8月1日、RuntimeWireが「Altman claims AI cost declines are 20x faster than Moore's law」と題した記事を公開した。フロンティアモデルが自身の動作インフラを最適化し、そのコスト削減を即座に価格へ転嫁する——OpenAIが実証したこのサイクルは、LLM価格競争の構造を根本から変えうるものだ。
GPT-5.6 SolがGPUカーネルを自律最適化、自身のサービングコストを20%削減
7月31日、Sam AltmanはXに「i see your moore's law and i raise you 20x」と投稿した。OpenAIがGPT-5.6 Solを使って自身のサービングコストを20%削減したと発表したことを受けての発言だ。
ただし数字の読み方には注意が必要だ。20倍の改善ではなく20%の削減であり、「20x faster than Moore's law」というAltmanの表現は、AIコスト低下の速度がムーアの法則（※半導体の性能が約2年で2倍になるという経験則）の20倍であるという主張を指している。OpenAIはこの主張を裏付けるベースラインコストや第三者評価を公開していないため、他社の効率化主張との直接比較はできない。
それでも、フロンティアモデルが自身の動作インフラをエンジニアリングするという具体例としては興味深い内容だ。OpenAIによれば、SolはGPUカーネル（※GPUで並列処理を実行するプログラム）を自律的に書き直して最適化し、さらに数百件の実験設計・実行、トレーニング監視、ハードウェア障害や学習不安定時の介入も担ったという。いずれも人間主導のエンジニアリングプロセスの中での作業だ。また、トークン生成効率についても15%超の向上を実現したとしている。
Luna、80%値下げ——価格競争の最前線へ
インフラ改善の発表とセットで、OpenAIはGPT-5.6ファミリーの小型モデルを大幅に値下げした。なお、Luna・Terra・SolはいずれもOpenAIによるGPT-5.6ファミリーの公式呼称ではなく、元記事（RuntimeWire）における呼称である点に注意されたい。
| モデル | 変更前（入力/出力） | 変更後（入力/出力） | 変化率 |
|---|---|---|---|
| Luna | $1 / $6（per Mトークン） | $0.20 / $1.20 | −80% |
| Terra | $2.50 / $15 | $2 / $12 | −20% |
| Sol | $5 / $30 | 変更なし | — |
開発者のNic Dunz（@nicdunz）は、Luna MaxがGPT-5.4 Fullとあるベンチマークでほぼ同等の性能を示しながら、トークン単価が約13分の1になったと指摘した。4ヶ月で単価が13分の1になる速度感は、LLM価格競争の激しさを象徴している。別の開発者@signulllも「ようやくAPIを使うコスト感になった」と応答している。
Lunaの値下げは7月9日の一般提供開始からわずか3週間後のことだ。
Solの価格は据え置き、Fast Modeを新設
Solの標準API価格は変更なし。代わりにOpenAIはFast Modeを導入した。標準リクエストの最大2.5倍の処理速度を提供するが、価格は2倍となる。これは従来の「Priority Processing」オプションを置き換えるもので、既存のPriority Processing設定は引き続き機能する。
この価格体系の設計には明確な意図がある。Solは計画・推論の担当として高価格帯を維持し、Lunaはルーティンなエージェント処理・分類・実装タスク向けの大量処理モデルとして安く使えるようにする。開発者が最大の推論性能よりスループットと単価を優先するワークロードでは、Lunaで競争力を持たせる構造だ。
なお、以下はRuntimeWire記事の記述に基づく内容だ。LunaとTerraの値下げはCodexとChatGPT Workでのクレジット消費速度も低下させるが、サブスクリプション価格とクォータの総量は変わらない。能力向上を感じながらも使用量が増えていないと感じていた開発者にとっては、実質的な利得となる。
安価な中国製モデルへの対抗策
Axiosの報道によれば、低コストな中国製オープンウェイトモデルがOpenAIとAnthropicに対し、プロプライエタリモデルの価格正当性を迫っている。OpenAIが今回打ち出したのは、Solが計画・不確実性を担い、Lunaが安価な反復処理を実行するという階層型システムだ。
OpenAI社内では過去6ヶ月でエージェント向けトークン消費が約22倍に増加し、内部コーディング推論に充てる研究コンピュートの割合が100倍に増えたという。モデルが長時間動作しツールコールを繰り返すほど、サービングコスト削減の財務的影響は拡大する。
Altmanの「Moore's law比20倍」発言は、チップやデータセンターへの投資だけでなく、モデル自身によるソフトウェア最適化を複利的に積み上げるという戦略の宣言でもある。ただし現時点での具体的な成果は、社内報告による20%のサービングコスト削減と15%超のトークン効率向上、そしてLunaへの集中的な値下げにとどまる。
詳細はAltman claims AI cost declines are 20x faster than Moore's lawを参照していただきたい。
