GPT-5.6のSol・Terra・Lunaとは、能力帯で分かれた3つのモデルのことです。

同じ料金プランの中に3つのモデルが並んでいて、どれを使えばよいか迷ったまま一番上を選んでいないでしょうか。OpenAIはモデル名の付け方を変え、数字が世代を、SolとTerraとLunaが能力帯を示す構成にしました。この記事では、士業事務所の業務を7つに切り分けて、どの業務にどの能力帯を当てるか、その判断基準と検証手順をまとめます。本記事は士業のチカラ編集部が、公表されている一次情報のみを根拠に作成しています。法令の条文はe-Gov法令検索の原文で、行政の見解は各府省庁の公表資料で確認しています。GPT-5.6の料金と能力帯の考え方は、OpenAIの公表記事およびOpenAI Platformの料金ページで確認できます。

名前の付け方が変わった、という事実が実務にもたらすもの

まず押さえるべきは、モデル名の構造が変わった点です。数字がモデルの世代を示し、SolとTerraとLunaがそれぞれ能力帯を示す。この能力帯は世代とは別のペースで進歩しうる、という整理がOpenAIから示されています（出典: OpenAI Previewing GPT-5.6 Sol）。GPT-5.6ファミリーは2026年6月下旬にプレビューが示され、7月上旬にChatGPT、API、Codex、GitHub Copilotへ順次提供されました。

実務上、この変更には意味があります。これまでは、モデル名が新しいほど良いという単純な理解でも大きな問題は起きませんでした。名称が世代と能力帯の二軸になると、同じ世代の中で3つの選択肢を比べる作業が発生します。事務所として扱うなら、能力帯ごとの向き不向きを一度整理し、業務ごとに当てはめておく段取りが必要になります。

料金についても押さえておきます。公開時点の料金は、100万トークンあたりで、Solが入力5ドル・出力30ドル、Terraが入力2.50ドル・出力15ドル、Lunaが入力1ドル・出力6ドルという水準で示されました。その後、7月末にLunaとTerraの料金が引き下げられ、Lunaは入力0.20ドル・出力1.20ドル、Terraは入力2ドル・出力12ドルという水準になったと報じられています（出典: OpenAI Advancing the price-performance frontier with GPT-5.6）。最上位のSolについては、その後の期間限定の価格が適用されているとする集計もありますが、適用期間と条件は変動しうるため、契約前にOpenAI Platformの料金ページの表示を確認してください。ここは要確認の領域です。

この料金構造が士業事務所にとって持つ意味は明快です。LunaとSolの価格差は、出力側で20倍を超える水準になりました（根拠は上記の公表料金です）。同じ作業をどちらで回すかで、月のAPI費用が桁で変わります。一方で、条文や通達の読み解きのように判断の質が直接成果物に効く作業で、費用だけを理由に下の能力帯を選ぶと、確認工数が増えて結局は割高になります。この二つの力のどちらが強く働く作業かを、業務ごとに見極める作業が本稿の主題です。

なお、ChatGPTの月額プランを使う場合と、APIを使う場合では、費用の考え方がまったく異なります。月額プランは人数課金で、API はトークン課金です。事務所での典型的な使い方は、所員の日常利用を月額プランで賄い、定型処理の自動化をAPIで組む、という併用になります。併用する場合、能力帯の使い分けはAPI側で効いてきます。

士業の業務を7つに切り分けて、能力帯を割り当てる

ここからが本題です。事務所の業務を7つに切り分け、どの能力帯を当てるかの基準を示します。以下の割り当ては、筆者が支援先での運用をもとに整理した出発点であり、各事務所の検証結果で上書きしてください。

第1の業務は、資料の分類と整理です。顧問先から届いたPDFの仕分け、ファイル名の統一、メール本文からの必要項目の抜き出し。判断が軽く手数が多い作業で、最も安い能力帯から試すのが合理的です。出力の誤りは目視ですぐ気づける性質のものが中心です。

第2の業務は、文章の要約と整形です。面談メモの整形、長文メールの要点抽出、議事録の体裁統一。ここも中位以下の能力帯で足りることが多い領域です。ただし、要約で落ちた情報が後で問題になる業務では、原文を残す運用とセットにします。

第3の業務が、下書きの生成です。顧問先への説明文、社内規程の文案、研修資料の骨子。中位の能力帯が費用対効果の中心になります。生成物は下書きであり、有資格者が内容を確認してから顧問先へ出します。

第4の業務は、長文の読み解きです。契約書、通達、判決文、行政の公表資料。ここは上位の能力帯を当てる判断が働きます。理由は単純で、読み落としや取り違えが起きたときの手戻りが大きいためです。費用差より、確認工数の差のほうが効きます。

第5の業務が、数値を伴う整理です。試算表の異常値の洗い出し、勤怠データの傾向把握、補助金の要件と自社データの突合。ここは能力帯の選択より、計算をモデルに任せないという設計のほうが重要になります。表計算やスクリプトで計算し、AIには手順の組み立てと結果の説明を任せる構成が安全です。

第6の業務は、複数ステップの自動処理です。受信メールの分類から台帳への転記、期限管理表の更新まで、一連の流れを組む場合。処理の各段で判断が入るため、中位から上位の能力帯を当て、段ごとにログを残す設計にします。

第7の業務が、対外文書の最終案作成です。顧問先や官公庁に出す文書の最終形に近い段階。ここは上位の能力帯を当てたうえで、有資格者が全文を確認します。最終確認の工程は、どの能力帯を選んでも省略できません。

割り当てを決めたら、事務所内で検証します。手順は次のとおりで、件数や時間の根拠は各事務所の実測に置き換えてください。第1に、業務ごとに代表的な入力を5件ずつ用意します。実在の顧問先データは使わず、非識別化した素材を使います。第2に、同じ入力を能力帯ごとに流し、出力を並べます。第3に、出力を評価する基準をあらかじめ決めます。事実の誤りの有無、指示した形式の遵守、確認にかかった時間の3点を記録します。第4に、能力帯ごとの費用を記録します。第5に、確認時間と費用を合算して、業務ごとの最適解を決めます。第6に、決めた割り当てを事務所内の手順書に明記します。第7に、モデルが更新されたタイミングで再検証します。

検証に使えるプロンプト例を2本示します。実在の顧問先名や個人名は入れず、架空の表記を使ってください。

あなたは文書の読み取りを行う補助ツールです。以下の文書について、
指定した項目だけを抽出してください。判断や評価は行わないでください。
文書に記載がない項目は「記載なし」と出力してください。

【抽出項目】
1. 契約当事者の表記（甲・乙の定義部分）
2. 契約期間と更新に関する条項の番号
3. 解除に関する条項の番号
4. 秘密保持に関する条項の番号
5. 準拠法と管轄に関する条項の番号

【出力形式】
項目名 / 条項番号 / 該当箇所の冒頭15字

【文書】
（ここに固有名詞を伏せた文書を貼り付け）

あなたは検証結果を記録する補助ツールです。以下の3つの出力を比較し、
どれが優れているかの主観評価はせず、客観的な差分だけを列挙してください。

【比較対象】
出力A（能力帯: 下位） / 出力B（能力帯: 中位） / 出力C（能力帯: 上位）

【列挙してほしい差分】
1. 指定した出力形式から外れている箇所
2. 3つの出力で記載が食い違っている箇所
3. いずれかにだけ含まれている項目
4. 数値・日付・条項番号の不一致

【出力形式】
差分の種類ごとに、該当する出力の記号と、その内容を1行で

【出力A】（貼り付け）
【出力B】（貼り付け）
【出力C】（貼り付け）

検証の記録は、業務名、使った能力帯、入力の種類、出力の誤りの有無、確認にかかった時間、概算費用の6列を持つ一覧にしておくと扱いやすくなります。列を固定しておけば、次回の検証で同じ形式に追記でき、時系列の比較ができます。ここで重要なのは、確認にかかった時間を漏らさず記録する点です。トークン費用だけを見ていると、下位の能力帯が常に有利に見えます。人の確認時間を同じ表に並べて初めて、どちらが事務所にとって安いのかが見えます。

もうひとつ、検証で見落としがちな観点があります。出力の安定性です。同じ入力を3回流したときに、毎回同じ形式で返ってくるか。定型処理を自動化する場面では、平均的な精度より、ばらつきの小ささのほうが効きます。形式が揺れると、後続の処理で例外対応が増え、自動化の意味が薄れます。検証の際に、代表的な入力だけでも複数回流して、出力の揺れを確認しておくと、本番での手戻りが減ります。

この検証を通すと、事務所として説明できる形で割り当てが決まります。所員から、なぜこの業務では下の能力帯を使うのかと問われたときに、検証結果を示せる状態が作れます。モデルの使い分けは感覚で決めると定着しないため、記録に落とすところまでを一連の作業にしてください。コンピュータ操作を伴う自動化まで踏み込む場合の判断軸は、GPT-6 Astraのコンピュータ操作を事務所に入れるかの7判断軸で整理しました。

能力帯を選ぶ前に、入力してよい情報の線引きを決める

能力帯の話の前に決めるべきことがあります。そもそも、どの情報をモデルに入力してよいのか、という線引きです。この線引きは能力帯を問わず共通です。

職種ごとに根拠となる条文が異なります。弁護士については、弁護士法第23条が、弁護士または弁護士であった者は職務上知り得た秘密を保持する権利を有し義務を負うと定めています（原文は e-Gov法令検索 弁護士法 で確認できます）。税理士については、税理士法第38条が、正当な理由なく税理士業務に関して知り得た秘密を他に洩らし、または窃用することを禁じ、税理士でなくなった後も同様であるとしています（原文は e-Gov法令検索 税理士法 で確認できます）。社会保険労務士については、社会保険労務士法第21条に同趣旨の規定が置かれています（原文は e-Gov法令検索 社会保険労務士法 で確認できます）。自分の職種の条文を原文で開いて確認する習慣が、ここでも効きます。

次に、ベンダー側の取扱いです。同じモデルでも、個人向けプラン、法人向けプラン、API経由では、入力データの扱いが異なる場合があります。確認する項目は四つです。入力データがモデルの学習に使われるか。使われないとして、どの期間保持されるか。保持されたデータに誰がアクセスしうるか。データの所在地はどこか。この四点を、ベンダーの公式ドキュメントで確認します。営業資料や解説記事の要約ではなく、契約しているプランに対応する原文に当たってください。

三つ目が、顧問先への説明です。顧問先の資料をAIに投入するなら、その事実を顧問先が知らない状態は望ましくありません。顧問契約または覚書で、投入するデータの種類、利用するサービスとプラン、学習利用の有無、事務所内でのアクセス権者、記録の保存期間を書面化しておく運用例があります。

能力帯の使い分けと守秘義務の関係で、実務上ひとつ注意すべき点があります。費用を抑えたい業務ほど、扱う件数が多くなりがちだという点です。第1の業務として挙げた資料の分類は、最も安い能力帯を当てたくなる作業ですが、同時に、顧問先の生データが最も大量に流れる作業でもあります。安い能力帯を選ぶ判断と、大量の生データを外部へ流す判断は、別々に検討する必要があります。実務では、分類作業こそ非識別化を徹底し、氏名や連絡先を落とした状態で処理する設計が取られます。

所内での運用面では、誰がどの能力帯を選べるのかという権限の設計も論点になります。全員が自由に最上位を選べる設定にすると費用が読めなくなり、逆に全員を下位に固定すると、重い判断を伴う業務で手戻りが増えます。実務では、日常業務の既定値を中位に置き、上位の利用は業務の種類で条件を決める、という設計を取る事務所があります。条件の決め方は、対外文書か内部資料か、顧問先の重要判断に関わるか、という軸で切ると所員にも伝わりやすくなります。

記録の残し方も決めておきます。誰が、いつ、どの業務で、どの能力帯に、どの種類の情報を投入したか。この4点が残っていれば、顧問先から問い合わせがあったときに事実を答えられます。逆に記録がないと、投入したかどうかすら確認できません。ログは完璧を目指さず、業務単位の簡易な記録から始めて、運用に乗ってから精度を上げる進め方が定着しやすくなります。

事務所規程に落とすなら、能力帯ごとの使い分け表と、投入可能な情報の種類の一覧を別々に作り、両方を参照する形にするのが扱いやすくなります。規程の組み立て方は生成AI利用ガイドラインを事務所規程に落とす7項目で具体化しました。

使い分けの運用で起きやすい3つの失敗

失敗の型を三つ挙げます（いずれも筆者が支援の現場で見た事例をもとにした整理です）。

一つ目は、全業務を最上位の能力帯で回してしまうケースです。迷ったら上を選ぶという運用は、品質面では無難ですが、費用が積み上がります。とくにAPIで定型処理を大量に回す場合、出力側の単価差がそのまま月額に効きます。月次の利用明細を能力帯別に見られる状態にしておくと、この状態に気づけます。

二つ目は、逆に、費用だけを見て下位の能力帯に寄せてしまうケースです。長文の読み解きや対外文書の最終案作成で下位に寄せると、確認工数が増えます。人の時間単価を考えると、費用の削減幅を確認工数が食いつぶす事態が起きます。費用は、トークン単価と確認時間の合計で見る必要があります。

三つ目は、一度決めた割り当てを更新しないケースです。モデルは短い周期で更新され、料金も改定されます。半年前の検証結果が現在の最適解である保証はありません。四半期に一度、代表的な業務だけでも再検証する運用を、年間計画に入れておく組み立てが向いています。顧問先データを扱う機能が追加された場合の確認項目は、ChatGPTの新機能を顧問先データに使う前の7確認で整理しています。

費用と工数の見積もり

費用の見積もりを置きます。以下は筆者が中小事務所を想定して置いた試算で、根拠は各事務所の実測に置き換えてください。

APIで定型処理を回す場合、1件あたりの入力が3,000トークン、出力が1,000トークンの処理を月に2,000件走らせると、入力600万トークン、出力200万トークンになります。この規模を最上位の能力帯で処理する場合と、最下位の能力帯で処理する場合では、公表されている単価の差がそのまま月額の差になります（単価はOpenAI Platformの料金ページで確認してください）。桁が変わる規模の差が出るため、業務ごとの割り当てを決める作業には、それだけで投資回収の価値があります。

検証にかかる工数の根拠は筆者の想定値です。業務7区分をひととおり回して、素材の準備に3時間、実行と記録に3時間、評価と割り当ての決定に2時間で、合計8時間前後を見込む組み立てが現実的です（この工数も筆者の想定値です）。四半期ごとの再検証は、素材を使い回せるため、3時間程度まで圧縮できます。

体制としては、検証と割り当ての決定を一人の担当者に寄せ、結果を所内で共有する形が回りやすくなります。全員で議論すると決まらないため、担当者を決めて、記録をもとに判断する進め方を推奨します。

能力帯という設計が続くとどうなるか

最後に展望です。世代と能力帯を分ける設計が定着すると、事務所側の運用にも影響が出ます。

第一に、業務ごとの割り当てが資産になります。どの業務にどの能力帯を当てるかという表は、モデルが更新されても、能力帯の枠組みが維持される限り使い続けられます。モデル名を追いかける運用から、業務の性質で決める運用へ移れます。

第二に、費用の予測がしやすくなります。能力帯ごとの単価が示されていれば、処理件数から月額を見積もれます。顧問先へのサービス設計に、AIの実費を織り込む議論が可能になります。

第三に、能力帯ごとの得意分野がさらに分化する可能性です。現在は、上位ほど難しい判断に強いという単純な序列で理解できますが、能力帯が世代と別のペースで進むなら、ある能力帯だけが特定の用途で突出する場面も出てきます。事務所としては、序列で選ぶのではなく、自分の業務で試して選ぶ姿勢を続けることになります。

第四に、能力帯の選択そのものが説明責任の対象になりうる点です。顧問先の重要な文書の読み解きに、意図的に下位の能力帯を当てていた場合、その判断の根拠を示せるかが問われる場面が来るかもしれません。検証記録を残しておくことは、費用管理だけでなく、この観点からも意味を持ちます。

よくある質問

SolとTerraとLunaは何が違うのでしょうか

3つは能力帯の違いを示す名称です。OpenAIの説明では、数字がモデルの世代を、名称が能力帯を示し、能力帯は世代とは別のペースで進歩しうるとされています（出典: OpenAI Previewing GPT-5.6 Sol）。実務上は、上位ほど難しい判断に強く、下位ほど安価で高速という理解から入るのが分かりやすくなります。

事務所ではどれを標準にするとよいですか

業務の性質で分けるのが基本です。資料の分類や要約のような判断の軽い作業は下位、契約書や通達の読み解きのような判断の重い作業は上位、下書きの生成は中位という割り当てから始め、自事務所の検証結果で調整する進め方があります。

料金は今いくらですか

料金は改定されるため、契約前にOpenAI Platformの料金ページの表示を確認してください。公開時点の水準と、その後の引き下げについては本文で触れましたが、適用条件と期間は変動しうる領域です。

顧問先の資料を入力してよいですか

判断の出発点は、自分の職種の守秘義務の条文、利用するプランのデータ取扱い、顧問先への説明の三点です。実務では、氏名や連絡先を落とした非識別化済みの抜粋のみを投入し、原本は事務所の管理下に置く二層構造を取る事務所が増えています。

下位の能力帯でも条文の読み解きに使えますか

使えるかどうかは、確認工数を含めて評価する論点です。下位の能力帯で出力させたうえで、有資格者が原文と突き合わせる時間が増えるのであれば、費用の削減幅が相殺されます。自事務所の素材で両方を試し、確認時間を記録して比べる方法が確実です。

検証はどのくらいの頻度で行うとよいですか

モデルの更新と料金改定の頻度を考えると、四半期に一度、代表的な業務だけでも回す運用が現実的です。素材を使い回せる形で保存しておくと、2回目以降の工数が下がります。

月額プランとAPIはどちらを選ぶべきですか

用途によって使い分ける事務所が多い構成です。所員の日常利用は人数課金の月額プラン、定型処理の自動化はトークン課金のAPIという併用が一般的で、能力帯の使い分けが効いてくるのは主にAPI側になります。

参考文献

• OpenAI Advancing the price-performance frontier with GPT-5.6
• OpenAI Previewing GPT-5.6 Sol: a next-generation model
• OpenAI Platform 料金ページ
• e-Gov法令検索 弁護士法
• e-Gov法令検索 税理士法
• e-Gov法令検索 社会保険労務士法

※士業のチカラでは、生成AIの導入支援から運用最適化まで、貴事務所の業務に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://shigyonochikara.jp/contact/