GPT-6 LunaがFelo Searchで利用可能に：100万トークンが$0.10
GPT-6 LunaがFelo Searchで稼働中：105万トークンのコンテキストと最先端の読解力を、入力100万トークンあたり$0.10で提供。GPT-6ファミリーで最も安価なプラン。
OpenAIは9月22日にGPT-6 LunaをGPT-6 Solとともに公開した。LunaはGPT-6ファミリーの中で圧倒的に安価なモデルである。入力100万トークンあたり$0.10、出力100万トークンあたり$0.50という価格は、Solの約20分の1、Astraフラッグシップの約100分の1である。
現在、Felo Searchで利用できる。Lunaが検索ボックスの裏で最も賢いモデルかどうかは重要ではない。文書を読むコストがほぼゼロになったとき、何が可能になるかが本質である。
GPT-6 Lunaの正体
LunaはGPT-6世代の最下位モデルであり、GPT-6 Solの下、GPT-6 Astraからは大きく離れている。モデル名は注目に値する。前世代とは逆の順序になっているからだ。
GPT-5.6世代では、Solがフラッグシップで、その下にTerraとLunaがあった。GPT-6では順序が逆転する。Astraが$10/$50で最上位、Solが$2/$10で中間、Lunaが$0.10/$0.50でファミリーの基盤となる。同じ3つの名前だが、順位は逆。GPT-5.6の先入観を持っている場合、価格がどのLunaかを見分ける最速の手がかりになる。
| Spec | GPT-6 Luna |
|---|---|
| Model ID | gpt-6-luna |
| Maker | OpenAI |
| Released | September 22, 2026 |
| Context window | 1,050,000 tokens |
| Max input | 922,000 tokens |
| Max output | 128,000 tokens |
| Input | Text, image |
| Output | Text |
| Reasoning effort | none / low / medium (default) / high / xhigh / max |
| Price | $0.10 per million input, $0.50 per million output |
| Long context | $0.20 in / $0.75 out above 272,000 input tokens |
| Cached input | $0.01 per million tokens |
| Knowledge cutoff | May 18, 2026 |
価格の行の隣にあるコンテキストの行を見てほしい。Lunaはフラッグシップと同じ105万トークンのウィンドウ（入力92.2万トークン、出力12.8万トークン）を、Astraの100分の1の入力価格で持つ。OpenAIは価格を下げるためにウィンドウを縮小しなかった。同じウィンドウをより安価なモデルで提供する。
さらに3つの項目が、実際の作業でのモデルの挙動を変える。
キャッシュ済み入力は100万トークンあたり1セント。 同じソースセットを20の異なる質問で使い回しても、そのコストは事実上ゼロである。
推論負荷は6段階、デフォルトはmedium。 今週リリースされた4つのモデルの中で、推論オフ（none）が選べるのはLunaだけ。推論が不要な作業では完全にスキップできる。これはコストだけでなく、レイテンシの選択でもある。分類、抽出、ルーティングでは、最速かつ正確な答えは「考えない」場合が多い。
BatchとFlexでさらに価格が半分になる。 即時回答が不要な作業では、出力100万トークンあたり50セントが下限となる。
安価な読解がもたらす変化
多くのリサーチ予算は要約ではなく読解に使われている。40のソースを開いて重要な6つを見つけ、その6つを精読する。その最初の段階は、より安価なモデルでもできる作業を高価なモデルで行うためコストがかかる。
入力100万トークンあたり$0.10なら、計算は逆転する。Felo Searchで実際に次のようなことができる。
- 重要性を判断する前にすべて読む。 結果の全セットを1つのコンテキストにまとめ、特定の質問への関連度で理由付きでランク付けする。10万トークンの入力は1セントで済む。
- 通常より多くのソースで同じ質問を実行する。 3つではなく10のソースを読む理由は網羅性であり、3つにとどめる理由はコストである。この価格なら制約が変わる。
- 推論前に抽出する。 40の文書をLunaで数値・日付・主張を構造化したテーブルに変換し、各行にソースを付与する。そのテーブルを強力なモデルに渡す。
- 難易度でルーティングする。 作業の簡単な半分をLunaに送り、深い推論が必要な質問だけをエスカレーションする。トリアージでコスト削減が積み重なる。
スコアもLunaの一次読解利用を支持する。OpenAI公開のDeepSWE v1.1は長期的なソフトウェアエンジニアリングで66.6%、Agents' Last Examは0.51。HealthBench Professionalは60.8%。SEC-Bench Proのスコア34.2%は、この価格帯のモデルにとって金融分野の作業が一般的な読解より難しいことを示している。
Lunaができないこと
正直な話：Lunaは推論の深さをコストと引き換えにしている。そのトレードオフは現実である。
公開テーブル上ではファミリーの最下位であり、OpenAI自身のデフォルト設定（medium effort）の数値も、SolやAstraの高負荷設定よりかなり低い。オープンドメインのリコールは前世代のLunaより大きく向上したが、重要な最終回答に求める水準にはまだ届かない。
それでも使わない理由にはならない。Lunaで読解し、強力なモデルで判断する。 Felo Searchでは両者が同じワークスペースに並ぶ。Lunaで広く読解し、ピッカーでモデルを切り替えて、抽出済み証拠をコンテキストに残したまま最終質問を投げる。
Felo SearchでGPT-6 Lunaを使う方法
1. モデルピッカーを開き、GPT-6 Lunaを選択する。 検索ボックスもソースも同じ。
2. 広く始める。 普段ならコスト的に読まない数のソースを必要とする質問を投げる。「これに関する公開済みの数値をすべて、ソースと日付付きで探して」
3. 文章ではなく構造を求める。 テーブル、リスト、抽出フィールドは安価なモデルが得意とする。文章による要約は高価なパスに残す。
4. 難しい質問には推論負荷を上げる。 デフォルトはmediumだが、highやxhighも必要な場面で使える。
5. 最終回答にはモデルを切り替える。 証拠はそのまま、モデルだけ変更する。ピッカーはコントロールであり、コミットメントではない。
他の3モデルもFelo Searchで利用可能
Lunaは3つの兄弟モデルとともに登場し、4モデルすべてがFelo Searchで利用できる。
| Model | Released by | Price per million tokens | Context | Built for |
|---|---|---|---|---|
| Grok 4.7 | SpaceXAI | $2 in / $6 out | 500K | 長期的な推論と知識作業 |
| Claude Opus 5.5 | Anthropic | $4 in / $20 out | 1M | 検証に耐える回答 |
| GPT-6 Luna | OpenAI | $0.10 in / $0.50 out | 1.05M | 最低コストで大量検索 |
| GPT-6 Sol | OpenAI | $2 in / $10 out | 1.05M | エージェントループや繰り返し呼び出し |
Lunaは4モデルの中で桁違いに安価であり、推論オフ設定を持つ唯一のモデルである。安価なモデルは使い捨ての質問向けだと感じるかもしれないが、100万トークンのウィンドウがその認識を変える。
Felo SearchでGPT-6 Lunaを試す
GPT-6 LunaはFelo Searchで105万トークンのコンテキストウィンドウ、6段階の推論負荷設定、$0.10/$0.50の価格で利用できる。あらゆる情報を「安く読む」選択肢を実現するモデルである。
Open GPT-6 Luna in Felo Search →
この記事は次の言語でもお読みいただけます：English、简体中文、한국어、繁體中文、हिन्दी、Français、العربية、Русский、اردو、Bahasa Indonesia、Deutsch、Tiếng Việt、Türkçe、Italiano、ไทย、Español、বাংলা、Português。