GPT-5.6 対 Claude Sonnet 5：価格、ベンチマーク、APIアクセス

TL;DR

GPT-5.6 と Claude Sonnet 5 はいずれも一般提供中だが、本番ワークロードへの適用方法は異なる。OpenAI の GPT-5.6 ファミリーには、複雑な推論とコーディング向けの Sol（入力/出力トークン100万あたり $5/$30）、バランス重視の Terra（$2.50/$15）、コスト重視の大量処理向け Luna（$1/$6）が含まれる。Claude Sonnet 5 はモデルID claude-sonnet-5 を用い、1M のコンテキストウィンドウと最大 128K 出力をサポートし、2026年8月31日までは $2/$10、その後は $3/$15。

本番での意思決定は「どちらの旗艦が勝つか」ではない。自分たちのプロンプトで、適切な GPT-5.6 のティアと Sonnet 5 をベンチマークし、品質、レイテンシ、パラメータ互換性、タスク成功あたりのコストを比較すべきである。

Key Takeaways

• 利用可能性：Claude Sonnet 5 は 2026年6月30日に一般提供へ、GPT-5.6 は 2026年7月9日に一般提供へ。
• GPT-5.6 のモデルID：gpt-5.6-sol（エイリアス gpt-5.6）、gpt-5.6-terra、gpt-5.6-luna。
• Claude のモデルID：claude-sonnet-5。
• 価格：GPT-5.6 は MTok あたり $1/$6〜$5/$30。Sonnet 5 は 8月31日まで $2/$10、その後は $3/$15。
• コンテキストと出力：GPT-5.6 は 1.05M のコンテキストウィンドウ、Sonnet 5 は 1M。どちらも最大 128K の出力トークンに対応。
• 移行リスク：Sonnet 5 は思考、トークナイザ、サンプリングの挙動が変更されており、単なるモデル名更新ではない。
• 判断基準：トークン単価や単一ベンダーのベンチマークではなく、タスク成功あたりのコストで比較する。

What is GPT-5.6: Sol, Terra, and Luna

GPT-5.6 は、デフォルト旗艦を1つに固定するのではなく、3つの持続的な能力ティアを導入することでルーティング判断を変える。

3ティアすべてが最大 128K の出力トークンをサポートする。Sol はプレミアム候補として妥当だが、分類、抽出、日常的なチャットの自動送り先になるべきではない。Terra と Luna はエスカレーション方針を明示化する。すなわち、品質しきい値を満たす最低コストのティアから始め、タスクがより高い能力を要するときのみエスカレートする。

What is Claude Sonnet 5: What Changes in Production

Anthropic は Claude Sonnet 5 を、推論、ツール利用、コーディング、ナレッジワークで向上した最もエージェント性の高い Sonnet モデルと説明している。claude-sonnet-5 を用い、1M のコンテキストウィンドウと最大 128K 出力をサポートし、価格は 2026年8月31日までは MTok あたり $2/$10、その後は $3/$15。

重要なのは名称変更よりも移行の詳細である。Claude Platform のドキュメント によれば:

• アダプティブ思考がデフォルトで有効。
• 手動の拡張思考バジェットは廃止され、400 エラーを返す。
• デフォルト以外の temperature、top_p、top_k 値は 400 エラーを返す。
• 新しいトークナイザーにより、内容によっては Sonnet 4.6 と比べ同一テキストでも約 30% 多いトークンを生成し得る。

最後の点はコスト見積もりと実効テキスト収容量に影響する。Sonnet 4.6 のトークン測定値を流用せず、代表的なプロンプトを再カウントすべきである。

GPT-5.6 vs Claude Sonnet 5: Decision Snapshot

この表に普遍的な勝者はいない。防御可能な比較はワークロード依存である。プレミアムタスクには Sol 対 Sonnet 5、コスト性能重視には Terra 対 Sonnet 5、単純な大量トラフィックには Luna か他の実績あるユーティリティモデルを選ぶ。

Pricing and Published Benchmarks

OpenAI は GPT-5.6 Sol を Terminal-Bench 2.1 で 88.8%、SWE-Bench Pro で 64.6%、OSWorld 2.0 で 62.6% と報告している。同じ OpenAI の表では GPT-5.5 が 85.6%、59.4%、47.5% である。これらの数値は同一ハーネスでの世代比較には有用だが、あくまでベンダー報告である。

Anthropic は Claude Sonnet 5 が、BrowseComp と OSWorld-Verified におけるテスト済みの努力度全般で Sonnet 4.6 を厳密に上回り、高努力では一部タスクで Opus 4.8 に匹敵すると報告している。Anthropic は OpenAI の GPT-5.6 表と同じハーネスを公開していない。

ベンダーのベンチマークは、開示されたテスト設定内での方向性を示せるが、あなたのアプリケーションでタスク成功あたりのコストが最も低いモデルを教えてはくれない。

異なるハーネスのスコアを合成して疑似リーダーボードを作るのは避けるべきだ。より有益なのは、同じ本番由来のプロンプトセット、同じ評価基準、同じ同時実行/タイムアウト/ゲートウェイ経路で両候補を走らせることだ。

Why This Matters to Builders

これらのリリース後、次の3つの本番前提は見直しが必要である。

1. モデル選定はルーティング方針である

GPT-5.6 は明示的なコスト階梯を提供し、Sonnet 5 は努力度制御が可能な強力な単一ティアを提供する。最も高性能な候補へ全リクエストを送るのは多くの場合コストバグである。各ワークロードの品質しきい値を定義し、安価な候補がしきい値を満たせないときのみエスカレートする。

2. API 互換性は挙動の同一性を意味しない

同じメッセージペイロードを受け付けても、ツール呼び出し構造、拒否挙動、トークナイゼーション、タイムアウトパターン、サンプリング/思考パラメータのサポートが異なることがある。ゲートウェイはトランスポートを正規化できても、モデルを相互交換可能にはしない。

3. トークン単価はタスク成功あたりのコストではない

安価なモデルでも、リトライが必要、無効な JSON を出力、重要な詳細を見落とす、ツール経路が長くなる場合には高くつく。リトライや失敗出力を含む試行の総コストを追跡し、成功タスクで割ること。

Accessing Both Model Families Through CometAPI

CometAPI は GPT-5.6、Claude Sonnet 5、および他のモデルファミリーへの共通 API レイヤーを提供する。7月10日の変更履歴には gpt-5.6、gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna が記載されている。Claude Sonnet 5 API ガイドは、Anthropic ネイティブの Messages エンドポイントと OpenAI 互換のチャットエンドポイントの両方で claude-sonnet-5 を扱う方法を解説している。

最小の OpenAI 互換テストは、同じクライアントでモデルIDのみを変更すればよい:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_API_KEY"],
    base_url="https://api.cometapi.com/v1",
)

def run(model, prompt):
    return client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )

prompt = "重要なリスクを抽出し、有効なJSONを返してください。"

terra = run("gpt-5.6-terra", prompt)
sonnet = run("claude-sonnet-5", prompt)

Sonnet 5 呼び出しに非デフォルトのサンプリングパラメータを追加する場合は、現在のサポート状況を必ず確認すること。Claude 固有の思考、ツール、レスポンスセマンティクスを使うには、ネイティブの Messages エンドポイントがより安全な出発点である。可搬性と制御された比較を重視する場合は、OpenAI 互換の経路を使う。

Trade-offs of a Unified Gateway

統一ゲートウェイは SDK、認証情報、請求のスプロールを抑えるが、別の本番依存先を増やすことにもなる。これらのトレードオフを明示的に評価すること:

• 機能ラグ: プロバイダ固有の新機能が正規化エンドポイントで即時に公開されない場合がある。
• プロキシレイテンシ: 現実的な同時実行下で最初のトークンまでの時間と総完了時間を計測する。
• 単一点障害: ゲートウェイのインシデントが、プロバイダ側は健全でも複数モデルへのアクセスに影響し得る。
• データ取り扱い: ログ、保持、地域内処理、契約上の管理を最新ドキュメントで検証する。
• 退出コスト: ゲートウェイ固有のエイリアス、ルーティング方針、フォールバック挙動は、移行時に追加作業を要し得る。

これらは CometAPI、OpenRouter、自前のルーティングレイヤーにも当てはまる。適切な比較は、カテゴリラベルではなく、文書化された機能と実測挙動に基づくべきである。

How to Evaluate the Models Yourself

1. 代表的なプロンプトを選ぶ。財務・業務上重要なタスクをカバーする、本番由来の編集済みプロンプトを 20〜50 用意する。
2. 比較可能な候補を選ぶ。プレミアム作業は Sol と Sonnet 5、バランス重視は Terra と Sonnet 5、単純大量は Luna か他のユーティリティモデル。
3. モデルIDとパラメータのスモークテストを行う。課金対象モデルID、レスポンススキーマ、終了状態、サポートパラメータ、エラー挙動を確認。
4. 出力品質を採点する。事実正確性、完全性、JSON スキーマ通過率、引用精度、受入れコードテストなどのタスク別ルーブリックを用いる。
5. 実レイテンシを測る。最初のトークンまでの時間、総完了時間、プロダクション相当の同時実行下でのタイムアウト率を計測。
6. タスク成功あたりのコストを算出する。リトライ、無効出力、ツール呼び出し、フォールバック試行を含める。
7. フォールバック経路を鍛える。タイムアウト、レート制限、5xx 応答、異常なツール呼び出し、ゲートウェイ不達を模擬する。

結果はグローバルなランキングではなく、ルーティングマトリクスになるはずだ。あるモデルは特定ワークロードには最適でも、別のデフォルトには不適切になり得る。

What We Know vs What We Do Not Know

2026年7月13日現在の確認事項

• GPT-5.6 と Claude Sonnet 5 は一般提供中。
• 上記のプロバイダモデルID、定価、コンテキストウィンドウ、最大出力は、OpenAI のモデルカタログ と Claude Platform のドキュメント に記載。
• CometAPI は GPT-5.6 ファミリーを掲載し、Claude Sonnet 5 へのアクセスを文書化。
• Sonnet 5 は Sonnet 4.6 と比べ、思考、トークナイザー、サンプリング挙動が変更。

これらの情報源では未確認

• GPT-5.6 と Sonnet 5 の全体勝者を定める中立ベンチマーク。
• すべての地域・アカウント階層での安定したレイテンシ、可用性、レート制限。
• プロバイダ直 API とすべてのゲートウェイエンドポイント間の機能同等性。
• プロモーション終了後やプロバイダ更新後の将来価格。

X や Reddit のコミュニティ報告は有用なエッジケースを示し得るが、文書化されたテスト設定で再現されるまでは仮説として扱うべきだ。

What to Watch Next

• プロバイダのモデルページとリリースノート: エイリアス、価格、コンテキスト上限、パラメータサポートは変化が早い。
• CometAPI のライブカタログと変更履歴: デプロイ前にゲートウェイの提供状況、正確なモデルID、現在価格を確認。
• 8月31日以降の Claude Sonnet 5 の価格: 導入価格の終了後にコスト比較を再実施。
• 独立評価: 公開ハーネス、プロンプトセット、採点方法、モデル設定が明記された結果を優先。
• コミュニティの現場報告: 再現可能な Reddit や X の報告を、モデル優位性の単独証拠ではなく、検証すべき失敗モードの発見に活用。

Conclusion

GPT-5.6 と Claude Sonnet 5 は相互に置換可能なアップグレードではない。GPT-5.6 は 3 ティアのルーティング梯子を導入し、Sonnet 5 は Sonnet ラインをアップグレードしつつ重要なリクエスト挙動を変更する。実務的な決定は、各ワークロードに対し、品質・レイテンシ・信頼性のしきい値を満たす最も低コストの候補を割り当てることだ。

CometAPI は、1 つのアカウントと API レイヤーで両ファミリーにアクセスできるため、この評価を簡素化できる。その利便性は、厳密なテストと組み合わさってこそ最大化される。すなわち、ライブのモデルIDと価格を検証し、同一プロンプトセットを実行し、タスク成功あたりのコストを測定し、プロバイダ固有パラメータを試し、設定だけでなく実際に稼働させたフォールバック経路を維持すること。

まずは CometAPI を確認し、最新の提供状況を把握したうえで、本番導入前に小規模な本番由来ワークロードでベンチマークを行うこと。