GPT-5.6 Sol、DeepSWE 72.7%でAI投資の物差しを「完了タスク単価」へ

見るべき数字はトークン単価ではない

企業のAI予算は、安いモデルを選んだかではなく、どれだけ仕事を終えたかで問われ始めている。OpenAIは2026年7月17日の投稿で、AI支出がどれだけ有用な仕事を生むかを測る枠組みを示した。重要なのは、再試行、人間の確認、修正、待ち時間を含めた成功タスク1件あたりのコストだ。

具体的な数字はGPT-5.6に置かれている。OpenAIによると、GPT-5.6 Solのmax reasoningはArtificial Analysis Coding Agent Indexで新たな最高水準に達し、別の主要モデルより出力トークンを54%少なく使った。長期ソフトウェアエンジニアリング課題を測るDeepSWE v1.1では、GPT-5.6 Solが72.7%を記録し、Claude Fable 5の69.9%を上回った。推定APIコストは36.2%低いと説明されている。

この見方が重要なのは、AI導入が文章の下書きや検索から、完了判定のある業務へ移っているからだ。サポートチームなら解決された問い合わせ、開発チームならテストを通過したコード変更、法務チームなら期限内に正確に確認された契約書が単位になる。トークンは、それだけでは価値ではない。人やシステムが使える結果に変わって初めて予算の根拠になる。

OpenAIはGPT-5.6をSol、Terra、Lunaの3層で説明する。Solは強い推論が必要な仕事、Terraは性能とコストのバランス、Lunaは高速で大量の処理に向く。ここでのメッセージは、価格表だけでモデルを選ばないことだ。安いモデルが何度も失敗すれば実コストは上がり、高いモデルが少ない試行で通過すれば成功タスクあたりの費用は下がる。

これは製品訴求であると同時に、企業向けAI購入の物差しを取りに行く文書でもある。次に見るべきは、OpenAIの主張が実際の顧客ワークフローでどこまで再現されるかだ。成功タスク数、修正率、エスカレーション率、レビュー時間が公開されるほど、AI ROIの議論はより厳密な数字の比較になる。