GPT-5.6 はもはや噂ではありません。OpenAI は 2026 年 6 月 26 日に GPT-5.6 Preview System Card を公開しました。重要なのは、そのローンチの形です。モデルファミリー、限定的なプレビュー制御、そしてエージェントの安全性に大きな注目が集まっています。
2 週間前、私は GPT-5.6 の初期の噂を検証した記事→を書きました。当時、その記事の内容は正しかったです。GPT-5.6 はまだ一般公開されていませんでした。しかし、その状況は今日変わりました。
私の見方はシンプルです。GPT-5.6 は、Anthropic が Claude Fable 5 で生み出したのと同じ圧力に対する OpenAI の答えです。つまり、モデルは実際の仕事を実行できるか、ツールを安全に使えるか、そしてタスクが長く複雑になったときにも信頼性を維持できるかで評価されるようになっています。
OpenAI が発表した内容
OpenAI は GPT-5.6 を、Sol、Terra、Luna の 3 つのモデルからなる新しいファミリーとして説明しています。Sol はフラッグシップモデル、Terra は低コストで高い能力を持つ選択肢、Luna はファミリーの中で最も高速かつコスト効率に優れたメンバーです。
OpenAI はこれを通常のチャットモデルの小幅なアップデートとして扱っていません。同社が挙げているのは、複雑な推論、コーディング、コンピューター操作、ツール利用、事実性、そしてより安全なエージェント動作です。これは注目すべき主張の組み合わせです。なぜなら、最先端モデルが実用的なオペレーターになるのか、それとも高価なオートコンプリートにとどまるのかが決まるのは、まさにこうした領域だからです。
System Card からも有益なシグナルが得られます。OpenAI によると、GPT-5.6 は LongFact における重大な事実誤認を GPT-5.5 と比べて削減し、本番トラフィックの分析でもハルシネーション率を低下させています。また、プロンプトインジェクション、意図しないデータ破壊的な操作、コンピューター操作中のユーザー確認、アラインメント、さらにサイバーリスクや生物・化学リスクなどの preparedness カテゴリにも多くの紙幅を割いています。
これは、OpenAI が GPT-5.6 を単に賢い回答ボックスとしてではなく、エージェントプラットフォームとして評価してほしいと考えていることを示しています。
Sol Ultra とベンチマークのシグナル
Sol Ultra という側面もありますが、表現には注意が必要です。OpenAI は Sol 向けに新しい `max` 推論 effort と、subagent を使って複雑な作業を高速化する新しい `ultra` モードを説明しています。私はこれを、4 番目の基盤モデルではなく、より多くの計算資源を使う Sol のモードだと解釈しています。System Card における基盤ファミリーは、依然として Sol、Terra、Luna です。
OpenAI は、モデルが一般提供される際に、より幅広い評価セットを共有すると述べています。現時点で示す価値のあるベンチマークのシグナルは次のとおりです。
| ベンチマークまたは評価 | 公開された GPT-5.6 のシグナル |
|---|---|
| --- | --- |
| Terminal-Bench 2.1 | OpenAI によると、GPT-5.6 Sol は、計画、反復、ツール連携を必要とするコマンドラインワークフローで新たな state of the art を達成しています。 |
| GeneBench v1 | OpenAI によると、Sol は長期的なゲノミクスおよび定量生物学のワークフローで GPT-5.5 を上回り、使用するトークン数も少なくなっています。 |
| ExploitBench | OpenAI によると、Sol は Mythos Preview と競争力のある性能を示しながら、出力トークン数は約 3 分の 1 です。 |
| ExploitGym | OpenAI によると、Sol、Terra、Luna は推論量が増えるほど改善します。 |
| 内部 CTF タスク | System Card によると、GPT-5.6 Sol は評価で 96.7% に達し、飽和しています。 |
| Irregular FrontierCyber | GPT-5.6 Sol は 197 件中 19 件のチャレンジを解決しました。報告された成功率は Easy 11%、Medium 12%、Hard 5%、Elite 0% でした。 |
| CyScenarioBench と Atomic Challenges | Irregular の報告では、CyScenarioBench で 28% でした。Atomic Challenges では、Sol は Network Attack Simulation で 98%、Vulnerability Research and Exploitation で 91%、Evasion で 56% を獲得しました。 |
これは有益な情報ですが、最終的な勝利宣言ではありません。具体的に公開されている数値の多くはサイバー分野に偏っています。一般的なコーディングやエージェントに関する主張は強力ですが、Sol Ultra が通常のソフトウェア開発全般で Claude Fable 5 より優れていると言うには、より幅広い第三者テストがまだ必要です。
Claude Fable 5 と似ている点
Claude Fable 5 も、異なるスタイルで同じフロンティアを押し広げました。Anthropic は 6 月 9 日、Mythos クラスのモデルとして Fable 5 を一般利用向けに提供開始しました。Anthropic は Fable 5 を、ソフトウェアエンジニアリング、ナレッジワーク、ビジョン、科学研究、長期的なエージェント作業など、長く複雑なタスクを中心に位置づけました。
重なっている部分は明確です。
| 領域 | GPT-5.6 Sol | Claude Fable 5 |
|---|---|---|
| --- | --- | --- |
| 主な売り文句 | フラッグシップのエージェント・推論モデル | Mythos クラスの汎用フロンティアモデル |
| 最も強いユースケース | コーディング、ツール利用、コンピューター操作、事実性、エージェント | ソフトウェアエンジニアリング、長時間のタスク、ナレッジワーク、ビジョン |
| 安全性の位置づけ | Preview System Card、preparedness カテゴリ、プロンプトインジェクションとアラインメントへの取り組み | Fable の safeguards、Mythos の分離、センシティブな領域向けのフォールバックルーティング |
| 購入者が問うこと | ツール上での動作を信頼できるか？ | アクセスを確保し、依存関係として安定運用できるか？ |
両社は同じ製品上の真実に収束しつつあります。モデルはシステムの中で機能しなければなりません。指示に従い、ツールを扱い、破壊的な操作を避け、チームが結果を信頼するのに十分な根拠を示す必要があります。
これは、私がコーディングエージェントに求める部分です。自信満々の文章を生成するだけのモデルは、もう必要ありません。リポジトリを調査し、制約を理解し、チェックを実行し、関係のない作業に触れる前に停止できるモデルが必要です。この運用スタイルについては、AI エージェントの目標とループのワークフロー→でも詳しく書いています。
GPT-5.6 と Fable 5 の違い
最初の違いはアクセスです。
OpenAI は GPT-5.6 をプレビュー制御付きで開始します。これは保守的ですが、明確です。一方、Anthropic は Fable 5 をより広く提供開始した後、6 月 12 日に、米国政府の輸出管理指令を受けて Fable 5 と Mythos 5 へのアクセスを停止せざるを得なかったと発表しました。Anthropic によると、他の Claude モデルへのアクセスには影響がありませんでしたが、Fable 5 は一夜にして本番環境における扱いの難しい依存関係になりました。
これによって比較の意味が変わります。モデルが非常に優秀でも、通常の移行期間なしにアクセス条件が変わるなら、そのモデルを中心に構築するのは難しくなります。
2 つ目の違いは、製品上の重点です。
Anthropic の Fable 5 のストーリーは能力を最優先していました。より強力な長期タスク処理、非常に大きなコンテキスト、そして汎用利用向けの Fable 5 と、信頼されたサイバー防御アクセス向けの Mythos 5 という分離です。OpenAI の GPT-5.6 のストーリーは、よりデプロイメントを重視しています。モデルファミリー、プレビュー制御、安全性を扱う System Card、プロンプトインジェクションへの取り組み、そしてエージェントの失敗モードへの明確な注目です。
3 つ目の違いは、トーンです。
Anthropic は Fable 5 を、従来の Claude ラインを超える飛躍のように感じさせました。OpenAI は GPT-5.6 を、難しい作業のためのより安全で信頼性の高い運用レイヤーとして位置づけています。これはそれほど劇的に聞こえないかもしれませんが、本番環境の AI エージェントが実際に壊れるのは、まさにツール権限、コンテキスト制御、事実性、隠れた副作用、そしてモデルが不確実性を認めるかどうかといった部分です。
GPT-5.6 に対する私の実践的なテスト
私はローンチ時のチャートだけで GPT-5.6 Sol を評価するつもりはありません。最初に試したいのは、実際のエンジニアリングタスクです。
優れたモデルは、編集する前に読み、最小限で安全な変更を行い、結果を検証し、すべて完了したふりをするのではなくブロッカーを報告するべきです。GPT-5.5 はすでに Codex でこのパターンを改善しており、私は GPT-5.5 Codex のテスト→で取り上げました。GPT-5.6 は、退屈な部分でさらに優れていなければなりません。誤った思い込みを減らし、よりクリーンなツール呼び出しを行い、停止条件の信頼性を高める必要があります。
Fable 5 が依然として重要なのは、長く複雑な作業における基準を設定したからです。私の Claude Fable 5 ローンチ当日のレビュー→が肯定的だったのも、そのためです。アクセスの問題によって能力に関するストーリーが消えるわけではありません。しかし、調達に関する教訓が加わります。現在のフロンティア AI の選択には、ベンチマーク上のリスクだけでなく、ポリシー上のリスクも含まれます。
結論
GPT-5.6 Sol は、Fable 5 の登場に対する OpenAI の本格的な回答のように見えます。両モデルの野心は似ています。長時間のタスク、コーディング、エージェント、安全性の高い高性能モデルの利用です。異なるのは展開戦略です。Anthropic は能力の飛躍がどのようなものかを示しました。OpenAI は次の飛躍を、デプロイ可能なものに見せようとしています。
Sol Ultra は、単に単一モデルの推論を深めるだけでなく、マルチエージェント実行を示唆しているため、ローンチをさらに興味深いものにしています。しかし、私は依然として、モデルが完了する作業で評価したいと考えています。リポジトリの調査、ツール利用、エラーからの復旧、そしてシステムの所有者である人間のためにクリーンな記録を残せるかどうかです。
ビルダーにとっての勝者は、最も大きな声でローンチを宣伝するモデルではありません。実際の作業を完了し、ツールを安全に使い、人間が監査できるクリーンな記録を残せるモデルこそが勝者です。
それが、私が最初にテストすることです。