GPT-5.6プレビュー解説｜性能・料金・提供時期をClaude Fable 5と比較

2026年7月11日 ・ 久保一成

#GPT-5.6#OpenAI#Claude#ベンチマーク#ハーネスエンジニアリング#FDE#AI

GPT-5.6が6月26日にプレビュー公開されました。ベンチマークのスコアは素晴らしく、Claude Fable 5を超えています。GPT-5.6は3モデル。最高スペックのSol、バランス型のTerra、スピード型のLuna。ただ問題は一つだけ。一般ユーザーの私たちがまだ使える状態になっていないということ。今のところ公開の予定はあります。

この記事では、GPT-5.6の能力とリリース時期を紹介します。そして結論から言うと、おそらく今後は徐々に最先端AIにはアクセスできなくなっていくと思います。ただ、僕らの方もモデルの性能は徐々に必要なくなっていく。個人または会社組織の関心は、モデルのキャッチアップではなく、ハーネス設計とFDEに移りつつある。ついでにAGIは思ってたAGIと違いそう。そういう結論です。

1章　GPT-5.6はClaude Fable 5を超えたのか？ベンチマーク比較

まずは最も気になるTerminalBench 2.1のスコアから。GPT-5.6 SolがClaude Mythos 5を明確に超えてきています。TerminalBenchは、現実の開発・運用・データ処理に近い複数ステップの作業を、どこまで自律的に完了できるかを見るベンチマークです。

Docker環境に入る、ファイル構成を調べる、エラーを再現する、必要な依存関係を入れ、コードを修正する、コマンドを実行する、テストを通す、最終的に検証スイートを満たす。こういう一連の作業を、AIエージェントが自律的にできるかを見ます。

ベンチマークスコアではGPT-5.6 SolがClaude Fable 5を圧倒しています。

一方で、ExploitBenchはサイバーセキュリティ領域、特に脆弱性調査やexploit関連能力を見るベンチマークも公開。GPT-5.6 SolとMythos Previewが70%台後半でほぼ同率、Mythos 5はさらに高く80%を超えています。ただGPT-5.5が40％代後半、Opus 4.8が40％であることを考えると非連続的な飛躍は感じます。また、GPT-5.6の出力トークンはFableの約3分の1。ちなみにAPIコストは後述しますが、GPT-5.6はFableの半額です。

ExploitGymもサイバーセキュリティのベンチマークです。「時間を与えた時に、どれだけexploit成功に近づくか」が計れます。これは他社比較がありませんがGPT-5.5が16％程度なのに対し、GPT-5.6 Solは22％、またtokenをより多く費やすことで30%半ばまでスコアが上昇しています。

GeneBench v1は「生物・ゲノム解析の長期作業」を見るベンチです。GPT-5.6 Solが、GPT-5.5世代を大きく上回っています。

今回公開されたベンチマークは多くはありませんでしたが、実務的に一番気になるTerminalBench 2.1でClaude Fable 5を大きく超えてきたことは驚きがあります。実際の使用感は使ってみないとわかりませんが、前回のGPT-5.5はベンチマーク通り、またはそれ以上の品質だったため期待は大きいです。今回、ARC-AGI-2やHumanity’s Last Examは公開されていませんでした。ARC-AGIは、視覚的・抽象的なパターン変換から汎用推論能力を測ろうとするベンチ。Humanity’s Last Examは、専門家レベルの幅広い知識・高度の推論を見るための高難度ベンチです。特にClaude Fable 5はHumanity’s Last Examが非線形の飛躍をしていて、それが他の高度な実行力を支えていたようにも思えました。ただ、もうベンチマークの時代ではないのかもしれませんね。

GPT-5.6には2つの新機能が追加されています。1つ目がMax機能。より深く推論し、より高度な問題を解決できます。2つ目がUltra機能。エージェントチームを組成して、複雑な作業を並列・分担処理します。Claude Codeのworkflowに近い機能だと思いますが、もし単体のAPIのみでエージェントチームが作れるならば、すでにGPT-5.6はAIエージェントにすらなるということになります。これは普通に期待しています。

次に、APIの比較価格です。最高モデルのGPT-5.6 Solも、GPT-5.5から価格は据え置きです。Fable 5の価格の半値であることを考えると、安いといって良いと思います。特にミドルスペックのGPT-5.6 Terraはさらにその半分の価格です。GPT-5.6 Terraは1/4の価格でFable 5と同等のTerminalBench 2.1のスコアです。

2章　GPT-5.6はいつから一般ユーザーが使えるのか

次に、一般ユーザーへの提供時期についてですが、数週間以内に開始予定とアナウンスされています。ただしまだ確定されていません。油断できないのは、現在プレビュー版が今まさに限定公開されているという点。Fable 5の時のようなジェイルブレイクや、他国への情報流出の懸念など、そういった問題が取り沙汰されると公開停止があり得ます。

元々GPT-5.6は、信頼性の高いリーク情報として6月26日に一般むけに公開予定とされていました。それが数日後に追加のリーク情報で7月公開予定に上書き。そして6月25日、今度はリークではなく「報道」として、GPT-5.6の一般公開の先送りの速報が出ました。そして、6月26日GPT-5.6がプレビュー版として、ごく一部の法人のみに段階的に提供され始めています。GPT-5.6はアメリカ政府がごく一部の法人に対してのみ、一社一社承認する形で順次公開していっています。

ただ、サム・アルトマンの交渉力もかなり高いです。政府との関係性も悪くないので、公開される可能性は高いと思います。公開されたらすぐに取り上げます。

3章　最新AIを誰もが使える時代は終わるのか

現在のようなGPT-5.6の段階的な提供を要請しているのは、アメリカの二つの機関。「国家サイバー長官室」と「科学技術政策局」です。

一方、アルトマンは、「これは長期的には望ましいやり方ではないと」公言しています。アルトマンでなければ段階的な公開でさえも進められていなかったかもしれません。Fable 5以上のベンチマークスコアがあるのであれば、一般公開を完全停止する判断がなされていてもおかしくありません。

少し時を遡って2026年6月初旬。あまり知られていませんが、大統領令14409が署名されました。これは生成AIの一般公開前に、最大三十日間、政府が最先端モデルにアクセスできるようにするというもの。国家安全保障局が「対象」とするモデルを判断し、「財務省」が脆弱性を潰す役割を担っています。財務省は国家サイバー長官・NSA・CISAなどと連携して脆弱性の発見・検証・修復・パッチ配布を調整しています。実はこの枠組みは自主的なもので強制力はありません。ただ現実に今回は、政府が一社ずつ顧客を選別しています。僕を含めたユーザーからすると、何を邪魔してくれてるんだと思ってしまいますよね。僕はすぐに思いました。そして今も思ってます（笑）

ただし、これは米政府が誤った判断をしている訳ではない。米政府は国として国家安全保障を自国民に対して追っています。より冷静に状況をみると、最新最強の生成AIを、誰でも何の制限もなく使用できる社会の方が、もう維持できないと見るべきだと思います。

日本は圧倒的に凶悪犯罪の発生率は低いですが、世界では凶悪な悪意がそれなりにあります。そしてサイバー犯罪には国境がありません。日本の犯罪率の低さが、サイバー空間では全く安心に繋がらない。

KADOKAWAグループがプライベートクラウドをハッキングされたのは2024年でした。2024年と今現在を比較すると、ハッカー集団の攻撃能力は、生成AIによって圧倒的にエンパワーメントされているでしょう。一般企業での生成AIを活用が、現実の利益向上に寄与したケースは実際には稀だと思います。もしかすると生成AIで最も利益率が上がったのはハッカーかもしれない。皆さんが使っているクラウドには、プライベートの写真があり、動画があり、LINEのやり取りがあり、日記もあるかもしれません。住所、氏名、電話番号、SNSのアカウントまで。これらのセキュリティは絶対に安全だという神話は、Claude Mythosの登場で激しく揺らぎました。Claude Mythosを開発したのが、Anthropicではなくテロリストや犯罪組織だったら、自分が管理・所有していると思っていたプライバシーはすでに公開されていたかもしれない。

もし、GPT-5.6を作った企業が日本だったとしたらどうでしょうか？日本は、それを世界に向けて無制限にリリースできたでしょうか。会社法人が作った商品であれば、政府に止める法的根拠は直ちにはないかもしれません。でも緊急招集で合議くらいは開かれるはず。悪意を持って利用するユーザーはごくわずかでも、サイバー領域において、攻める側が圧倒的に有利。おそらく生物兵器の分野でも。開発した企業、ひいては開発した国には、少なくとも安全を担保する何らかの責任や役割があるようには思います。

以降の最新AIモデルは一般には公開されない、または一部の限られた法人のみに利用させる。これは世界にとって、良いことなのでしょうか。悪いことなのでしょうか。悪いとする側の理屈には、強力な論拠があります。

今回のような政府干渉は、必ずしも世界平和のためという意図だけではない。自国の安全保障としての判断は国家としては妥当だと思います。一方で、国家間の競争のための干渉という面もある。つまりはアメリカはより強くなる。そしてアメリカ政府に公認された企業も強くなる。AIによる公平性や民主化といった当初の理念は薄まります。一握りの企業と、一部の国家だけが、不平等な力を手にする可能性がある。

一方で、良しとする側の理屈にも、同様に強力です。悪意あるユーザーを完全に排除する方法が今のところ存在しない。世界中の数千人の悪意だけでも、ジェイルブレイクができさえれば、十分な混乱が起こせる可能性がある。誰かが生物兵器を作ってしまったら、ディストピアというより、終焉であるかもしれない。だとすれば、最も強い能力を、誰にでも無条件に渡すことは人類レベルで危険かもしれない。

ただ、議論を複雑にさせている論点がもう一つ。覇権国をめぐる地政学として、緊張感のあるアメリカと中国が、生成AIの開発競争をしているということ。そしてアメリカと中国の生成AIの能力差は年々縮まっていて、Claude MythosレベルのLLMを、間も無く中国も作れると思った方が良い。ならばアメリカが公開を制限しても中国が制限するかは分からない。むしろ逆も考えられます。中国がアメリカのLLMの能力に追いついたならば、現在オープンソースで出している中国のLLMは、それ以降の最先端モデルは他国へ一切公開しないかもしれない。人智を超えた力が２カ国のみに秘められてしまうかもしれないし、逆に無制限に公開されてしまうかもしれない。これは結構難しい問題なんですね。そして本格的にそれが論じられるべき時期にきたようです。

4章　最新AIが使えなくてもハーネス設計があれば困らない

Claude Fable 5を使っていた身からすると、AIの能力の高さは議論の余地がありません。ただ、それがAGIっぽいかというと、思っていた進化の方法とは違うというのが個人的な感想。どちらかというとディープラーニング全盛時代（2013年ごろ）の、分野特化型AIが、囲碁や将棋のような完全情報ゲームで人類を圧倒していった時の感覚に近い。少なくとも、観測できる限りでは、AIの進化はAGIへの進化というよりも、閉じた系の分野での急進化に感じます。ルールと評価基準が明確で、検証可能性が高い領域分野においては、間も無く人間を完全に追い越すと思います。数学やコーディングが最たるものです。そういった意味では、AGIに近づいているかもしれません。

一方で開かれた領域、複雑な系では、人間の優位性がほとんど損なわれていないように思えます。発想、着想、飛躍、ライティング、ポケモンカード、会社の創業などです。これはClaude Fable 5でさえ、人間には遠く及んでいなかったと思います。これらの能力はむしろAIによって人間側がエンパワーメントされている。つまりは生成AIはジェネラルに強くなっているというよりも、エントロピーが低い領域で間も無く人類を追い越しそう。より長い時間軸では、もしかすると、全方位で完全に人間を追い越すのかもしれませんが、今の進化の微分ではそっちには感じない。

僕の願いとしては、もちろんClaude Fable 5、GPT-5.6は一般公開してほしいという立場です。でも、そこが提供の瀬戸際、ギリギリのラインなのかもしれません。まあ今回ばかりは公開してください！ただ冷静に、次々に最新モデルを使えていた時期は、もうずっとは続かないでしょう。少なくとも準備と心構えはしておいた方がいい。ただ、それは一般ユーザーにとって深刻な問題というわけではありません。現在のLLMの進化スピードが早すぎて、モデルのリリース中毒になっているだけです。僕みたいに。大切な楽しみが減ってしまうという意味では深刻です。でも実務という文脈では、Claude Fable 5、GPT-5.6が最後だったとしてもほとんど困らない。むしろClaude Opus 4.8、GPT-5.5で最後でも実際には困らない。（まあClaudeはサーバーダウンと障害の頻度をなんとかしてくれとは思いますが。）

今提供されているAIモデルの性能は1年まえの4倍程度には高度です。でも1年間のAIも十分に優秀でした。Claude Opus 4.8もGPT-5.5も、すでにほとんどのホワイトワーカーの仕事においては、オーバースペックになっています。弥生会計しか使わないのに150万円のMac Studioは必要ないことと似ています。むしろ、今AIを本当に活用できているユーザーの関心は、モデルの性能以上に、「ハーネスエンジニアリング」や、「AIエージェントのオーケストレーション」など、既存のAIやAIエージェント、各種既存のアプリケーションを複合した、仕事の「仕組み」づくりの方に向かっています。これは時代の潮流としておそらく正しい。

5章　ハーネス設計とFDE（Forward Deployed Engineer）が次のAIトレンド

ハーネスエンジニアリングとは、AIが人間にとって本当に価値のある成果物を出せるように環境から設計する取り組みです。「作業環境」「評価基準」「自動化フロー」「長期記憶と短期記憶メモリ」「外部ソフトとの他段階連携」「人間の介入タイミング」など、そもそものAI利用のあり方の方を設計します。裏を返せば、AIにプロンプトをただ送るだけでは、AIの力はほとんど引き出せていないということ。本物の「成果物」を作るためには「AI」を使う「枠組みの設計」が必要だということです。おそらく今のAIをほとんどの企業が活用できていない理由はここです。社員全員がClaude Codeのアカウントを持ったとしても、誰も読まないHTML資料と誰も使わないアプリが増産されるだけになってしまう。

でもこれは企業のせいではありません。個人ならまだしも、企業は組織で運営している以上、すでに人間中心でオペレーションが確立されています。何でも答えてくれてたまに間違うAIは、ちょっとした調べ物に使うくらいにしか使えない。企業にAIを本格的に統合することは明らかに難易度が高い。そして統合したとして、業績を向上させることはさらに難しい。こういった背景でForward Deployed Engineer（FDE）の需要がアメリカで急増しています。自社のビジネス内容とオペレーションに完全に合わせて、最適化されたAIプロダクトを作ります。それも自社にAIエンジニアが滞在して、御社の一員として一緒に開発していくものです。それができるならば、今のAIでも十分なDX、付加価値の設計、新規プロダクトの開発、新規事業の展開、マーケティングと、ほとんど全ての領域に寄与します。

そして、やはり人間の問いを持てる価値は高い。問いが持てて初めて、その次にハーネスの着想が生まれます。人間の脳は遠回りはしますが、エントロピーを減少させるアルゴリズムです。問いがあれば、いずれは答えに収束します。AIほど早くないけれど、AIには着想できないものが生まれます。前述した通りAIはAGIに近づいているのでしょうが、少なくとも今のどのモデルも、想像していた形のAGIではない。AIは世界の乱雑性に対応できていません。そこでは、人間の遠回りの着想、ひらめき、面白さに価値があり、それをハーネスの形でAIと統合する。乱雑性が高い系で真価を発揮できるのは人間の方、エンパワーメントして付加価値をレバレッジするのがAI。人間とAIの意外なほど理想的な共同関係です。

GPT-5.6を楽しみにしまくっていた僕なので、リリースされるかドキドキしています。それまでに、今あるAIモデルで、GPT-5.6の性能を測るアプリケーションを作っておこうと思います。