【Codex】モデル選びで損してるかも？GPT-6.1 Solが優秀すぎて、旧モデルを使う意味を考えてしまった話

＞この記事のダイジェスト版はPodcastでも視聴いただけます。

最近、Codexで使えるAIモデルが増えてきました。

GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna、GPT-5.6 Sol、Terra、Luna……。

選択肢が増えるのはありがたいのですが、正直なところ、どれを使えばいいのかよく分かっていませんでした。

なんとなく「難しい作業には高性能なモデル」「簡単な作業には軽いモデル」という程度の認識です。

そこでChatGPTに、それぞれのモデルの違いと料金を詳しく調べてもらいました。

すると、ちょっと驚く結果に。

GPT-5.6 Solより、新しいGPT-6.1 Solのほうが高性能な場面が多いのに、出力トークン単価は半額だったんです。

えっ、旧モデルのほうが高いの？

知らなかった……🙀

今回は、調べて分かったことを、Codex利用者の視点でまとめてみます。

まず結論。基本はGPT-6.1 Solでよさそう

先に結論から書いてしまうと、私の使い方なら、基本的には次の3モデルで十分そうです。

• GPT-6.1 Sol：普段のコード編集やアプリ開発。基本はこれ。
• GPT-6 Luna：CSS変更や字幕修正などの軽い作業。
• GPT-6 Astra：現時点で最強。複雑なバグや大規模な設計変更などの難問。

もちろん、あらゆる場面で6.1 Solが最高というわけではありません。

Astraは依然としてOpenAIの最高性能モデルですし、Lunaには圧倒的なコスト効率という強みがあります。

ただ、コーディング性能と利用コストのバランスを考えると、GPT-6.1 Solがかなり魅力的なんですよね。

実際、OpenAIの公式発表によると、GPT-6.1 Solは複雑なソフトウェア開発のベンチマークで、GPT-6 Astraに匹敵する結果を、約5分の1のコストで達成しています。

さらに、GPT-6 Solの最高スコアも上回ったとのこと。

これは普段使いの選択肢として、かなり強いと思います。

7種類のモデルを料金で比較してみた

まず、OpenAIが公開しているAPI料金を比較してみます。

以下は、標準処理・短いコンテキストでの100万トークンあたりの料金です。

※2026年10月18日時点。GPT-5.6 Solには期間限定のプロモーション料金が適用されています。通常のAPI料金であり、Codex利用時の直接の請求額ではありません。

この表を見ると、いろいろ気づくことがあります。

まず、GPT-6.1 SolとGPT-6 Solは、通常の入力・出力単価が同じです。

新しくなって性能が向上しても、単価が上がっていないんですね。

そしてGPT-5.6 Sol。

出力料金は$20。6.1 Solの2倍です。

5.6 Terraも$12なので、6.1 Solより高い。

小型モデル同士でも、GPT-5.6 Lunaの$1.20に対して、GPT-6 Lunaは$0.50です。

つまり、旧世代だから安いとは限らない。むしろ新しいモデルのほうが、性能もコスト効率も改善されている場合があるということです。

ただし、この表には注意点があります。

API料金とCodexの利用枠は同じではない

ここは少し混乱しやすいところです。

先ほどの料金表は、APIを利用してモデルを呼び出した場合のものです。

一方、ChatGPT PlusなどのプランでCodexにログインしている場合は、基本的には契約プランに含まれる利用枠を消費します。

つまり、GPT-6.1 Solの出力料金が$10だからといって、Codexで100万トークン使ったら必ず10ドル請求される、という意味ではありません。

では、API料金はCodex利用者には関係ないのでしょうか？

そんなこともありません。

実はOpenAIは、CodexやChatGPT Work向けのクレジット料金表も公開しています。

こちらを見てみます。

Codex専用のクレジット単価も比較

公式のCodex向け料金表では、次のようになっています。

※単位は100万トークンあたりのクレジット。Standardモード。主にBusiness・Enterpriseなどのクレジット制料金に適用されるもので、Plusの利用枠がこの数字で直接減ることを示す表ではありません。

面白いのは、モデル間の単価比率がAPI料金とほぼ同じことです。

GPT-6.1 Solを基準にすると、出力単価は次のようになります。

• GPT-6 Astra：5倍
• GPT-5.6 Sol：2倍
• GPT-5.6 Terra：1.2倍
• GPT-6 Luna：20分の1

これを見る限り、API料金の比較は、Codexでもモデルの相対的なコストを考える参考になりそうです。

ただし、実際の消費量はトークン数や作業内容で変わるので、単純に「Astraは必ず5倍消費する」というわけではありません。

Plusユーザーは、実際に何回くらい使える？

こちらはもっと直接的な参考資料です。

OpenAIは、ChatGPT Plusでの5時間あたりのCodexローカルメッセージ数について、次の目安を公開しています。

※あくまで各モデルを使った場合の推定範囲で、保証された回数ではありません。タスクや設定によって変わり、週ごとの上限もあります。

こうして見ると、Lunaの利用効率は圧倒的ですね。

一方、Astraは高性能ですが、Plusユーザーにとっては気軽に使い続けるモデルではなさそうです。

そして6.1 Solは、6 Solとほぼ同じ利用回数の目安になっています。

これなら、やはり6.1 Solを優先したくなります。

モデル選択だけでなく「エフォート」も重要だった

もう一つ、今回調べて改めて理解したのが、エフォート（推論レベル）の存在です。

Codexには、モデルがどの程度深く考えるかを調整する仕組みがあります。

日本語では次の5段階です。

• 軽：簡単な修正や定型的な作業
• 中：通常のコード編集やアプリ開発
• 高：複雑な処理や不具合の原因調査
• 極高：難しい設計変更や大規模な改修
• ウルトラ：特に高度な推論が必要な難問

※選択できるエフォートはモデルによって異なります。

これも、利用枠の消費に関係します。

例えば同じGPT-6.1 Solでも、簡単なCSS変更に「高」を使う必要があるかというと、そうでもありません。

思考量を増やすと、処理時間や消費トークンが増える可能性があります。

しかも、エフォートを上げたからといって、必ずしも結果が良くなるわけではないそうです。

OpenAIの公式ガイドにも、そのように説明されています。

さらに興味深いのが、モデル間の比較です。

例えば、GPT-6 Astraの「軽」が、GPT-6.1 Solの「高」を上回るケースもあります。

つまり、エフォートは単なる性能ランクではないんですね。

私なら、まず「中」で試して、解決できない場合に「高」へ上げる、という使い方を基本にします。

そして、それでも難しい場合にAstraへ切り替える。

このほうが、無駄な消費を抑えられそうです。

動画編集のコードを書かせる場合は？

私は、アプリ開発だけでなく、コードを使った動画制作にもAIを利用しています。

例えばRemotion。

ReactやTypeScriptのコードから動画を作る仕組みで、キャラクターを動かしたり、字幕やナレーションを同期させたりできます。

一般的な動画編集ソフトをAIに操作させるのではなく、AIがコードを編集して動画を作る方式です。

こうした用途なら、どのモデルが適しているのでしょうか。

自分なりに整理すると、次のようになります。

※この表は動画編集専用の公式ベンチマークではなく、各モデルのコーディング特性から考えた使い分けです。

基本は6.1 Solでよさそうですが、作業が単純ならLunaでも十分かもしれません。

ただし、ここで気をつけたいことがあります。

コードが正しく動くことと、映像の見た目が良いことは別です。

特にRemotionでは、キャラクターの位置、字幕の表示タイミング、動きの自然さなど、実際に映像を見ないと分からない問題がたくさんあります。

なので、モデルを高性能にするだけではなく、レンダリング結果を確認して修正する工程も重要になりそうです。

ちなみにFastモードにも落とし穴が

Codexには、応答を高速化するFastモードもあります。

ただし、これも利用枠とのトレードオフがあります。

公式の料金表によると、同じモデルのStandardモードと比べて、Fastモードは次の扱いです。

• プランに含まれる利用枠の消費：2.5倍
• クレジット払いの場合：2倍

※利用できるモデルやプランには条件があります。

速くなるからといって、何も考えず常時Fastにしておくのは、利用枠を重視する人には向いていないかもしれません。

特に長時間のCodex作業では、この違いも無視できませんね。

じゃあ、GPT-5.6以前のモデルを残す意味は？

ここまで比較すると、一つ疑問が出てきます。

「だったら、5.6以前のモデルはもう必要ないのでは？」

実際、私もそう思いました。

ただ、旧モデルにも役割はあります。

例えば、既存の開発環境で安定して動いているモデルを、すぐに変更したくない場合。

AIモデルは新しくなると、回答の傾向やコードの書き方が変わることがあります。

以前のモデルで作ったプログラムを同じ条件で再検証したい場合にも、旧モデルが必要です。

また、文章の書き方や指示への反応が好みに合っているという理由で、以前のモデルを選ぶこともあるでしょう。

つまり、古いモデルが残っていること自体には意味があります。

ただ、新しくコードを書く場合に、わざわざ5.6 Solを選ぶメリットがどれだけあるかと聞かれると、現時点では判断が難しいところです。

少なくとも、「古いモデルだから利用枠を節約できるだろう」と考えて選ぶのは危険だと感じました。

これからCodexはこう使っていこうと思う

今回調べてみて、私の使い方はかなりシンプルになりそうです。

まず、通常の開発はGPT-6.1 Solの「中」。

Webサイト制作、HTMLやJavaScriptの修正、GASの開発、Remotionを使った動画制作など、ほとんどの作業はここから始めます。

ちょっと複雑になってきたら、同じ6.1 Solの「高」へ。

逆に、変更箇所が明確なCSS修正やテロップ変更などは6 Lunaの「軽」を使ってみる。

そして、どうしても解決できない問題にぶつかったときだけAstraを投入する。

これなら、性能と利用枠のバランスを取りやすそうです。

もちろん、AIの性能は進化が速いので、この使い分けも数か月後には変わっているかもしれません。

それでも、今回一番勉強になったのは、モデルの新旧だけでなく、性能・単価・利用枠・エフォートをセットで考える必要があるということでした。

Codexを使い始めた頃は、モデル名が変われば「とりあえず新しいものを使えばいい」と思っていたのですが、実際にはもう少し奥が深いようです。

とはいえ、今のところは6.1 Solがかなり優秀。

しばらくはこれを標準モデルにして、いろいろ試していこうと思います。

皆さんはCodexで、どのモデルを使っていますか？

モデルによって明確に使い分けている方がいたら、ぜひ教えてください。

参考にした公式情報

• OpenAI：GPT-6.1 Solの紹介
• OpenAI：API料金表
• OpenAI：Codexのクレジット料金表
• OpenAI：WorkとCodexの利用量管理

※料金、モデルの提供状況、利用枠は2026年10月18日時点の情報です。今後変更される可能性があります。

#Codex #ChatGPT #OpenAI #GPT6 #生成AI #AIプログラミング #バイブコーディング #アプリ開発 #AI活用