OpenAI CodexでGPT-6を選ぶ基準と使い分け、料金と制限を確認

なぜ今OpenAI Codexのモデル選びを見直すのか

GPT-6の話題が急に増えた理由は、単に番号が一つ進んだからではありません。OpenAIのAPI Changelogでは、2026年9月22日にGPT-6 SolとGPT-6 Lunaが公開され、Responses APIとChat Completions APIで利用できるモデルとして記載されています。これまでのGPT-5.3 Codexのようなコーディング向けモデルだけを見るのではなく、一般用途のGPT-6ファミリーをコード作業の候補に入れる段階へ移ったことが、今回の見直しの出発点です。出典 URL: https://developers.openai.com/api/docs/changelog

ただし、公開されたことと、利用者の画面ですぐ同じ名前を選べることは同じではありません。OpenAIのモデル選択ガイドも、利用可能なモデル、道具、推論設定、利用上限は製品とモデルの版によって異なると説明しています。Codex、API、ほかの入口を一つの一覧として扱わず、実際に使う場所で表示される候補と説明を確認することが大切です。検索結果にGPT-6が出たからといって、自分のCodex環境にも同じ条件で現れると決めつけないようにします。出典 URL: https://developers.openai.com/api/docs/guides/model-selection

9月22日の公開で確定していること

公式に確認できる事実は、GPT-6 SolとGPT-6 Lunaの公開日、モデルID、対応するAPIの入口、モデルごとの位置づけです。SolのモデルIDはgpt-6-sol、Lunaはgpt-6-lunaとしてモデル一覧に示されています。Astraはgpt-6-astraで、難しい開発や多段階の判断を含む作業に向く旗艦モデルとして案内されています。これらは公式資料に書かれた説明であり、すべてのリポジトリで同じ速度や正確さになるという測定結果ではありません。出典 URL: https://developers.openai.com/api/docs/models

Codex利用者にとっての読み方は、モデル名を覚えることよりも、三つの候補の役割を作業へ割り当てることです。広い範囲を調べて判断が多いならAstra、品質と速さの釣り合いを取りたいならSol、対象が小さく結果を短時間で読めるならLunaを最初の候補にします。実際の選択欄で表示されるモデルが違う場合は、そこに出ている選択肢の中から同じ基準を適用します。

Codexで使うときに注意したい読み替え

OpenAIのコード生成ガイドは、Codexをそのまま使う入口と、OpenAIのモデルを自分のアプリケーションへ組み込む入口を分けて説明しています。また、Codexは最新の一般用途モデル、たとえばGPT-6 Solと相性がよく、コーディングに特化したGPT-5.3 Codexも用意されていると案内されています。ここから言えるのは「新しい一般モデルを試す価値がある」ということまでで、すべての課題でSolが特化モデルを上回るという結論ではありません。出典 URL: https://developers.openai.com/api/docs/guides/code-generation

同じ依頼文を複数のモデルへ渡して比べる場合も、モデル以外の条件をそろえる必要があります。対象フォルダー、読み込ませる資料、変更を許す範囲、確認するテスト、結果を採用する基準が変わると、モデル差ではなく条件差を測ることになります。比較は小さな課題から始め、何が良くなったのかを説明できる状態で次の作業へ広げます。

Astra・Sol・Lunaの役割を整理する

GPT-6ファミリーは、上位モデルを常に選べばよいという単純な並びではありません。公式のモデル一覧では、Astraは最も難しい作業、Solは能力と費用の均衡、Lunaは効率を重視するモデルとして紹介されています。Codexでの実用的な判断では、作業の広さ、途中で必要になる判断、結果を人が確認できる細かさの三点を見ます。下の表は公式の位置づけを、開発者が最初の一回を選ぶときの目安へ整理したものです。

この表の「最初に試しやすい作業」は公式の性能保証ではなく、公式説明をもとにした実務上の仮置きです。作業を始める前に完了条件を決め、終わった後に差分、確認結果、追加のやり取りを比べます。最初の選択を固定せず、課題の大きさが変わったらモデルを見直す方が、名前だけで判断するより再現性を保ちやすくなります。公式のモデル一覧と選択ガイドは、能力だけでなく速度、費用、利用頻度を合わせて選ぶよう案内しています。出典 URL: https://developers.openai.com/api/docs/models

Astraを選ぶ場面

Astraを候補にするのは、対象が広く、途中で複数の判断が必要になり、結果を一度読んだだけでは採否を決めにくい作業です。たとえば複数の層にまたがる変更の影響を先に調べる、既存の設計と新しい要件の矛盾を探す、原因候補を整理して検証順を考える、といった課題が当てはまります。ここで重要なのは、Astraへ渡せば確認が不要になるという意味ではないことです。難しい作業ほど、対象範囲と確認点を明示した方が結果を評価しやすくなります。

Astraを使った結果が詳しかったとしても、説明の長さだけで採用しません。変更されたファイル数、不要な変更の有無、確認手順の抜け、指摘が再現できるかを見ます。最初の一回で全範囲を任せるのではなく、読み取りと計画の段階で方向が合っているかを確かめ、必要な部分だけ次の依頼へ進むと、深い推論の価値を測りやすくなります。

Solを基準にする場面

Solは、日常の開発で最初の候補にしやすい均衡型です。複数ファイルを扱うが、対象範囲は説明できる、調査と修正の両方が必要だが、結果を段階ごとに読める、といった作業に向きます。OpenAIのコード生成ガイドも、Codexは最新の一般用途モデルの一つであるGPT-6 Solとよく働くと案内しています。この説明を出発点に、普段よくある修正を一つ選んで、速度と確認のしやすさを測るとよいでしょう。出典 URL: https://developers.openai.com/api/docs/guides/code-generation

Solで十分な結果が出るなら、すべての課題をAstraへ移す必要はありません。逆に、Solが同じ箇所を何度も確認し直す、影響範囲の説明が浅い、必要な前提を見落とす、といった状態なら、依頼文を直すだけでなくAstraを比較対象にします。モデルを変える前に対象と完了条件を狭め、条件をそろえて再試行することも忘れないようにします。

Lunaを小さな作業で使う場面

Lunaは、結果をすぐ読める小さな課題から試すと位置づけを確かめやすくなります。一つの関数の入力例を増やす、短い表示文を整える、限定したファイルの構造を説明させる、既知の変更後に確認項目を作る、といった作業です。小さな課題なら、応答が速かったかだけでなく、修正の正しさ、不要な変更の少なさ、確認しやすさまで見比べられます。

「効率的」と書かれているからといって、長い課題を常にLunaへ分割すればよいわけではありません。分割後の結果をつなぐ判断が増えると、最初からSolやAstraで全体を見た方が確認しやすい場合があります。Lunaへ切り替える条件は、作業を小さく区切っても完了条件が変わらず、人が結果を短時間で確かめられることです。

OpenAI Codexでモデルを決める手順

モデルの選択を感覚だけに任せると、同じ種類の作業でもその日の印象で判断が揺れます。次の順番で、作業の広さ、判断の深さ、利用量、結果を一つずつ確認します。途中で上位モデルへ替える場合も、何が足りなかったのかを言葉にしておくと、次の課題で同じ選び方を再利用できます。

1. 変更範囲を一文で決める。「一つの関数だけ」「このフォルダーの読み取りだけ」「複数の関連ファイルを調査して差分を提案する」のように、対象を明示します。範囲を言えないままモデルを選ぶと、必要以上に広い候補を選びやすくなります。
2. 確認の深さを決める。表示の確認で終わるのか、テスト結果まで読むのか、既存の設計との整合性まで比べるのかを先に書きます。Astra、Sol、Lunaの違いを、返答の印象ではなく確認の負担で比べるためです。
3. 最初の候補を一つ選ぶ。広い調査と多段階の判断ならAstra、普段の修正や原因調査ならSol、小さく限定した反復ならLunaを候補にします。迷った場合は、対象を読み取り中心にしてSolから始め、結果を見て深さを上げます。
4. 同じ課題で結果を残す。選んだモデル、依頼した時刻、対象範囲、変更されたファイル、確認した内容、追加で必要だった依頼を記録します。モデルを変えた比較では、入力と確認方法もそろえます。
5. 切り替え条件を決める。説明不足、影響範囲の見落とし、不要な変更、確認に要する追加のやり取りが続いたときは、依頼文の不足かモデルの選択かを分けて考えます。条件を直しても足りなければ、AstraやSolへ切り替えます。

この順番の利点は、モデルを上げる前に課題そのものを整理できることです。対象が曖昧なままAstraへ渡しても、結果の良し悪しを判断できません。反対に、完了条件が明確な小課題ならLunaでも十分かもしれません。公式のモデル選択ガイドが示す「作業の種類、速度、品質、利用頻度を合わせて考える」という方向を、毎回の確認へ落とし込む形です。出典 URL: https://developers.openai.com/api/docs/guides/model-selection

作業別の使い分けと切り替え方

モデルの性格は、作業の名前ではなく、作業中に必要な判断の数で考えると整理しやすくなります。「修正」と書かれていても一つの値を変えるだけならLunaが候補になり、複数の層へ影響する修正ならSolやAstraが必要になります。「調査」も、短い事実確認ならLuna、原因を絞る比較ならSol、設計の前提まで見直すならAstraというように、範囲と深さを分けて考えます。

一つのファイルを直す

対象ファイルと変更箇所が明らかで、期待する出力も短く書けるならLunaから始めます。例として、入力値の境界を確認するテストを数件追加する、表示文の表記をそろえる、関数の説明を短く整える、といった課題です。依頼には対象ファイル、変えてよい範囲、変えてはいけない範囲、確認方法を含め、結果を読み終えた時点で採否を決められるようにします。

一つのファイルでも、周囲の呼び出し方や公開される仕様まで調べる必要があるならSolへ上げます。Lunaの返答が速くても、周辺への影響を人が補う時間が長ければ、全体を先に読めるモデルの方が実質的な負担を抑えられます。切り替えは失敗の宣言ではなく、確認の範囲に合わせた選択です。

複数ファイルを変更する

複数ファイルの変更では、Solを基準に、影響範囲が広ければAstraを比較対象にします。まず関係するファイルを列挙させ、変更案と確認点を分けて読んだ後、実際の差分を確認します。最初からすべての変更を一度に求めるのではなく、読み取り、計画、限定した変更、結果の確認という順に区切ると、どの段階で判断が必要になったか分かりやすくなります。

複数の境界をまたぐ作業で大切なのは、変更量を増やすことではありません。既存の命名、データの流れ、エラー時の扱い、確認用のテストが一貫しているかを見ます。Solで全体を保ちにくいと感じたときはAstraへ移し、Astraでも情報が不足するなら、モデルを上げる前に必要なファイルと完了条件を追加します。

原因調査とレビュー

原因調査は、最初から強いモデルを選ぶより、観測できる事実を集めて段階を分ける方が効率的です。エラーの再現条件、発生した箇所、直前の変更、期待する状態を短くまとめ、まずSolで候補と確認順を出します。候補が絞れた後にAstraへ渡して別の見方を求めると、広い推論が必要な場面だけを切り出せます。

レビューでは、文章が詳しいかよりも、差分が要件を満たすか、想定外の変更がないか、確認手順が再現できるかを見ます。Lunaは限定した差分の読み合わせ、Solは中規模の影響確認、Astraは設計上の矛盾や複数の選択肢の比較という使い分けがしやすいでしょう。最終的な採用判断は、モデル名ではなく、差分と確認結果を根拠に行います。

料金と利用上限を分けて確認する

モデルを選ぶときに混乱しやすいのが、APIに掲載された料金、Codexを含む製品の契約、画面に表示される利用上限を一つの金額として扱うことです。OpenAIの料金ページにはAPIモデルの入力・出力料金が掲載されていますが、これはCodexの月額利用料や、特定プランで表示される残量の表ではありません。入口が変われば、料金の単位と確認する画面も変わります。出典 URL: https://developers.openai.com/api/docs/pricing

API料金の数字をCodexの月額料金と混同しない

2026年9月28日に公式料金ページで確認できるGPT-6の標準料金には、短いコンテキストの例として次の数字が掲載されています。単位は100万トークンで、入力と出力の単価が分かれています。ページの処理区分や長いコンテキストの表も確認し、ここに挙げた数字だけで自分の利用額を決めないことが重要です。出典 URL: https://developers.openai.com/api/docs/pricing

この表はAPI料金の比較であり、Codexの画面で同じ金額が発生することを示すものではありません。ChatGPTのプラン経由で使う場合は契約の説明と画面の利用量を、API経由で使う場合はモデル、入力、出力、処理区分をそれぞれ確認します。料金が安いモデルへ移した結果、確認のための追加依頼が増えれば、単価だけでは実際の負担を評価できません。

利用上限はモデル名だけで決めない

利用上限は、製品、契約、モデルの版、作業の長さなどで変わります。OpenAIのモデル選択ガイドも、利用できるモデルと上限は製品やモデル版ごとに違うとしています。したがって「Lunaなら必ず多く使える」「Astraなら必ず少ない」と一般化するのは危険です。Codexの選択欄、利用量の表示、契約の案内を同じ日に確認し、見えた条件を記録します。出典 URL: https://developers.openai.com/api/docs/guides/model-selection

確認する順番は、まず選択欄にモデルが表示されるか、次に依頼が受け付けられるか、その後に利用量や残りの目安がどう変わるかです。表示されたことと、長い作業を完了できることは別の事実です。複数の作業を続けて行う場合は、1回あたりの利用量だけでなく、追加の確認ややり直しがどれだけ発生したかも一緒に見ます。

料金と品質を同じ課題で比べる

費用を抑えたいときは、単に安いモデルへ切り替えるのではなく、代表的な小課題を一つ決めます。入力を同じにし、結果の修正回数、確認にかかった時間、採用できなかった変更の数、最終的な利用量を残します。Lunaの単価が低くても追加確認が増えるなら、Solの方が全体の負担を抑えられる可能性があります。これは個々の環境で測るべき推定であり、公式料金表から直接導ける結論ではありません。

料金を比べる目的は、最も安いモデルを決めることではなく、作業ごとに必要な品質を過不足なく選ぶことです。頻繁に行う小さな確認はLuna、日常的な修正はSol、判断の多い調査はAstraという仮置きを作り、月や週の実績を見て見直します。特定のモデルを使い続けること自体を目標にしない方が、予算と結果の両方を説明しやすくなります。

比較結果を自分の基準へ変える

公式資料はモデルの位置づけ、料金、対応する入口を示してくれますが、自分のコードベースで何分かかり、どれだけの修正が必要になるかまでは決めてくれません。そこで、最初の数回だけでも比較記録を残します。記録があれば、モデルを替えたときに「何となく良くなった」ではなく、「確認漏れが減った」「追加のやり取りが少なくなった」と説明できます。

同じ課題で比べる

比較対象は、入力と確認方法をそろえられる小さな課題にします。一つの関数のテスト追加、限定したバグの原因候補の整理、短い差分のレビューなど、結果を人が読める題材が適しています。モデルごとに別の課題を渡すと、Astraが難しい仕事、Lunaが簡単な仕事を担当しただけになり、モデルの差を判断できません。

記録する項目は、モデル名、依頼文、対象範囲、開始と終了の時刻、変更ファイル、確認した結果、追加の依頼、利用量です。すべてを細かく測れない日でも、同じ項目を少数だけ残します。後から比べられる形にすることが目的で、数値を増やすこと自体が目的ではありません。

差分を採用条件で見る

結果を評価するときは、返答の自然さではなく採用条件を先に確認します。要件を満たすか、不要な変更がないか、既存の設計と矛盾しないか、確認手順を再現できるかを見ます。コードが動く場合でも、対象外のファイルを変更していれば採用条件を満たさないことがあります。モデルが提案した理由を読んだうえで、実際の差分と結果を別々に確認します。

モデルを上げた結果、説明が詳しくなっただけで差分の質が変わらないなら、選択を戻してもよいでしょう。反対に、Astraで初めて影響範囲を説明できたなら、その課題群ではAstraを初手にする根拠になります。基準はモデルの評判ではなく、自分の課題で観測した採用率と確認負担です。

記録を更新しても最初の判断を固定しない

モデルの版や利用条件は変わるため、一度作った基準を永久に固定しません。今回の公開情報を起点にSolを日常の基準へ置いても、次の更新で利用できるモデルや料金が変わる可能性があります。記事や社内メモには確認日を添え、公式ページへのURLと手元で見た条件を分けて書きます。そうすれば、次に同じ名前のモデルが更新されたときも、古い印象だけで判断せずに済みます。

2026年9月28日に試すなら結論

OpenAI CodexでGPT-6を選ぶなら、まず作業の範囲と確認の深さを決め、普段の開発はSol、複雑な調査や広い影響範囲はAstra、小さく結果を読める反復はLunaという仮置きから始めます。これは公式のモデル説明を実務へ移した初期値であり、性能や料金を一律に保証するランキングではありません。GPT-6 SolとLunaが公開された今こそ、モデル名の印象ではなく同じ課題の結果で基準を更新するタイミングです。

迷った場合の初手

最初から複数のモデルを同時に試す必要はありません。対象が狭く、差分をすぐ確認できるならLuna、複数ファイルや原因調査ならSol、設計判断や広い比較が中心ならAstraを一つ選びます。依頼には対象、変更範囲、完了条件、確認方法を含め、モデルに何を判断してほしいのかを明らかにします。結果が不十分だったときは、依頼文の不足とモデルの選択を分けて見直します。

切り替えを判断する条件

切り替えの合図は、返答の長さではなく、確認に必要な負担です。対象外のファイルを触る、影響範囲を説明できない、同じ質問を重ねても前提がそろわない、追加の確認が増えて単価差を上回る、といった状態が続くなら、作業を小さくするかSolやAstraへ移します。反対に、短い課題を正確に終え、差分をすぐ読めるならLunaを使い続けられます。

最後に、OpenAIの公式モデル一覧、コード生成ガイド、モデル選択ガイド、料金ページを確認し、Codexの画面に表示される条件と照合してください。公式ページの公開事実、契約上の条件、手元で観測した結果を三つに分けて記録することが、GPT-6の更新を落ち着いて活用する一番確かな方法です。出典 URL: https://developers.openai.com/api/docs/models