GPT‑6 は、OpenAI 史上最も先進的なモデル群です。作業の種類に応じてモデルを選べます。
アイデアを動作するプロトタイプにする場合も、機能を開発してテストする場合も、コードリポジトリ、データベース、外部 API をまたぐ複数ステップのワークフローを連携させる場合も、このガイドが役立ちます。GPT‑6 モデルの選び方、効果的な指示の出し方、長時間にわたる作業の管理、本番運用に向けた準備を解説します。
本番環境での効果的な運用キャッシュ（新しいウィンドウで開く）とコンパクション（新しいウィンドウで開く）を活用して、コンテキストとコストを管理します。タスクの成功率とレイテンシを測定し、監視とデータ管理の計画を立てます。
ワークロードに合ったモデルの選択タスクに合ったモデル、推論の労力（新しいウィンドウで開く）、速度を選び、能力、コスト、レイテンシのバランスを取ります。
プロンプトとスキルの調整モデルが提供すべき成果物、自律的に行えること、完了の基準について、プロンプト、スキル、リポジトリの指示で一貫性を保ちます。
長時間にわたる作業の適切な進行管理方向修正（新しいウィンドウで開く）、非同期ツール（新しいウィンドウで開く）、委任（新しいウィンドウで開く）を活用し、指示の更新や独立した作業に対応します。モデルがユーザーに確認すべき条件を明確に定めます。
デプロイ前に、いくつかの確認事項とベストプラクティスを取り入れておきましょう。
効率を意識しましょう。 （新しいウィンドウで開く）タスクに必要な根拠は残しつつ、不要なコンテキストを削減します（新しいウィンドウで開く）。アプリケーションが対応している場合は、独立したタスクを並列実行（新しいウィンドウで開く）し、時間のかかるステップが無関係な作業を妨げないようにします。
繰り返し行う作業では、プロンプトキャッシュ（新しいウィンドウで開く）を通じて共通のコンテキストを再利用します。モデルによっては、キャッシュ済み入力トークンのコストは、未キャッシュの入力トークンより最大 95% 低く（新しいウィンドウで開く）なります。固定の指示や参考資料を、毎回変わるタスクの詳細より前に配置し、ツール定義の一貫性を保ちます。キャッシュダッシュボード（新しいウィンドウで開く）と診断ガイド（新しいウィンドウで開く）を使うと、再利用がうまくいかない箇所を特定できます。ワークフロー全体のコストを見積もる際は、キャッシュへの書き込みと、適用される長いコンテキストの料金も含めます。
長い会話では、コンパクション（新しいウィンドウで開く）により、続行に必要な状態を保持しながらコンテキストのサイズを縮小できます。
挙動を監視（新しいウィンドウで開く）する方法を決め、アプリケーションのデータ管理設定（新しいウィンドウで開く）を確認します。
デプロイ前にテストします。代表的なタスクを実行し、成功率、レイテンシ、成功したタスク 1 件あたりのコストを測定します。API デプロイチェックリスト（新しいウィンドウで開く）もご覧ください。
モデルと推論レベルの選択は、知的能力と価格のトレードオフとして考えましょう。
モデル：
最大限の知的能力が必要な、最も難しい推論タスクには GPT‑6 Astra（新しいウィンドウで開く）
複雑なコーディング、調査、コンピューター操作には GPT‑6.1 Sol（新しいウィンドウで開く）
請求書の項目抽出、リクエストの分類、構造化された要約の作成など、目的の明確なタスクの大量処理や、日常的な反復作業には GPT‑6 Luna（新しいウィンドウで開く）
タスクに最適なモデルを検討する際は、各モデルの料金を比較（新しいウィンドウで開く）しましょう。
推論レベル：API では、モデルがタスクに費やす労力を選べます。
低：事実の抽出や小さな編集などの定型的なタスク
中程度：機能の計画や選択肢の比較など、判断が必要な作業
高：難しいデバッグ、より深い分析、入念なレビュー
超高 / マックス：「高」では不十分な場合、対応するモデルで試します。追加の時間とコストに見合う改善が得られる場合にのみ継続して使います。
API では、キャッシュを無効にすることなく、会話の途中で推論の労力を変更（新しいウィンドウで開く）できます。
Codex では、そのモデルのデフォルトの推論レベルから始め、単純なタスクでは下げ、より深い分析では上げます。
速度：
API では、チャットアプリやコーディングツールなど、応答時間が重要な場合に Fast モード（新しいウィンドウで開く）を使います。標準処理よりもトークンあたりのコストは高くなりますが、応答時間が短く、より安定します。
Codex と API では、短いサイクルでコードの修正を繰り返す場合など、応答の高速化が追加料金に見合う場合に Ultrafast（新しいウィンドウで開く） を使います。推論の労力とは独立して、トークン生成を高速化します。GPT‑6 Astra で利用できます（新しいウィンドウで開く）。
—Eric Provencher、OpenAI 開発者エクスペリエンス担当
まず、求める成果、対象者、関連するコンテキストと制約、完了の基準を明確に伝えます。続いて、指示の見直しをさらに掘り下げるために、「GPT‑6 Astra 向けのスキルとプロンプトの再考」（新しいウィンドウで開く）から要約した次の 4 つの観点を確認しましょう。
スキルの改善：各スキルを実行すべき状況を短く明確に記述し、補足情報は必要なときだけ読み込みます。固定的な手順は、チームが使うモデルに合った指針に置き換えます。
AGENTS.md の更新：各文書やテストがどのような場合に役立つかを説明します。また、本番環境にアクセスせず、使い捨てのデータでローカルテストを実行するなど、安全な定型ワークフローを明示的に許可します。
判断の境界の設定：自律的に進めてよい操作と、承認が必要な操作を明記します。一律に「必ず確認する」というルールは、明確な境界に置き換えます。
完了まで取り組む範囲の明示：変更の実装、実行、結果の確認、不具合の修正など、「完了」に含まれる作業を定義し、ユーザーのレビューが必要な判断を明確にします。
詳しい指針は、推論のベストプラクティス（新しいウィンドウで開く）をご覧ください。
Codex で作業する場合も、API を使って開発する場合も、モデルが判断してよい事項、ユーザーに確認すべき状況、役立つ応答の具体像を指定します。
重要な判断を推測で済ませずに作業を進められるよう、モデルに十分な指針を与えます。 （新しいウィンドウで開く）モデルが自ら決めてよいことと、ユーザーに確認すべき状況を伝えます（新しいウィンドウで開く）。たとえば、要約の構成はモデルに任せても、プロジェクトの範囲を変更する前にはユーザーに確認させます。 （新しいウィンドウで開く）役立つ応答の具体像を示します（新しいウィンドウで開く）。たとえば、わかりやすい言葉遣い、対象者に合った技術的な詳しさ、変更点・確認事項・残る課題をまとめた簡潔な引き継ぎ報告などです。
GPT‑6 ファミリーのモデルでは、数時間から数日にわたるタスクに取り組めるようになりました。次の機能を使うと、長時間タスクに取り組むエージェントをより適切に管理できます。
API では、方向修正、非同期ツール、並列作業を活用して、長時間タスクを円滑に進めます。
実行中の指示更新：ターン途中の方向修正（新しいウィンドウで開く）により、モデルの作業中に Responses WebSocket API（新しいウィンドウで開く） を通じて修正指示を送れます。更新内容はキューに追加されます。実行中のツールをキャンセルしたり、完了した操作を取り消したりすることはありません。
ツール実行中も作業を継続：非同期ツール呼び出し（新しいウィンドウで開く）により、アプリがテストなどの時間のかかるタスクを実行している間も、モデルは独立した作業を続けられます。アプリは結果が用意できた時点でそれを返します。その結果に依存する作業は、結果を受け取ってから開始します。
独立したサブタスクの委任：GPT‑6.1 Sol は、Responses API のマルチエージェントワークフロー（新しいウィンドウで開く）に対応しています。コードベースの異なる部分の調査など、独立した作業をサブエージェントに割り当て、それぞれの調査結果を最終的な応答にまとめられます。マルチエージェント機能は現在ベータ版です。
長時間タスクでは、最初のプロンプトでは想定していなかった判断が必要になることがあります。不明点の確認と方向修正を活用し、作業が意図から外れないようにします。
作業の進行に応じた質問への回答：GPT‑6 Astra を使うと、Codex は作業中に不明点を確認（新しいウィンドウで開く）できます。次のステップに影響する疑問を解消し、ユーザーが判断している間も進めてよい独立した作業を指定します。離席する場合は、続行してよいタスクと、回答を待って一時停止すべき状況を Codex に伝えます。
要件変更時の方向修正：変更すべき点と維持すべき点を説明し、新しい情報に基づいて実行中のタスクの方向を修正します（新しいウィンドウで開く）。これにより、ニーズに合わなくなった方法にさらに時間を費やすことを避けられます。
コンピューター操作（新しいウィンドウで開く）により、GPT‑6 Astra、GPT‑6.1 Sol、GPT‑6 Luna はウェブサイトやデスクトップアプリを直接操作できます。API のないアプリケーションにも対応します。たとえば、バグの調査、コードの修正、ブラウザーでの製品起動と修正の動作確認までをモデルに依頼できます。
各ステップでは、信頼できる最もシンプルな方法を選びます。
API や接続済みのツールで直接処理できる場合は、それらを使います。
モデルが画面を読み取る、ボタンをクリックする、フォームに入力するといった操作を代行する必要がある場合は、コンピューター操作を使います。
自社アプリにコンピューター操作を組み込む場合は、ブラウザーやデスクトップを制御するコードを実行できるツールをモデルに与えます。Playwright はブラウザーの操作（新しいウィンドウで開く）に、PyAutoGUI はデスクトップアプリの操作に使えます。
