修正に時間をかけたりしやすい。大切なのは、モデルの能力差を作業の不確実さに合わせることだ。設計の前提が曖昧で影響範囲が広い課題には上位の推論力が効く一方、変更箇所と確認方法が明確な課題では、バランス型や費用重視型でも十分な結果を得られる。最初から一つに固定せず、同じ小さな課題で応答の質とクレジット消費を比べると、自分の開発環境に合う基準を作れる。

GPT-5.6 Sol — 難しい設計と大きな改修

Solは、既存コードの関係を広く読み、複数の候補を比較し、実装後の影響まで考えたいときに向く。たとえば認証方式を変更する、データ構造を移行する、画面とAPIの契約を同時に直すといった作業では、目の前のエラーだけを消すと別の場所に不具合が残りやすい。Solに依頼する場合も、対象範囲、守るべき互換性、実行してほしい確認を最初に書くと、モデルの推論力を調査に使いやすくなる。

GPT-5.6 Terra — 日常の実装と費用の均衡

Terraは、Solほどの重い推論を毎回必要としないが、単純な補完よりは広い判断が必要な作業に合わせやすい。既存テストに沿った機能追加、画面の小さな改善、型エラーの修正、レビュー指摘への対応などが代表例だ。まずTerraで調べ、問題の範囲が予想より広いと分かった段階でSolへ切り替える運用なら、品質を保ちながら最初から最大料金を払い続けずに済む。

GPT-5.6 Luna — 小さな修正と量の多い確認

Lunaは費用を抑えた選択肢として掲載されているため、仕様が決まっていて確認単位を小さくできる作業に向く。テスト名の整理、単純な変換、定型的なドキュメントの修正、同じルールで複数ファイルを点検するような場面が候補になる。ただし、問題の原因が分からない状態でLunaに大きな設計変更を任せると、確認のやり直しが増えることがある。安さだけでなく、やり直しに要する時間も費用として比べたい。

三つの違いを数字だけで決めない

公式表には入力・キャッシュ済み入力・出力それぞれのクレジットが掲載されているが、実際の利用量は依頼文の長さ、リポジトリの読み込み量、生成した差分、推論の長さによって変わる。短い依頼を大量に投げる場合と、一つの長い調査を任せる場合では、同じモデルでも請求の形が違う。選定時は「1回いくら」ではなく、代表的な課題を完了するまでに何回の修正と確認が必要だったかを記録するほうが実用的だ。

GPT-5.5とGPT-5.3-Codexの違い — 使う場所で見分ける

GPT-5.5とGPT-5.3-Codexは、どちらもコードを書けるため混同される。しかし、前者はCodexの利用環境で幅広い作業を扱うモデルとして案内され、後者はAPIのモデルカタログでエージェント型コーディングに最適化されたモデルとして説明されている。画面上のCodexで選ぶモデルと、開発者がResponses APIから指定するモデルは、同じ名前の世代比較だけでは判断できない。まず利用経路を確定し、その経路で表示される候補だけを比較する。

GPT-5.5 — コード以外も含む長い依頼

GPT-5.5は、OpenAIの発表で実装、リファクタリング、デバッグ、テスト、検証を含むエンジニアリング作業に使えると説明されている。コードベースの状況を読み、失敗の原因を考え、必要な変更を周辺ファイルへ広げるという一連の判断を重視するなら、このモデルの性格が合う。文章や表を作る、画面を確認する、調査結果をまとめるといったコード外の作業も一緒に扱いたい場合は、GPT-5.3-Codexだけを見て選ばないことが大切だ。

GPT-5.3-Codex — コーディング特化とコードレビュー

GPT-5.3-Codexは、公式APIページで「Codexまたは同様の環境でのエージェント型コーディング」に最適化されたモデルと説明され、400,000トークンの文脈、最大128,000トークンの出力、low・medium・high・xhighの推論設定に対応している。APIでコード作業のモデルを明示したい場合や、コードレビューの基準を揃えたい場合に候補になる（出典: GPT-5.3-Codexの公式モデルページ）。

APIの料金表ではGPT-5.3-Codexは100万入力トークンあたり1.75ドル、キャッシュ済み入力0.175ドル、出力14ドルと掲載されている。これはCodexのサブスクリプションで消費するクレジット表とは単位が違うため、金額をそのまま画面上の作業料金に置き換えてはいけない。APIを使う場合だけ、この表を直接の比較材料にする。

GPT-5.3-Codex-Spark — 研究プレビューは別枠

CodexのレートカードにはGPT-5.3-Codex-Sparkも研究プレビューとして記載されているが、クレジットの正式な数字は確定していない。プレビュー版は表示される人、利用できる機能、出力の傾向が変わる可能性があるため、重要なリリース作業の標準モデルとして扱うより、検証用の小さな課題で比較するのがよい。比較結果を共有するときは、モデル名に加えてプレビューであることと確認日も書いておく。

過去のGPT-5-Codexを「最新」と呼ばない

OpenAIのモデル一覧にはGPT-5-Codex、GPT-5.1-Codex、GPT-5.1-Codex mini、GPT-5.2-Codexなど過去の名前も表示されるが、現在の一覧では廃止扱いのものがある。検索結果だけを見て古い記事のモデル名をそのまま採用すると、今のCodex画面やAPIで使えない候補を推奨することになる。新しく設定する場合は、OpenAIの全モデル一覧で廃止表示の有無を確認し、表示されるモデルIDを記録する。

Codex CLI 0.147.0とモデル名を混同しない

2026年7月31日、OpenAIの公式リリース一覧にCodex CLI 0.147.0-alpha.4が公開された。これは実行ファイルやターミナル体験に関わるクライアントの版であり、GPT-5.6やGPT-5.3-Codexのモデル世代とは違う軸だ。たとえばCLIを新しい版に更新しても、作業中の設定で指定しているモデルが自動的に別の名前へ置き換わるとは限らない。逆にモデル側の提供状況が変わっても、手元のCLIの版番号が変わるわけではない。

CLIの版番号で分かること

CLIの版番号は、コマンドの挙動、設定項目、WindowsやmacOSなど各環境での不具合修正、接続機能の対応状況を確認する手がかりだ。公式リリースページで0.147.0-alpha.4はPre-releaseとして公開され、7月31日の公開時刻も確認できる。試験版を使う場合は、安定版と同じ場所へ無条件に置き換えるのではなく、まず起動、モデル表示、ファイルの読み書き、テストの実行を小さなリポジトリで確かめると、モデル差とクライアント差を切り分けやすい。

モデル名で分かること

モデル名は、推論力、速度、得意な作業、クレジット消費、文脈の上限などを選ぶための情報だ。GPT-5.6のSol・Terra・Lunaは同じ世代でも料金と狙いが違い、GPT-5.3-Codexはコーディング特化として別の位置づけにある。モデルの検証結果を残すときは、CLIの版、モデル名、推論設定、作業内容、確認日を同じ記録にまとめると、「更新したら品質が変わった」という曖昧な感想を検証可能な事実にできる。

確認の手順

モデルとCLIを分けて記録するなら、次の順番が安全だ。

1. codex --version で手元のCLIの版番号を確認し、安定版か試験版かをメモする。
2. Codexのモデル選択欄または利用中の設定を開き、表示されたモデル名と推論設定を記録する。
3. 代表的な課題を一つ選び、同じ入力、同じテスト、同じ確認条件で結果とクレジット消費を比べる。
4. 変更後の差分、テスト結果、失敗した場合の戻し方を残し、数値だけでなく作業時間も評価する。

この順番なら、CLIの更新で表示が変わったのか、モデルの切り替えで回答の傾向が変わったのかを分けて確認できる。試験版を試すときも、まず記録を作ってから比較するため、元の環境に戻す判断がしやすい。

Codexの料金 — クレジットとAPI料金を分けて読む

Codexの料金を調べるときに最も多い間違いは、APIのドル価格とCodex内のクレジットを同じ表として扱うことだ。Codexのレートカードは、入力トークン、キャッシュ済み入力トークン、出力トークンそれぞれに対して100万トークンあたりのクレジットを示している。実際の消費量はタスクごとに変わり、読み込んだファイルの量、生成した差分、推論の長さ、追加の確認回数が合計に影響する。

プランの料金を調べるときは、モデルの単価だけでなく、どの利用枠から消費されるか、キャッシュがどのように扱われるか、Fast modeを使うかも同じ画面で確認する。料金表の数字を比較の出発点にしつつ、最終的な判断は自分の課題での実測に置くと、表の単価だけで結論を急がずに済む。

Codex内のクレジットで比べる

2026年8月2日時点の公式レートカードでは、GPT-5.6 Solは入力125、キャッシュ済み入力12.50、出力750クレジット、Terraは入力50、キャッシュ済み入力5、出力300クレジット、Lunaは入力5、キャッシュ済み入力0.5、出力30クレジットと掲載されている。GPT-5.5はSolと同じ入力・出力の行、GPT-5.3-Codexは入力43.75、キャッシュ済み入力4.375、出力350クレジットの行だ。これらは100万トークン単位の表なので、1回の短い依頼の支払額と直結させず、作業全体で比べる。

APIのドル価格で比べる

APIを使う場合は、モデルページの価格を参照する。GPT-5.3-Codexは100万入力トークン1.75ドル、キャッシュ済み入力0.175ドル、出力14ドル、GPT-5.6のAPIカタログではSolが入力5ドル・出力30ドル、Terraが入力2.50ドル・出力15ドル、Lunaが入力1ドル・出力6ドルとして掲載されている。API価格は契約や利用形態、バッチ処理などで条件が変わるため、導入前には必ず該当する公式モデルページの数字を確認する。

料金を下げるときの順番

費用を抑えるなら、最初にモデルを一番安いものへ替えるより、依頼の範囲を小さくし、必要なファイルと確認条件を明示するほうが安全だ。関係ないファイルまで読ませると入力トークンが増え、修正が広がると出力も増える。次に、単純な確認はLunaやTerra、設計判断が必要な作業はSolというように役割を分ける。品質が落ちたときに戻せるよう、同じ課題で結果を比べてから標準モデルを決めたい。

用途別の選び方 — 迷ったときの実務的な基準

モデルの説明だけを読んで選ぶと、どの作業にも上位モデルを使いたくなる。しかし、最新モデルの価値は「常に最上位を使うこと」ではなく、失敗の影響が大きい課題へ必要な推論力を配分できることにある。作業を三つの種類に分け、最初の候補を決めてから、小さな検証結果で調整すると判断が安定する。

大きな改修はSolから始める

データベースの構造変更、公開APIの互換性維持、複数サービスにまたがる修正などは、最初の判断を誤ると後で戻す費用が大きくなる。Solに対象範囲と制約を読ませ、変更案と確認項目を先に出させると、実装前に見落としを発見しやすい。ただし、Solへ依頼すれば正解が保証されるわけではないため、差分とテスト結果を人が確認する工程は省かない。

日常の修正はTerraやGPT-5.5から比べる

既存テストがあり、変更箇所もおおむね分かっているならTerraやGPT-5.5を最初の候補にできる。両者を同じ小さな課題で比べると、コードの読みやすさ、説明の分かりやすさ、再修正の回数、消費クレジットを見られる。モデルの評価をベンチマークの数字だけで決めず、自分のリポジトリで「完了までに何回確認が必要だったか」を基準にすることが実務では有効だ。

レビューはGPT-5.3-Codexを別枠で見る

OpenAIのレートカードはコードレビューにGPT-5.3-Codexを使うと案内している。実装を進めるモデルとレビューを行うモデルを同じにする必要はないため、変更を作ったモデルとは別の観点で確認したい場合に役立つ。レビューを依頼するときは、バグ、互換性、性能、テスト不足のどれを優先するかを書き、指摘を採用する前に対象の差分と再現条件を人が確認する。

迷ったら代表課題で三回だけ比べる

モデル選びを長い議論にしないため、実際の課題を一つ用意し、Sol、Terra、LunaまたはGPT-5.5のうち二つ以上で同じ条件を試す。評価するのは、正しい差分になったか、テストを通ったか、修正の説明が追えるか、消費量が許容範囲か、完了までの時間が短いかの五点だ。三回程度の比較でも傾向は見えやすく、合わないモデルを感覚だけで使い続ける状況を避けられる。

2026年8月2日時点での確認手順とまとめ

最新モデルの情報は更新されるため、記事を読んだ時点で同じ候補が表示されるとは限らない。特に8月31日のGPT-5.4系終了予定、GPT-5.6系の掲載、GPT-5.3-Codex-Sparkの研究プレビューは、料金と利用条件を一緒に確認すべき変更だ。公式ページを開いた日付と、実際の画面に表示された候補を記録しておけば、後から古い情報と新しい情報を比較できる。

ここで紹介する確認手順は、モデルを決めた後の検証にも使える。利用環境を特定してから候補を読み、同じ課題で差分と消費量を比べ、予定された移行日が来たらもう一度結果を見直すという流れだ。名称の印象だけで切り替えず、作業の事実を残すことが長く使える選び方につながる。

Step 1: 利用場所を確定する

まず、Codexの画面、Codex CLI、Responses APIのどこでモデルを使うのかを決める。画面での作業ならCodexレートカード、APIならモデルページ、CLIなら公式リリース一覧を主な確認先にする。同じGPTという名前が出ても、料金の単位や設定できる推論レベルが違うため、入口を混ぜないことが最初のポイントだ。

Step 2: モデル名と提供状態を確認する

モデル選択欄でGPT-5.6の系統、GPT-5.5、GPT-5.3-Codexなどが表示されるかを確認し、研究プレビューや廃止予定の注記があれば一緒に記録する。APIではモデルIDを公式ページからコピーし、古い記事や検索結果の名前をそのまま設定に貼り付けない。利用できるかどうかは契約やプランで変わることがあるため、表示されないモデルを無理に前提にしない。

Step 3: 小さな課題で結果と消費量を比べる

代表的な修正を一つ選び、同じ入力とテストでモデルを比べる。差分の正しさ、再修正の回数、テスト結果、完了時間、クレジットまたはAPI料金を表に残すと、単なる印象ではなく選定の根拠になる。結果が同じでも、読み込むファイル量や説明の長さが違えば消費量は変わるため、課題の条件を揃えることが重要だ。

Step 4: 8月31日の変更後に再確認する

GPT-5.4やGPT-5.4 miniを使っている場合は、予定されている終了日までにGPT-5.6 TerraやLunaで同じ課題を試す。移行先の名前だけを決めるのではなく、テストの合格、出力の読みやすさ、消費量、戻しやすさを確認する。変更後に画面へ表示される候補や料金が変わっていたら、古いメモを更新し、確認日を付けて共有する。

結論として、Codexの最新モデルを一つの数字で答えるのは難しい。2026年8月2日時点では、Codex内のGPT-5.6系、幅広い作業のGPT-5.5、コーディング特化のGPT-5.3-Codexを用途別に見るのが現実的だ。CLI 0.147.0のような版番号は別の情報として管理し、公式レートカードとモデルページを確認してから、実際の課題で品質と費用を比べればよい。