KiroでGPT-5.6提供　Terraは成功タスク費用を約82％削減

難しい仕事から反復処理まで、3モデルを同じ開発環境で選べる

OpenAIは2026年8月24日、AWSの開発支援AI「Kiro」でGPT-5.6ファミリーを利用できると発表しました。対象は高性能なSol、性能と費用のバランスを取るTerra、速度と低コストを重視するLunaです。Kiroは開発者の指示だけでコードを書くのではなく、要件、技術設計、実行可能な作業へ分け、途中で人が確認しながら実装とテストを進めるAIエージェントです。

3モデルが同じ環境へ入ったことで、会社は一番高性能なモデルへ全作業を固定せず、仕事の難しさに応じて使い分けられます。大規模な改修や長い工程はSol、日常的な複数工程はTerra、回数の多い軽い処理はLunaという位置づけです。OpenAIとAWSが今この発表を前面に出した背景には、モデル性能だけでなく、完了までに使う費用を開発現場の判断材料にする競争が強まったことがあります。

GPT-5.6はKiroで、製品案を実装計画へ変え、複雑な複数工程を進め、要件とチーム基準を踏まえて実装を確認できる。

出典：OpenAI「Advancing price-performance for developers with GPT-5.6 in Kiro」（原文を日本語で要約）

成功タスク当たりの費用で、モデル選びが変わる

OpenAIによると、Terminal-Bench 2.1という端末操作型の開発課題で、Kiro上のGPT-5.6 Terraは成功したタスク当たりの費用を約82％減らしました。ここで測っているのは、1回の入力単価だけではなく、課題を最後まで成功させるためにかかった費用です。安いモデルでも失敗とやり直しが増えれば総額は上がるため、成功単位で比べる考え方には実務上の意味があります。

ただし、発表本文は全利用者の請求額が82％下がるとは説明していません。比較した運用条件の詳細も本文だけでは確認できず、社内コードの複雑さ、指示の長さ、人の修正量で結果は変わります。編集部は、この数字を値引き率ではなく、モデルと作業設計の組み合わせで費用差が広がる例とみます。自社の課題で同じ差が出なければ、Terraへ寄せる根拠は薄れます。

Terminal-Bench 2.1の試験では、Kiro上のGPT-5.6 Terraが成功タスク当たりの費用を約82％削減した。

出典：OpenAI・KiroにおけるGPT-5.6の試験結果（原文を日本語で要約）

月額より先に、モデルごとのクレジット倍率を見る

Kiroの公式資料では、GPT-5.6はFreeではなくPro以上の有料プランが対象です。月額はProが20ドルで1,000クレジット、Pro+が40ドルで2,000、Pro Maxが100ドルで5,000、Powerが200ドルで1万クレジット。追加分は1クレジット0.04ドルで、日本の請求先には消費税が加わります。

LunaはSolの24分の1の倍率ですが、難しい課題を同じ品質で終えられる保証はありません。反対に、単純な修正へSolを使い続けると、必要以上にクレジットを消費します。Kiroは自動選択も用意しているものの、会社が費用を説明するには、どの作業でどのモデルを使ったかを記録したほうが管理しやすいでしょう。

企業利用ではコードの処理地域も選定条件になる

Kiroのモデル資料には、GPT-5.6の処理先が米国になると記載されています。企業用プロフィールを欧州に設定しても、GPT-5.6 Sol、Terra、Lunaの要求は米国で処理されます。Claudeなど一部モデルはプロフィール地域に応じて欧州処理を選べるため、モデル名だけを見て切り替えるとデータ管理方針と食い違う可能性があります。

これは日本企業にも関係します。機密コードや顧客データを扱うなら、モデル性能の比較前に、入力してよいリポジトリ、除外する秘密情報、処理地域を法務・情報システム部門と確認する必要があります。GPT-5.6が選択肢へ加わった価値は大きい一方、処理地域や実験提供の条件が変われば、現時点の選び方も見直さなければなりません。

GPT-5.6の3モデルは、Kiroプロフィールの地域にかかわらず米国から提供される。

出典：Kiro Docs「Models」（原文を日本語で要約）

完成までの総費用で選ぶ、3モデルの試し方

導入判断では、実際の仕事から難易度の異なる課題を一つずつ選びます。軽い修正、複数ファイルの機能追加、長い移行作業をLuna、Terra、Solへ同じ条件で渡し、完了したか、人が何分直したか、何クレジット使ったかを残します。コードの行数だけで評価すると、レビューや手戻りの費用を落としてしまいます。

目安は、成功率が同じなら低倍率モデルを選び、失敗や修正が増える境目で上位モデルへ切り替えることです。公式の82％という数字を自社予算へそのまま掛けるのではなく、完成までの総費用で比べる。KiroへのGPT-5.6追加は、AIコーディングを一つのモデルへ賭ける段階から、仕事ごとに性能と費用を配分する段階へ進める発表だといえます。