GPT-6.1 SolとClaude Haiku 5.5──AIコーディングのコスト構造が変わる

2026年9月29日、OpenAIがGPT-6.1 Solをリリースしました。GPT-6 Astraに近い性能を、Astraの約5分の1の価格で提供するモデルです。続く10月7日にはAnthropicがClaude Haiku 5.5を投入し、9月22日のClaude Opus 5.5と合わせて、AIコーディングの価格とモデル選択の前提が変わり始めています。

この記事では、新モデルのスペックを並べるだけでなく、「どの作業をどのモデルに任せるか」というルーティングの観点で整理します。コード生成の品質だけでなく、1タスクあたりのコストと待ち時間でモデルを選ぶ時代になった、というのが結論です。

30秒でわかる結論

• GPT-6.1 SolはAstra級に近いコーディング性能を、入力2ドル/出力10ドル（100万トークン）で提供。
• キャッシュ入力は0.10ドル。同じコンテキストを繰り返すエージェント向けに強い。
• Claude Haiku 5.5は入力0.10ドル/出力0.50ドル。大量のサブエージェント処理に向く。
• Opus 5.5はFable 5.1級をOpus 5より40%安く。難しい設計判断は上位モデルに残す。
• 実務は「全部を最強モデル」から「難易度でルーティング」へ。今すぐ試す価値が高い。

何が起きたのか：3モデルの位置づけ

OpenAIはGPT-6.1 Solを、GPT-6 Astra、GPT-6 Sol、GPT-6 Lunaという階層の間に置きました。Astraは最高性能、Solは日常的なエージェント作業、Lunaは大量・低コスト処理です。GPT-6.1 Solは「Astraに近い知能を5分の1の価格で」という位置づけで、特にコーディングエージェントとツール利用に焦点を当てています。

Anthropic側は、Opus 5.5を「ほとんどの作業でFable 5.1級、Opus 5より40%安い」と説明し、Haiku 5.5を「高速・低コスト・高ボリューム向けの小型モデル」と位置づけています。高性能モデルの価格が下がり、小型モデルが実用ラインに上がったことで、マルチエージェント構成のコスト計算が変わります。

何が変わるのか：モデルルーティングが現実になる

これまでは「速いが弱いモデル」と「強いが高いモデル」の差が大きく、日常作業でも上位モデルを使わざるを得ない場面が多くありました。GPT-6.1 SolとHaiku 5.5は、その中間を埋めます。

特に効くのが、サブエージェントの使い分けです。探索、ログ要約、Issue整理、テストのトリアージはHaiku 5.5に任せ、設計や難問だけSol/Opusに回す。並列で走らせる本数を増やしても、コストが爆発しにくくなります。

GPT-6.1 Sol：Astra級を5分の1の価格で

OpenAIの発表によると、GPT-6.1 SolはDeepSWE v1.1でGPT-6 Astraと同等のスコアを約5分の1のコストで出し、GPT-6 Solの最高スコアを6.4ポイント上回ります。Terminal-Bench ScienceやOSWorld 2.0でも、Astraに近い性能を大幅に低いコストで実現するとしています。

見逃せないのが、Programmatic Tool Callingとマルチエージェントです。Responses APIでは、モデルが軽量プログラムを書いてツールを調整し、中間結果をフィルタリングできます。すべてのツール応答をモデルに戻さないため、トークン数とレイテンシを抑えられます。Codexでは、Plus以上で`ultra`相当の並列エージェント構成が使えます。

価格表だけを見ると「Solは安いが弱いのでは」と感じますが、OpenAIはDeepSWEでAstraと同等、Terminal-Bench 2.1でAstra超えの数値を出しています。まずは自分のリポジトリの実タスクで、Astraとの差分を測るのが確実です。

Claude Haiku 5.5とOpus 5.5：小型と大型の両輪

Haiku 5.5は、入力0.10ドル/出力0.50ドルという価格で、高ボリューム・コスト重視の作業に向きます。Opus 5.5は、ほとんどの作業でFable 5.1級の性能をOpus 5より40%安く提供します。Anthropicは、Opus 5.5を「複雑な推論や長いコンテキスト」、Haiku 5.5を「高速・低コストの大量処理」と位置づけています。

実務では、Haiku 5.5を「読む・分類する・要約する」役に、Opus 5.5を「設計する・判断する・難しいコードを書く」役に分けると分かりやすいです。Haikuにコードを書かせてOpusにレビューさせる、という逆方向の使い方も、差分レビューのコストを下げる意味で有効です。

実務での使い方：ルーティングの最小ルール

最初から複雑なオーケストレーションを作らず、次の3段階で始めます。

1. 下処理はHaiku/Luna：ログ要約、Issue分類、テスト失敗の切り分け、PRの下書き。
2. 実装はSol：通常の機能追加、テスト修正、レビュー対応、ツールを使った調査。
3. 難問はAstra/Opus：設計判断、失敗コストが高い移行、長いコンテキストの推論。

タスク受付
  ├─ 入力を読む・分類する・要約する → Haiku 5.5 / Luna
  ├─ コードを書く・テストを直す     → GPT-6.1 Sol
  └─ 設計する・危険な変更を判断する → Opus 5.5 / Astra

失敗時:
  1回目は同じモデルでリトライ
  2回目は1段上のモデルにエスカレーション
  3回目は人間に渡す

このルールだけでも、「全部Astra」よりコストが下がり、待ち時間も短くなります。重要なのは、エスカレーションの条件を決めておくことです。安いモデルで失敗したときに、無限にリトライさせない仕組みが必要です。

安いモデルにどこまで任せていい？→ 失敗してもやり直せる作業から始めます。ログ要約、分類、下書き、テストの切り分けは任せやすい。一方で、認証、決済、データ移行、セキュリティ修正は、最初から上位モデルと人間のレビューを前提にします。

コスト試算：価格差はどこで効くか

価格差が最も効くのは、入力トークンが多いエージェント作業です。リポジトリ全体、Issue、テストログ、会話履歴を毎回読むと、入力トークンが膨らみます。GPT-6.1 Solのキャッシュ入力0.10ドルは、同じコンテキストを繰り返すワークフローで効きます。

逆に、短いプロンプトで1回だけ生成する作業では、価格差は思ったほど大きくありません。コストを下げたいなら、まず「毎回読んでいるコンテキスト」を減らすか、キャッシュ可能な形にすることが先です。モデルの乗り換えは、その次で十分です。

注意点：ベンチマークと可用性を疑う

• ベンチマークはベンダー発表。自分のリポジトリのタスクで再測定する。
• GPT-6.1 SolはChatではなく、ChatGPT Work/Codex/APIでの提供。利用面を確認する。
• モデル名と価格は変わりやすい。契約前に公式の料金表を見る。
• データの取り扱い、リージョン、ログ保持はモデルごとに確認する。
• 安さだけで選ばず、失敗率・再試行回数・人間のレビュー時間を含めた総コストで見る。

モデル比較は「1タスクあたりの成功コスト」で見ます。成功するまでにかかった入力・出力・再試行・待ち時間を合計すると、単価の安さが逆転することがあります。

対応状況と使う判断

自分なら使うか：今すぐ使う。 Codexの既定モデルをGPT-6.1 Solに変え、直近の実装タスクを1つ投げて、Astraとの品質・時間・コストを比較します。Haiku 5.5は、CIの失敗ログ要約やIssue整理など、品質より速度とコストが重要な処理に限定して導入します。

まとめ

• GPT-6.1 SolはAstra級のコーディングを約5分の1の価格で提供する。
• Haiku 5.5は大量処理、Opus 5.5は難しい判断に残す。
• 実務は「全部最強」から「難易度でルーティング」へ移行する。
• コストは単価ではなく、1タスクあたりの成功コストで測る。
• まずは1つの実装タスクでAstra/Sol/Opusを比較し、エスカレーション条件を決める。

参考リンク

• Introducing GPT-6.1 Sol
• Introducing Claude Haiku 5.5
• Introducing Claude Opus 5.5
• GPT-6 Astra