OpenAI、GPT-5.6構築ガイドを公開し、エージェント経済性は安価なモデル構成へ

OpenAIは、GPT-5.6に関する開発者向けガイドを公開した。8月13日の文書は、このモデルファミリーを単一の旗艦モデルの更新としてではなく、実運用エージェントを設計するための一連の工学的選択として説明している。モデルを混ぜ、推論量を調整し、有用な推論をターン間で保持し、決定的なデータ処理をモデル外へ移すという考え方だ。

ガイドによれば、GPT-5.6はGPT-5以降の方向性を引き継ぎ、より少ないトークンで長いタスクを扱い、既存のハーネスへの変更を抑える。OpenAIはAgents’ Last Examで、GPT-5.6 Solのlow reasoningが同じハーネス上でGPT-5.5のhigh reasoningを上回ったと説明する。重いタスクを常に最も高価な設定へ送る必要はない、という示唆だ。

最も具体的なのはモデル選択だ。OpenAIによると、GPT-5.6 LunaはHyphaの文書理解ワークフローで、GPT-5.5の抽出精度の98%を十八分の一のコストで維持した。Browser Useは、Lunaが106件の難しいブラウザータスクの78%を約14ドルで完了し、現行の最先端モデルは約235ドルで80%だったと報告した。

OpenAIはこの経済性をResponses APIの新しいプリミティブと組み合わせている。保持された推論とネイティブ圧縮は、長い作業で有用な文脈を再構築せず保つためのものだ。ネイティブなマルチエージェント編成は、主エージェントが並列のサブエージェントを調整できるようにする。プログラム的ツール呼び出しでは、GPT-5.6がJavaScriptを書き、工具の結果を文脈外で処理する。

ARC-AGI-3の例は、こうした制御が重要な理由を示している。OpenAIは、GPT-5.6 Solが標準ハーネスで13.3%だった一方、保持された推論と圧縮を有効にすると38.3%に上がり、出力トークンは約6分の1になったと述べる。すべてのアプリに同じ効果が出るわけではないが、エージェントの作業管理そのものが性能を左右することを示している。

プロンプトキャッシュも実務向けに強化された。OpenAIは、モデルファミリー全体でキャッシュの最小TTLが30分になり、文脈ウィンドウ内でキャッシュ境界を決定的に設定できると説明する。Ployは、29,000トークンの共有プロンプトにキャッシュ境界とワークスペース固有キーを追加し、未キャッシュ入力を28%削減したという。

この発表の意味は、エージェント開発がシステム設計の領域になりつつあるということだ。法務調査、ブラウザー自動化、金融分析、コーディングでは、どこにフロンティア推論を使い、どこを小型モデルに任せ、いつ作業を分割するかを判断する必要がある。小さな精度低下を検知できる評価基盤を持つチームほど、低コスト化の恩恵を安全に受けやすい。