GPT‑6 ファミリーのモデルガイド

GPT‑6 はこれまでで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を選ぶ。タスクに合ったモデル、推論レベル⁠（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を調整する。プロンプト、スキル、リポジトリ内の指示では、モデルが提供すべき成果物、自律的に行ってよい作業、完了とみなす基準を一貫して示します。

• 長時間にわたる作業を着実に進める。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、必要な確認を行い、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。タスクに不要なコンテキストを取り除き⁠（新しいウィンドウで開く）、必要な根拠は残します。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のために、ほかの作業まで滞らないようにします。

• 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料金や、長文コンテキストに適用される料金も含めます。

• 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、会話を続けるために必要な状態を保ち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を選ぶ際は、応答性能と価格のバランスを考慮しましょう。

• モデル：

  • 最高の応答性能が求められる、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、モデルがタスクにどの程度の労力をかけるかを設定できます。

  • 軽：事実の抽出や軽微な修正などの定型的なタスク

  • 中：機能開発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

  • 極高 / マックス：「高」で十分な結果が得られない場合は、対応する環境で試してみましょう。追加の時間とコストに見合う改善が得られる場合に限って使い続けます。

API では、キャッシュを維持したまま、会話の途中で推論レベルを変更⁠（新しいウィンドウで開く）できます。

Codex では、まずモデルのデフォルトの推論レベルを使い、単純なタスクでは低く、より深い分析が必要な場合は高く設定します。

• 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、応答が速くなり、応答時間のばらつきも小さくなります。

  • 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。推論レベルとは独立して、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）。

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、指示をどう見直すかを詳しく検討するために、「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）」の要点をまとめた次の4つの観点を確認しましょう。

• スキルを改善する：スキルの説明は短くまとめ、各スキルを実行すべき状況を明確にします。補足情報は必要なときだけ読み込み、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 を更新する：各文書を参照すべき状況や、各テストを実行すべき状況を説明します。また、本番環境にアクセスせず、破棄してよい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。

• モデルが自律的に判断できる範囲を定める：一律に「必ず確認する」と指示するのではなく、自律的に進めてよい操作と、承認が必要な操作を明確に区別します。

• 完了までやり遂げるよう具体的に指示する：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、ユーザーによる確認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、どのような応答が役立つかを具体的に伝えます。

重要な事柄を推測で判断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。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。どのような応答が役立つかを具体的に示します⁠（新しいウィンドウで開く）。たとえば、わかりやすい言葉で説明すること、技術的な説明の詳しさを対象者に合わせること、変更点・確認した内容・残っている課題を簡潔な引き継ぎ報告にまとめることなどを指定します。

GPT‑6 ファミリーのモデルを使って、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。次の機能を活用すると、長時間にわたるタスクを担う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、長時間にわたるタスクを円滑に進めます。

• 実行中に指示を更新する：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。

• ツールの実行中も作業を続ける：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、モデルはその結果を必要としない別の作業を続けられます。アプリは結果が得られた時点でモデルに返します。その結果が必要な作業は、結果を受け取ってから開始します。

• 独立したサブタスクを委任する：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。

長時間にわたるタスクでは、最初のプロンプトを作成した時点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通じて、作業を意図した方向に進めます。

• 作業中に生じた質問に答える：GPT‑6 Astra を使うと、Codex は作業中にユーザーに不明点を確認⁠（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質問に答え、回答を検討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、作業を一時停止して回答を待つべき状況を Codex に伝えます。

• 要件が変わったら作業の方向を修正する：変更すべき点と維持すべき点を説明し、新しい情報を伝え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それ以上時間を費やさずに済みます。

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、バグを調査してコードを修正し、製品をブラウザーで開いて修正後の動作を確認するところまで、モデルに依頼できます。

各ステップでは、信頼できる方法の中から、最もシンプルなものを選びます。

• 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。

• 画面の読み取り、ボタンのクリック、フォームへの入力などをモデルに代行させる必要がある場合は、コンピューター操作を使います。

自分の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。