GPT‑6 Luna は、毎日くり返す作業を数でこなすための担当モデルです。OpenAI が挙げた用途の例は、請求書の項目抽出、依頼の分類、構造化サマリーの生成の3つです。料金は100万トークンあたり入力 $0.10、出力 $0.50 と発表されています。何を任せられて、どこから試すのかを順に見ていきます。
請求書の数字を転記して、問い合わせを仕分けして、同じ形の要約をまた作る。GPT‑6 Luna の説明を読んで最初に浮かんだのは、そういう毎週の手仕事でした。
私は OpenAI の発表資料を読み、Luna がどの仕事に絞られたモデルなのか、何を直接操作できるのかを確かめました。
この記事では、料金と推論レベルを先に並べ、そのあとに画面操作の使いどころと、渡す仕事の選び方を書きます。

1. GPT‑6 Luna は何を担当するのか
GPT‑6 Luna は、目的がはっきりした仕事を大量に回すためのモデルです。発表ページは Luna を「速く効率的に、日々の仕事を大量にこなす」モデルと紹介しています。用途の例は、請求書の項目抽出、依頼の分類、構造化サマリーの生成です。
01. 目的が決まっている仕事に絞る
三つの例は、どれも答えの形が最初から決まっている仕事です。考える余地は少なく、件数が多い作業です。Luna の料金は、発表ページの冒頭に次のように載っています。
$0.10
100万トークンあたり
$0.50
100万トークンあたり
$0.01
100万トークンあたり
OpenAI の発表ページ(2026年10月2日)にある値です。
02. 知性と価格を、天秤に載せる
発表資料は、モデル選びと推論レベルを、知性と価格のトレードオフとして考えるように書いています。先に決めるのは、その仕事にどれだけの賢さが要るのかです。推論レベルは API で指定でき、会話の途中で変えてもキャッシュは壊れないとされています。
Luna の用途の例にある項目抽出は、Low の例「事実の抽出」と同じ種類の作業です。私なら Low から始めます。
2. 画面を触れるぶん、頼める幅が広がる
Luna はコンピュータ使用に対応します。ウェブサイトやデスクトップアプリを、画面ごと直接操作できるという意味です。発表資料は、API が用意されていないアプリも操作できると書いています。
01. API がない道具にも手が届く
私が自動化を諦めてきた理由の多くは、相手側に API がないことでした。画面を読み、ボタンを押し、フォームを埋める。人がやっていたその手順を、モデルに渡せます。
発表資料の例は、バグを調べ、コードを直し、ブラウザで製品を開いて直ったかを確かめるという流れです。直したあとの確認までを、ひと続きで頼めます。
02. いちばん簡単な方法から選ぶ
何でも画面操作で済ませる話ではありません。発表資料は、手順ごとに、確実にできるいちばん簡単な方法を選ぶように書いています。下の帯で、自分の状況に近いものを選んでください。
3. 同じ形で来る仕事は渡し、形が変わる仕事は残す
Luna に渡すのは、来週も同じ形で来ると分かっている仕事です。発表資料の言葉では「目的がはっきりした、日々くり返す仕事」です。答えの形が毎回変わる仕事と、最大の知性が要る難問は、Luna の担当に入っていません。
01. 毎週の定型があるなら相性がいい
発表資料が挙げた例は次の 3 つです。私の生活なら、買い物の明細の項目を抜く、受信箱を仕分ける、記録を決まった形に整える、が同じ種類に当たります。
横へ送る→
仕事の渡し方も発表資料が触れています。どの判断をモデルが自分で進めてよく、どこからは確認を取るのか。何をもって完了とするのか。この二つを先に書いておくように勧めています。
02. 最高の知性が要る場面は範囲外
発表資料は、最大の知性が要るいちばん難しい推論を GPT‑6 Astra に、複雑なコーディングや調査を GPT‑6.1 Sol に割り当てています。深い分析や難しい判断が中心の作業は、Luna ではなくそちらの担当です。
トークンの生成そのものを速める Ultrafast は、発表資料では GPT‑6 Astra が対象と書かれていて、Luna の名前は挙がっていません。応答の速さが要件なら、自分の代表的なタスクで待ち時間を測ってから決めることになります。
4. 繰り返しを一つ渡し、本番の前に測る
私なら、まず一つだけ切り出します。毎週かならず発生して、答えの形が決まっている作業です。それを Luna に渡し、低い推論レベルから試します。
01. 繰り返しを一つ、切り出す
請求書でも、問い合わせでも、要約でもかまいません。渡してから本番に出すまでの順番は、次の 4 枚です。
横へ送る→
発表資料には、OpenAI の担当者の言葉として、細かすぎる指示がいまは結果を妨げることがある、という引用も載っています。手順を一行ずつ書くより、上の 4 項目を先に書きます。
02. 本番に出す前に測る
繰り返しの仕事では、同じ前提を毎回送ることになります。発表資料は、安定した指示と参考資料を先に置き、ツールの定義も変えないように勧めています。長い会話は、続きに必要な状態を残したままコンパクションで縮められます。
測るのは、タスクの成功率、待ち時間、成功 1 件あたりのコストです。発表資料は、監視の方法とデータの扱いも、本番に出す前に決めておくように書いています。
5. よくある質問
GPT‑6 Luna はどんな仕事に向く?
目的がはっきりした、日々くり返す仕事と大量処理です。請求書の項目抽出、依頼の分類、構造化サマリーの生成が例として挙げられています。毎日や毎週、同じ形で出てくる作業が当てはまります。
料金はいくら?
発表ページの冒頭に、GPT‑6 Luna は 100 万トークンあたり入力 $0.10、出力 $0.50、キャッシュ入力 $0.01 と載っています。発表資料は、仕事に合うモデルを選ぶ際に、それぞれの料金を比較するよう案内しています。
推論レベルはどう選べばいい?
Low は事実の抽出や小さな修正、Medium は計画や選択肢の比較、High は難しいデバッグや深い分析という目安が示されています。さらに上の段階は High で足りないときに試し、改善が時間とコストに見合うなら残す形です。
API のないアプリも操作できる?
コンピュータ使用に対応しており、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。自作アプリに組み込む場合は、ブラウザなら Playwright、デスクトップなら PyAutoGUI を動かすツールを渡す形が案内されています。
コストを抑える工夫はある?
繰り返しの仕事では、プロンプトキャッシュの再利用が案内されています。安定した指示や参考資料を先に、変わる条件を後ろに置きます。キャッシュされた入力トークンはモデルによって最大95%安いと発表されています。長い会話はコンパクションで縮められます。
6. まとめ
Luna は、目的がはっきりした仕事を大量に回すためのモデルです。料金は 100 万トークンあたり入力 $0.10、出力 $0.50 で、コンピュータ使用で画面にも手が届きます。渡すのは、来週も同じ形で来ると分かっている作業です。私は、自分の一週間から一つを選び、Low から試します。
- 切り出す:毎週くり返す作業を一つだけ選ぶ
- 段階を選ぶ:低い推論レベルから試し、足りなければ上げる
- 並べ方:安定した指示を先、変わる条件を後ろへ
- 測る:成功率・待ち時間・成功1件あたりのコスト
- 境界を書く:任せる判断と確認を取る判断を分けておく
7. 画像の出典
- ① OpenAI 公式発表・表示の安定のため当サイトのサーバーで配信




