OpenAIがGPT-6ファミリーの実践ガイドを公開 — Astra・Sol・Lunaの使い分けと本番運用の要点

OpenAIは2026年10月2日、GPT-6ファミリーを使った開発と本番運用のための実践ガイドを公開した。新モデルの発表ではなく、どのモデルを選び、プロンプトやスキルをどう整え、長時間の処理をどう安定させるかをまとめた開発者向けの手引きである。

モデルの使い分け — 能力とコスト・速度のトレードオフ

GPT-6 Astra: 最大の知能が必要な最難関の推論作業向けと位置づけている。
GPT-6.1 Sol: 複雑なコーディング、調査、コンピュータ利用向けとしている。
GPT-6 Luna: 請求書項目の抽出、依頼の分類、定型サマリー生成など、目的が明確な反復作業を大規模に回す用途向けとしている。
速度の選択肢: 応答速度が重要な対話アプリやコーディング用途にはAPIのFastモード、高速な反復が割増に見合う場合にはCodexとAPIのUltrafastモードを示している。Ultrafastは推論労力とは独立にトークン生成を速め、Astraで利用可能としている。
調整の軸: モデル選択と推論労力（reasoning effort）を知能と価格のトレードオフとして捉え、作業量に合わせるよう助言している。

効率化: 作業に不要な文脈を削り、必要な証拠は残すこと、独立した処理は並列に回して一つの遅い段階が全体を止めない設計を推奨している。
キャッシュ再利用: 定型の反復処理ではプロンプトキャッシュで共通文脈を使い回す方法を紹介している。モデルによりキャッシュ済み入力トークンは未キャッシュ比で最大95%安くなるとし、安定した指示や参照資料を先に置き、ツール定義を一定に保つなどの配置の工夫を示している。
長時間の対話: 文脈が長くなる会話ではcompactionで継続に必要な状態を保ちつつ文脈量を減らす方法を示している。
監視と管理: 振る舞いの監視やデータ管理の確認、代表的な作業での成功率・遅延・成功あたりコストの事前測定、デプロイ前のチェックリスト活用を促している。

明確な課題設定: 求める成果物、対象、関連文脈と制約、何をもって完了とするかを明示することから始めるよう助言している。開発者体験チームのEric Provencher氏の言葉として、モデルがニュアンスの理解を増した今では過度に細かい指示が逆効果になり得る点を紹介している。
スキルとプロンプトの整合: プロンプト、スキル、リポジトリの指示の間で、モデルが何を届けるべきか、何を自律的にどこまで行うか、何を完了とみなすかを一致させるよう求めている。詳細は「Rethinking skills and prompts for GPT-6 Astra」の解説に委ねている。
長時間作業の管理: 状況更新や独立作業の扱いにsteering、非同期ツール呼び出し、複数エージェントへの委任を使い、モデルが入力を求めるべき境界を明確にするよう示している。
活用事例: Cognition（Devin内でのソフトウェアテストと証拠付き報告）、Hex（売上チャネル分析から対話型ダッシュボード生成）、Invideo（タイムライン編集の計画とカスタム効果生成、色補正作業の成功率が約3倍との報告など）を紹介している。これらはいずれも各社の報告値であり、独立した評価ではない。