本文へ移動

GPT-6.1 Sol と Opus 5.5 の不満点をファクトチェック

更新日 October 13, 2026 · 初回公開 October 13, 2026

要約: 2 種類の不満が同時に出ています。OpenAI 側では、Pro $200 が削減された、GPT-6.1 Sol の性能が落ちた、Astra が割り当て枠を使い切る、という声です。Anthropic 側では、Claude Code の上限が縮小された、Opus 5.5 が週次上限を一気に消費する、Opus 5.5 が弱体化された、という声です。それぞれの主張を、各社の公式ページ、Artificial...

2 種類の不満が同時に出ています。OpenAI 側では、Pro $200 が削減された、GPT-6.1 Sol の性能が落ちた、Astra が割り当て枠を使い切る、という声です。Anthropic 側では、Claude Code の上限が縮小された、Opus 5.5 が週次上限を一気に消費する、Opus 5.5 が弱体化された、という声です。それぞれの主張を、各社の公式ページ、Artificial Analysis、数値付きで報告された GitHub issue、そして当方のログと照合しました。料金に関する不満の多くは裏付けがあります。「馬鹿になった」という不満は、まだ証拠がありません。

要点は次のとおりです。

どの不満が裏付けられるか?

不満判定根拠
OpenAI が Pro $200 を半減させた正しい10 月 30 日に Plus の 20 倍から 10 倍へ。GPT-6 Pro のチャットは週 200 から 100 へ。複数のメディアと、Hacker News に引用された OpenAI のメールが報じています。OpenAI のヘルプページは開けませんでした（取得ツールでは 403 が返ります）。
Claude の上限が削減された正しくもあり、誤りでもあるAnthropic のサポートページ: プロモーション前から +25%、恒久的。Anthropic 自身の表現: ブースト後の水準から 17% の削減。
Opus 5.5 が週次上限を消費する一部正しい9 月 25 日のリセット後、あるユーザーは消費が 3.1 倍速くなったと測定しています。他のユーザーは、プランの 1% から 20% を使ったと報告しています。ワークロードは異なり、内容も明記されていません。
Opus 5.5 が弱体化された未検証公式の確認はなく、9 月 1 日から 10 月 7 日までのステータスページに品質インシデントもありません。独立した対照実験は現時点で低下を示していません。
GPT-6.1 Sol は馬鹿になった未検証Artificial Analysis のスコアは Astra より 1 ポイント低いだけです。あるユーザーは「自分のプロジェクトでは大惨事」と書いていますが、共通のタスクによる検証はありません。
GPT の方が安い正しい定価、Artificial Analysis のタスク単価、当方のログが一致しています。

Anthropic は Claude Code の上限をどう変えたか?

Claude Code の週次上限は、5 か月の間に 3 回変わりました。Anthropic は 5 月 13 日から 9 月 13 日まで 50% のブーストを実施しました。9 月 14 日以降、上限はブース前の水準より 25% 高くなり、Anthropic は恒久的だと説明しています。ブース前の上限を 100 とすると、100、150、125 と推移しました。9 月初めにユーザーが使っていた水準からは 16.7% の低下で、これは Anthropic が 8 月 29 日の発表で「17% の削減」と表現したものと一致します。5 時間の上限は変更されていません。

日付Claude Code の週次上限（プロモーション前 = 100）
2026 年 5 月 13 日以前100
2026 年 5 月 13 日から 9 月 13 日150（期間限定ブースト）
2026 年 9 月 14 日以降125（恒久）
2026 年 9 月 22 日Opus 5.5 を公開。5 時間上限の引き上げと、10 月 22 日に失効する一時的なリセットが報告されています

Anthropic はどのプランについても、時間やトークン数の上限を公開していません。料金ページには、Max 5x と 20x は 5 時間セッションあたり Pro の 5 倍と 20 倍であり、その上に週次上限があること、また Max には Fable モデル専用の週次上限が別途あることだけが書かれています。「週あたり何時間」という数字は、すべて第三者によるものです。10 月に Claude の上限や価格が変更されたという公式情報は見つかりませんでした。

各モデルのトークン単価はいくら?

以下は各社の料金ページから 10 月 13 日に読み取った、100 万トークンあたりの定価です。

モデル入力キャッシュ入力出力
GPT-6 Astra$10$1.00$50
GPT-6.1 Sol$2$0.10$10
GPT-6 Sol$2$0.20$10
GPT-6 Luna$0.10$0.01$0.50
Claude Fable 5.1$10$0.25$50
Claude Opus 5$5$0.50$25
Claude Opus 5.5$4$0.20$20
Claude Sonnet 5.5$2$0.10$10
Claude Haiku 5.5（100K までのプロンプト）$0.10$0.01$0.50

請求額を見ると、表面の単価より次の 3 点の影響が大きくなります。

effort レベルはコストをどれだけ変えるか?

effort は最も効果が大きいにもかかわらず、あまり議論されていません。両モデルとも low、medium、high、xhigh、max の 5 段階があり、どちらも既定値は medium です。Artificial Analysis は両モデルを Intelligence Index で実行し、各レベルのスコアとタスクあたりのコストを公開しています。

effortOpus 5.5 スコアOpus 5.5 $ / タスク6.1 Sol スコア6.1 Sol $ / タスクOpus のコスト倍率
low42$0.5542$0.134.2x
medium51$1.3448$0.216.4x
high54$1.8250$0.325.7x
xhigh56$3.4651$0.398.9x
max58$5.9852$0.728.3x

この表から読み取れることは 3 つです。

当方のコーディング測定値は、この範囲の下端に位置します。タスク単価に関する記事では、GPT-6 Sol は Claude よりタスクあたりのドル換算で 3.3 倍から 4.2 倍少なくて済みました。汎用ベンチマークの指数とコーディングのワークロードは完全には一致しませんが、方向性と桁数は一致しています。

Codex プランは実際に何を提供するか?

OpenAI の料金ページには、Plus における 5 時間ウィンドウごとのローカル Codex メッセージ数が載っています。選んだモデルによってこの数字は大きく変わります。

Plus のモデル5 時間あたりのメッセージ数
GPT-6 Luna350 から 3,000
GPT-6.1 Sol15 から 160
GPT-6 Sol15 から 150
GPT-6 Astra5 から 45

Astra のメッセージ数は Sol の 3 分の 1 から 4 分の 1 です。価格差は 5 倍です。これは、性能低下がなくても「Astra でウィンドウが一気になくなる」という声と整合します。割り当ては、高価なモデルがより多くの枠を消費するように設定されているだけです。Hacker News のあるユーザーは、自身のテストでは Astra が 6.1 Sol の約 7 倍の枠を使うと書いています。これは、ワークロードが不明な 1 人の報告ですが、同じ範囲に収まっています。料金ページには、Fast モードは含まれる利用量の 2.5 倍、Ultrafast は 8 倍を消費すると明記されています。現在、Pro プランには 5 時間上限がなく、週次上限だけがあります。また OpenAI は、どのティアについてもトークン上限を公開していません。

ユーザーは自分で何を測定したか?

感想ではなく、数値を投稿している人を探しました。有用な報告は、anthropics/claude-code の issue トラッカーにある GitHub 上のものです。Reddit と X は読めなかったため、それらのスレッドはこの記事の対象外です。

Issue主張方法と注意点
#97398（9 月 26 日）9 月 25 日のリセット後に週次の消費が増加: 以前は 1% あたり 93 回の応答、以後は 30 回ローカルのトランスクリプトを重複排除して集計。ユーザー自身の数値では 3.1 倍ですが、タイトルでは 3.6 倍とされています。1 人のユーザー、1 種類のワークロードです。
#97074（9 月 25 日）ヘッドレスの claude -p は、トークンあたりで対話モードより 5 時間ウィンドウを約 1.8 倍速く消費する1% あたり、ヘッドレスは約 $1.6、対話モードは約 $3.0。同じワークロードです。
#98679（10 月 1 日）Opus 5.5 の思考トークン中央値は 67 から 126 に、出力中央値は 447 から 711 に増加サンプルが少なく（後半期間は 8 セッション）、同時に CLI のバージョンも変わっています。
#96241（9 月 23 日）Ultracode が 20 分で Max 5x プランの 70% を使用18 個のエージェントを同時実行。数値付きの逸話 1 件です。

1 つ目と 3 つ目は同じ方向を示しています。リクエストあたりのトークンが増えると、週次上限の消費が速くなります。ただし、ユーザーも仕組みも異なるため、ゆるい一致として扱うべきで、再現実験ではありません。一方で、Hacker News のコメントでは、コードの移植作業で週 $20 の上限のうち最大 1% しか使わなかった、あるいはプランの 20% を超えたことがない、という報告もあります。1% という数字と、2 日間で Max の 54% を使ったという数字は、どちらもおそらく正しいです。ワークロードが同じではないからです。

弱体化を検証している人はいるか?

1 つあります。Livenerf は、78 問の固定された問題集を、30 日間にわたり 1 日 90 サンプルで実行しています。10 月 11 日時点で 18 日目ですが、公開しているのはベースラインだけで、低下は検出されていません。その資料によると、10 日間で約 6.6 ポイントの変化を検出できるとしています。また、Opus 5 と Opus 5.5 を 99% の信頼度で区別することはできなかったとしています。つまり「低下は見つからなかった」は「弱体化していない」の証明にはなりません。大きな低下を除外できる、という意味にとどまります。

Anthropic の過去の事例も関連があります。4 月 23 日の事後報告では、Claude Code の品質に関する苦情の原因として、実際に 3 つを挙げています。既定の effort が high から medium に下げられていたこと（3 月 4 日から 4 月 7 日）、思考履歴を毎ターン消去するバグ（3 月 26 日から 4 月 10 日）、ツール呼び出しの間の返答を 25 語に制限するプロンプト（4 月 16 日から 4 月 20 日）です。思考履歴のバグは、キャッシュミスを通じて上限の消費を速めた可能性もあります。Anthropic はすべての購読者の上限をリセットしました。つまり、春の時点で「前より悪くなった」という感覚は正しく、原因はモデルの静かな劣化ではなく設定でした。そのため、重みを疑う前に effort 設定とクライアントのバージョンを確認すべきだと考えます。Anthropic のステータスページには、9 月 1 日から 10 月 7 日までに品質インシデントはなく、掲載されているのはエラー、レイテンシ、支出上限のバグです。

GPT-6.1 Sol については、材料がより少ないです。OpenAI は、トークン単価の 5 分の 1 で Astra に近い性能だと説明しており、Artificial Analysis は Astra より 1 ポイント低いと評価しています。当方が見つけた不満は個別の投稿が中心で、初期の「弱体化」投稿の多くは、6.1 が 9 月 29 日に公開される前の GPT-6 Sol に関するものでした。実際の回帰テストに必要な条件は、サイレントなダウングレードがコストモデルを壊す理由を参照してください。

自分のプランはどう確認すればよいか?

  1. 感覚ではなくパーセンテージを記録する。 Codex は used_percent とトークン数を ~/.codex/sessions/ に書き出します。リクエストを定価で換算し、ドル額を使用したパーセンテージポイントで割り、100 を掛けます。それが 1 ウィンドウあたりのドル額になります。これは60 日間の比較記事で使った方法です。
  2. 測定のたびに effort とクライアントのバージョンを記録する。 issue #98679 がその理由を示しています。バージョンの変更と日付の変化は、データ上では区別がつきません。
  3. 対話モードとヘッドレスの実行を分けて記録する。 issue #97074 では両者の間に 1.8 倍の差が測定されました。
  4. 同じ effort で比較する。 どちらのモデルでも、medium と max では 5 倍から 8 倍の差があります。
  5. リセットやリリースのたびに測り直す。 今秋、両社ともモデルのリリースに合わせて上限を動かしています。

検証できなかったことは?

出典

関連記事

この方法を自社の環境にも適用しますか？ プロバイダーの請求書、ゲートウェイログ、主要なワークフローをお持ちください。コスト要因と削減策を整理します。 無料監査を予約 →

finopsllm.com に戻る