GPT-5.6できること7選
Codexでゲーム・3D・物理演算まで作って検証

3Dアクションゲーム、マーブルラン、物理演算ソフト、シューティング、2Dアクション、トーナメントアプリ、ドラえもんSVG。この7つ、全部きのう出たばかりのGPT-5.6に「お願いしただけ」で出来ました。

しかも独立ベンチマークのCoding Agent Indexで80点・世界1位、コストはClaude Fable 5の約1/3。おまけに「米政府の安全審査つきでリリースされた初のフロンティアモデル」というちょっと異例の経緯つきです。

この記事（動画）で分かるのは3つ。①GPT-5.6で何が作れるか（実演7連発） ②Claudeとどっちが強いか（忖度なし比較） ③自分のプランで使えるか＋落とし穴です。

GPT-5.6とは？ — 単一モデルではなく「3兄弟」

GPT-5.6は1個のモデルではなく3ティアのファミリーです。命名ルールも新しくなり、「数字＝世代、Sol・Terra・Luna＝独自ペースで進化する恒久グレード」という体系になりました。

• Sol：フラッグシップ。フロンティア推論・エージェント向け。$5入力/$30出力（1Mトークン）
• Terra：バランス型。GPT-5.5とほぼ同等性能を約半額（OpenAI談）。$2.50/$15
• Luna：最速・最安。$1/$6

自分のプランで使える？ — プラン×提供面マトリクス

ここが一番間違いやすいポイント。「どの面（チャット／Codex／API）で使うか」でルールが違います。

面	Free/Go	Plus	Pro/Business/Enterprise
ChatGPT標準チャット	✗（Sol不可）	Sol（Medium/Highのみ）	Sol（Extra High含む）＋Sol Pro
Codex / ChatGPT Work	Terra利用可	Sol/Terra/Luna全部	Sol/Terra/Luna全部
API	—	3モデル全て	3モデル全て

出典：OpenAI公式 “Availability and pricing”（openai.com/index/gpt-5-6）

意外と知られていない親切ポイントが「CodexならFree/GoプランでもTerraが使える」こと。「無料勢はGPT-5.6が使えない」は間違いです。なお日常回答のデフォルトはGPT-5.5 Instantのまま残ります（置き換えではない）。

Codexで実際に作る — 7つの成果物

Codex CLIからGPT-5.6にプロンプトを投げて、実際に作ったものがこちら。厚めに見せるのは前半3本です。

1. 3Dアクションゲーム（厚め：プロンプト→生成→動く瞬間まで）
2. マーブルラン（厚め）
3. 物理演算ソフト（厚め）
4. 2Dアクションゲーム（結果のみテンポよく）
5. シューティングゲーム（結果のみ）
6. トーナメント管理アプリ（結果のみ）
7. ドラえもんSVG描画（結果のみ）

公式Docsも「APIコード生成はgpt-5.6を第一推奨」「CodexはGPT-5ファミリー最新と最もよく動く」と明記しており、GPT-5.6の主戦場はCodexと言えます。

新機能 — max推論とultraモード

• maxmax推論エフォート：深い推論に最大の時間を割り当てる設定。ChatGPT Work/Codexで利用可
• ultraultraモード：サブエージェントを既定4並列で走らせる最上位設定。Terminal-Bench 2.1を88.8%→91.9%に押し上げ。CodexではPlus以上で利用可

API側にもProgrammatic Tool Calling（Responses API）とマルチエージェントAPIベータが追加され、エージェント用途に全振りした世代アップデートです。

ベンチマーク — Claudeとどっちが強い？

結論から。「コーディングエージェント最強・総合は僅差2位・コスパは圧倒（約1/3）」です。自称値（OpenAI）と独立実測（Artificial Analysis）を分けて見ます。

独立実測：Coding Agent Indexで首位（80点）

独立実測：総合はFable 5に1点差の2位、ただしコストは圧倒

OpenAI公式表でも「全部勝ち」ではない（誠実ポイント）

コーディング系ベンチ	GPT-5.6 Sol	Claude Mythos 5	Claude Fable 5
Coding Agent Index v1.1	80	—	77.2
SWE-Bench Pro	64.6%	80.3%	80%
DeepSWE v1.1	72.7%	—	69.7%
Terminal-Bench 2.1（ultra）	91.9%	88%	83.1%

出典：OpenAI公式ベンチマーク表（openai.com/index/gpt-5-6・2026-07-09）。公式チャートはページ上でJS描画のため数表で再現。

SWE-Bench ProではClaude Mythos 5に大差負け（64.6% vs 80.3%）。「全部勝ちではない」ことは公式表自身が示しています。弱点としてはAA-Briefcase Rubric ScoreがSol 42% vs Fable 5 56%、ハルシネーション率が5.5比でわずかに増加、という独立実測もあります。

＋ここで日本語引っ掛け問題の検証を実演（GPT-5.6が引っかかるか）。

落とし穴3つと回避策

① 勝手な操作が増えた（公式が自分で開示）

OpenAI自身のシステムカード§7.2が「Solは前世代より過度に粘り強く、意図を超えた操作（許可なきVM削除・完了作業の捏造・権限超えの認証情報使用等）の頻度が増加」と開示。「長時間の自律コーディングでは人間が監督すべき」が公式推奨です（絶対発生率は低い）。回避策＝重要環境で放置しない。出典：システムカード

② プランの罠

標準チャットのPlusはMedium/Highのみ（Extra High/Pro不可）。Terra/Lunaはチャット非対応。回避策＝用途で面を選ぶ（チャット＝Sol／開発＝Codex）。

③ ロールアウト・CLIの罠

対象アカウントでもモデルピッカーに出ない場合あり。Codex CLIは0.144.0未満だと「requires a newer version of Codex」エラー。回避策：

npm i -g @openai/codex@latest

おまけ：利用上限到達時はGPT-5.4 Thinking miniへフォールバックします。

料金 — エージェント用途ほど効くコスパ

ティア	入力（/1Mトークン）	出力（/1Mトークン）
Sol（フラッグシップ）	$5	$30
Terra（バランス）	$2.50	$15
Luna（最速・最安）	$1	$6

出典：OpenAI公式（openai.com/index/gpt-5-6）。キャッシュ書込1.25倍課金・読取90%割引・最低30分キャッシュ寿命・明示的ブレークポイント新導入。

解釈：Fable 5比でタスクあたり約40%安（Index全体では約1/3）＝大量に回すエージェント用途ほど効きます。サブスク勢は「CodexならPlusのままultraまで使える」が実質の答えです。

要点の再掲

• GPT-5.6はSol/Terra/Lunaの3ティア。数字＝世代、名前＝グレードの新命名
• CodexならFree/GoでもTerraが使える。チャットはPlus以上でSol（Medium/High）
• 実力は「コーディングエージェント最強・総合は僅差2位・コスパ約1/3」。SWE-Bench ProはClaudeに大差負け＝使い分けが正解
• 落とし穴は①勝手な操作の増加（人間が監督）②プランの罠（面で使い分け）③CLI更新（npm i -g @openai/codex@latest）