モデル比較

GPT-5.6 Sol vs GPT-6 Luna

料金・コンテキスト長・実際の回答で比較(2026年9月時点)

GPT-5.6 Sol(OpenAI)とGPT-6 Luna(OpenAI)を、FastMetalのゲートウェイで実際に呼び出せる条件で比較します。どちらも同じOpenAI互換エンドポイントとAPIキーから利用でき、切り替えは model の文字列を変えるだけです。

スペックと料金

openai logoGPT-5.6 Solopenai logoGPT-6 Luna
提供元OpenAIOpenAI
入力(100万トークンあたり)¥357.4¥17.87
出力(100万トークンあたり)¥1,787¥89.35
想定コスト(入力1,000・出力500トークン × 1,000回)¥1,251¥63
コンテキスト長1,050,000 トークン1,050,000 トークン
リリース日2026/7/92026/9/22
入力モダリティfile, image, textfile, image, text
生成速度 (p50)
アリーナ 総合#18 · ELO 1,483圏外
アリーナ 日本語#5 · ELO 1,503圏外
アリーナ コーディング#17 · ELO 1,528圏外

料金はFastMetalの円建て単価(税別)。アリーナ順位は公開リーダーボードの最新取得時点の値です。

どちらを選ぶべきか

  • 料金重視ならGPT-6 Luna。出力100万トークンあたり¥89.35で、GPT-5.6 Solより95%安くなります。
  • 迷ったら両方を同じキーで試せます。model の文字列を変えるだけで切り替わり、料金はそれぞれの単価で従量課金されます。

同じプロンプトへの実際の回答

FastMetalのゲートウェイが返した回答をそのまま並べています。ベンチマークの数字ではなく、実際の出力です。

このエラーをデバッグして

以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

GPT-5.6 Sol

原因は、DBから取得した `price` または `quantity` が数値型ではなく文字列などで返されていることです。金額計算では `float` より誤差のない `Decimal` を使用するのが適切です。 ```python from decimal import Decimal, InvalidOperation def get_user_orders(user_id): orders = db.query( "SELECT price, quantity FROM orders WHERE user_id = %s", user_id ) total = Decimal("0") for order in orders: try: price = Decimal(str(order["price"])) quantity = int(order["quantity"]) except (TypeError, ValueError, InvalidOperation) as exc: raise ValueError(f"注文データが不正です: {order!r}") from exc total += price * quantity return { "user_id": user_id, "total": total,…
応答時間 16.2秒出力 812 トークン

GPT-6 Luna

`price` が数値ではなく文字列として取得されている可能性があります。金額は文字列のまま計算せず、数値型に変換してください。金額の計算には、浮動小数点数の誤差を避けるため `Decimal` を使うのがおすすめです。 ```python from decimal import Decimal def get_user_orders(user_id): orders = db.query( "SELECT price, quantity FROM orders WHERE user_id = %s", user_id, ) total = sum( Decimal(str(order["price"])) * int(order["quantity"]) for order in orders , Decimal("0")) return {"user_id": user_id, "total": total, "orders": orders} ``` `quantity` も文字列で返る場合を考慮して `int()` で変換しています。なお、値が `None` や数値に変換できない文字列の場合は別途エラー処理が必要です。 また、標準的な Python では `"100" * 2` は文字列の繰り返しになるため、提示された `str` と `int` の掛け算だけなら、記載のエラーには通常なりません。文字列のまま計算すると、その後の `sum()` で別の型エ…
応答時間 11.7秒出力 1121 トークン

コードレビュー

以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

GPT-5.6 Sol

主な改善点は以下です。 ### 1. 型安全性 - `any[]`や暗黙的なAPIレスポンス型を避け、`ApiUser`・`User`・`UsersResponse`を定義する。 - TypeScriptの型アサーションだけでは実行時のレスポンスを検証できないため、外部APIなど信頼できないレスポンスにはZod等の利用も検討する。 ### 2. エラーハンドリング - `fetch`は404や500でも例外を投げないため、`response.ok`を確認する。 - `AbortSignal`を受け取れるようにすると、呼び出し側から通信をキャンセルできる。 ### 3. 可読性 - 再代入しない変数は`const`にする。 - マジックナンバーの`100`を定数化する。 - インデックスアクセスを繰り返さず、`for...of`や分割代入を使う。 - `hasMore`を管理するより、終了条件で`break`する方が単純。 ### 4. ページネーションの堅牢性 `data.users.length < 100`による判定には次の問題があります。 - API側の上限が変更されると正しく動かない - 一時的に100件未満のページが返ると、残りを取得できない - 最終ページがちょうど100件の場合、空のページを追加で1回取得する APIが`hasNext`、`nextPage`、`totalPages`、カーソルなどを返すなら、それを使う方が安全です。 ### 5. パフォーマンス - 現在の`push`を使うループは、中間配列を作らないため十分効率的です。可…
応答時間 23.3秒出力 1526 トークン

GPT-6 Luna

主な改善点は、型の明確化、HTTPエラーの確認、ループ状態の簡素化です。 ### 改善例 ```ts interface ApiUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersResponse { users: ApiUser[]; } interface UserSummary { id: string | number; name: string; email: string; } const PAGE_SIZE = 100; async function fetchAllUsers(startPage = 1): Promise<UserSummary[]> { if (!Number.isInteger(startPage) || startPage < 1) { throw new RangeError("startPage must be a positive integer"); } const allUsers: UserSummary[] = []; for (let page = startPage; ; page++) { const params = new URLSearchParams({ page: String(page), limit: String(PAGE…
応答時間 16.0秒出力 1532 トークン

SQLクエリの最適化

以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

GPT-5.6 Sol

主な問題は、`orders` と `reviews` を同時に明細レベルで結合しているため、行数が掛け算で増えていることです。例えば1商品に注文明細100件・レビュー20件があると、集計前に2,000行になります。その結果、処理が遅いだけでなく、`COUNT` と `SUM` もレビュー件数分だけ水増しされています。 ## 改善クエリ 注文を商品単位で先に集計し、売上上位50商品を決めてからレビューを集計します。 ```sql WITH sales AS ( SELECT od.product_id, COUNT(DISTINCT o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM orders o INNER JOIN order_details od ON od.order_id = o.order_id WHERE o.status = '完了' AND o.created_at >= DATE '2024-04-01' GROUP BY od.product_id ), top50 AS ( SELECT p.id, p.product_name, p.category_id, s.order_count, s.total_sales FROM sales s INNER JO…
応答時間 70.7秒出力 2897 トークン

GPT-6 Luna

まず、現在のクエリでは `reviews` と `order_details` を同時に結合しているため、注文明細数 × レビュー数の行ができ、`SUM` や `AVG` が水増しされる可能性があります。先にそれぞれを商品単位で集計し、その結果を結合するのが基本です。 また、`WHERE o.created_at >= ...` は `LEFT JOIN` した `orders` のNULL行を除外します。つまり、このクエリは実質的に「条件に合う注文がある商品だけ」を返しています。以下はその商品選択を保ちつつ、集計の水増しを避ける書き換え例です。 ```sql WITH active_products AS ( SELECT id, product_name, category_id FROM products WHERE is_active = true ), sales AS ( SELECT od.product_id, COUNT(*) AS order_count, SUM(o.amount) AS total_sales FROM active_products p JOIN order_details od ON od.product_id = p.id JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' AND o.created_at >= TIMESTAMP '2024-04-01' GROUP BY…
応答時間 27.3秒出力 2871 トークン

他のプロンプトでも比較する →

よくある質問

GPT-5.6 SolとGPT-6 Luna、料金はどちらが安いですか?
出力100万トークンあたりGPT-5.6 Solは¥1,787、GPT-6 Lunaは¥89.35で、GPT-6 Lunaの方が安くなります(FastMetalの円建て単価・税別)。
GPT-5.6 SolとGPT-6 Lunaのコンテキスト長の違いは?
GPT-5.6 Solは1,050,000トークン、GPT-6 Lunaは1,050,000トークンです。
GPT-5.6 SolとGPT-6 Lunaを同じAPIキーで使えますか?
はい。FastMetalのOpenAI互換エンドポイントで、model に "gpt-5.6-sol" または "gpt-6-luna" を指定するだけで切り替えられます。料金はそれぞれの単価で、同じ前払い残高から従量課金されます。

どちらも同じAPIキーで試せます

アカウントを作成してクレジットを追加すれば、GPT-5.6 SolとGPT-6 LunaをブラウザのチャットとAPIの両方から呼び出せます。月額料金はありません。

GPT-5.6 Solの他の比較

GPT-6 Lunaの他の比較