Codexで選べるモデル一覧
Codexで選べる主なモデルは、GPT-6 Astra、GPT-5.6系のSol・Terra・Lunaと、リアルタイムのコーディングに特化した5.3 Codex Sparkです。Astraはコード、調査、アプリ、コンピューター操作をまたぐ最難関の作業向けです。Sol・Terra・Lunaは同じGPT-5.6系でも、能力、速度、使用量を抑えやすいかどうかで位置づけが異なります。
GPT-6 AstraはPlus・Pro・Business・Enterpriseへの展開を完了しています。GPT-5.6の3モデルは同じ4プランで選択でき、Free・GoではTerraのみを利用できます。モデルを選択できるプランで迷った場合はSolを品質の基準点にし、日常作業ならTerra、内容が明確な反復作業ならLunaへ寄せます。Solでも判断の質が足りない複数工程はAstraを検討してください（2026年9月9日時点、出典: openai.com、x.com）。
| モデル | モデルID | 位置づけ | 向いている作業 |
|---|---|---|---|
| GPT-6 Astra | gpt-6-astra | 最難関の複数工程向け | 大規模な開発、深い調査、アプリやブラウザをまたぐ作業 |
| 5.6 Sol | gpt-5.6-sol | GPT-5.6の旗艦モデル | 曖昧な改修、深い調査、設計判断、仕上がりを重視する文書 |
| 5.6 Terra | gpt-5.6-terra | 能力と速度の均衡を取る常用モデル | 日々の実装、レビュー、ツールを使う一般的な作業 |
| 5.6 Luna | gpt-5.6-luna | 高速で使用量を抑えやすいモデル | 抽出、分類、変換、定型要約、大量の反復処理 |
| 5.3 Codex Spark | gpt-5.3-codex-spark | 応答の速さを重視したテキスト専用の研究プレビュー | 対話しながら短い変更を重ねるリアルタイムのコーディング |
たとえば、複数のシステムをまたぐ大規模な改修にはAstra、原因が特定できていない障害調査にはSol、仕様が決まったAPI追加にはTerra、数百ファイルから項目を抜き出す処理にはLunaが候補になります。SparkはProユーザー向けの研究プレビューであり、テキスト専用という制約があるため、通常の既定モデルではなく、即時性が成果を左右する対話型作業の選択肢として扱います。
Solを選べるプランでは、OpenAIの標準のPower設定はSolをmediumのreasoning effortで動かします。モデル選びに確信がない段階で細かく固定するより、この組み合わせを基準にして、実際の結果と待ち時間を見ながら動かすほうが無理がありません。Free・GoではTerraを基準にします。Astraは対象4プランへの展開を完了していますが、Enterpriseでは開始時点で無効になっており、管理者による有効化が必要です。各モデルの提供状況は変わりやすいため、利用前にOpenAI公式のモデル一覧も確認してください。
本記事はCodex内のモデル選択だけを扱います。
関連記事：Codexとは？OpenAIのコーディングAIエージェントの仕組み・使い方・料金を徹底解説
作業別に見るCodexで使えるモデルのおすすめ
モデルを選ぶときは、単純な性能順ではなく「作業の曖昧さ」「正解の定義しやすさ」「同じ処理を繰り返す量」の3点を見ます。難しさだけで判断すると、指示が明確な作業にもSolを使い続け、応答時間や使用量を余分に使いがちです。次の表では、実際にCodexへ渡す作業を起点に、最初に試すモデルを整理します。
| 作業 | 最初に試すモデル | 選ぶ理由 |
|---|---|---|
| 複数のアプリやツールをまたぐ最難関の作業 | GPT-6 Astra | 長い工程を追いながら、調査・判断・実行をつなぐ必要がある |
| 原因が見えない不具合の調査 | 5.6 Sol | 複数の仮説を立て、調査と判断を重ねる必要がある |
| 大規模な設計変更や横断的な改修 | 5.6 Sol | 影響範囲とトレードオフを読み解く深さが要る |
| 仕様が固まった機能実装 | 5.6 Terra | 十分な推論力を保ちながら日常作業を回しやすい |
| コードレビューやテスト追加 | 5.6 Terra | ツール利用と速度の釣り合いを取りやすい |
| データ抽出や分類、形式変換 | 5.6 Luna | 完了条件が明確で、同じ型の処理を大量に実行しやすい |
| 短い修正を対話しながら重ねる | 5.3 Codex Spark | 返答の速さを優先したリアルタイムの反復に向く |
実務上は、タスクの大きさよりも「よい結果を一文で定義できるか」と「何種類のツールや判断をまたぐか」が分かれ目です。完了条件を具体的に書けるならTerraやLunaから始め、前提を調べないと完了条件そのものを決められないならSolを選びます。調査、コード、ブラウザ、アプリ操作を長い工程としてつなぐ必要があるならAstraが候補です。
GPT-6 Astra｜最難関の複数工程に使う
GPT-6 Astraは、ソフトウェア開発だけでなく、調査、ブラウザ、アプリ、コンピューター操作をまたぐ複雑な作業を進めるモデルです。OpenAIは、GPT-5.6 Solより強いコーディング性能に加え、長いタスクで要件や検証結果を追い続ける能力を案内しています（出典: openai.com）。
ただし、Astraをすべての作業の既定にする必要はありません。Plus・Pro・Business・Enterpriseへの展開は完了しており、既存の利用枠に含まれる一方、タスクの大きさやreasoning effortに応じて使用量が変わります。TerraやSolで完了条件を満たせない最難関の作業に絞ると、待ち時間と使用量に対する効果を判断しやすくなります。
5.6 Sol｜曖昧で高価値な作業の基準にする
SolはGPT-5.6世代の旗艦モデルで、複雑なコーディング、コンピューター操作、調査、サイバーセキュリティに強みがあります。仕様書に答えが書かれていない設計判断、複数のサービスにまたがる障害、既存コードの意図を読み解いてから進める改修など、分析と判断を多く含む作業に向きます。
一方、変更箇所と期待結果が明確な作業では、Solの深さを使い切れません。公式も、狭いタスクでは完了条件を定義して作業を集中させるよう勧めています。Solを「常に最良のモデル」と捉えるのではなく、曖昧さを解消する力へ投資するモデルと考えると選びやすくなります。
5.6 Terra｜日常作業の基準にする
Terraは、強い推論とツール利用を保ちつつ、Solほどの深さが不要な日常作業に向くモデルです。OpenAIはeveryday workの実用的なオールラウンダーと位置づけ、以前GPT-5.5へ任せていた作業の自然な移行先として案内しています。
仕様が決まった機能追加、既存パターンに沿うリファクタリング、テスト作成、差分レビューなどでは、まずTerraを試すと能力と速度の釣り合いを確認できます。結果が浅いからとすぐSolへ上げるのではなく、必要なファイルや受け入れ条件を渡せているかも見直します。
5.6 Luna｜明確な反復作業を速く回す
Lunaは、何をもって完了とするかが明確な大量処理に向きます。OpenAIが例示する抽出、分類、変換、構造化要約のほか、命名規則に沿った機械的な置換や、同じ形式のファイルを多数処理する場面が候補です。
ただし、作業量が多いことと難しいことは同じではありません。大量のファイルを対象にしていても、例外処理や設計判断が多いならTerraやSolが適します。Lunaへ渡す前に、入力、出力形式、例外時の扱いを固定できるかを確認してください。
5.3 Codex Spark｜即時性が必要な反復に限る
Codex Sparkは、ほぼ即時のコーディング反復を狙ったテキスト専用モデルです。短い変更を試し、結果を見て次の指示を返すような対話では、待ち時間の短さが作業テンポを保ちます。
一方で、研究プレビューであり、利用条件と機能範囲が推奨3モデルとは異なります。長い調査や画像を含む作業の常用先にせず、速度が成果へ直結する短い反復で限定的に使うのが安全です。
AIエージェントを「どう作り、どう育てるか」を、GiftX記事制作エージェントの実物で解説。
モデル選択は品質・速度・使用量の3軸で決める
モデル名だけを見ても、自分の作業でどれを選ぶかは決まりません。判断を安定させるには、期待する品質、待てる時間、繰り返す量を同じ順序で確認します。1回ごとに感覚で切り替えるより、チームで共通の判断軸を持つほうが、結果のばらつきも抑えられます。
品質｜曖昧さと判断の多さを見る
品質を優先する場面では、単に成果物の影響が大きいかではなく、途中で必要になる判断の数を見ます。正解が1つに定まらない設計、原因候補が多い不具合、複数の資料を統合する調査はSol向きです。そこに複数のアプリやツールをまたぐ長い実行工程が加わるならAstraを検討します。反対に、完成形の例やテスト条件を渡せるなら、Terraでも品質を保ちやすくなります。
モデルを上げる前に、作業の目的、参照すべきファイル、触らない範囲、検証方法が指示に含まれているかを確認します。情報不足はモデルの能力だけでは補えず、上位モデルにしても誤った前提を丁寧に展開するだけになる場合があります。
速度｜1回の速さではなく待ち時間の総量を見る
速度を優先するときは、1応答の時間とやり直し回数を合わせて考えます。Lunaで速く返っても判断不足で何度も修正するなら、Terraを1回使ったほうが早く終わります。逆に、出力形式が固定された処理にSolを使うと、深い検討が不要な部分まで待つことになります。
対話のテンポ自体が重要ならSparkも候補ですが、機能や利用条件が限定されています。通常作業はTerraまたはLunaで評価し、リアルタイムの短い反復だけSparkへ分けると運用が複雑になりません。
使用量｜高性能モデルの固定を避ける
使用量を抑える基本は、完了条件が明確な作業をTerraやLunaへ下げ、AstraやSolを難所に絞ることです。特に抽出や分類を大量に回す場合、1件の差が全体へ積み上がります。最初に少量のサンプルで品質を確認し、条件を満たしたモデルで全件を処理すると、失敗の大量生産も防げます。
ここではモデル別の料金表は扱いません。プランや利用形態を含む費用の考え方は「Codexは無料で使える？無料枠の上限と料金プラン・有料移行の判断軸」で確認できます。
reasoning effortとモデルの役割を分ける
Codexにはモデルとは別に、1回の作業へどれだけ推論を使うかを決めるreasoning effortがあります。モデルは能力や速度の性質を選ぶ軸で、effortは選んだモデルに考えさせる深さを調整する軸です。同じTerraでも、範囲が狭い作業はlow、複数手順がある作業はmediumやhighというように動かせます。
OpenAIは、必要な結果が得られる最も低いeffortを使い、計画、分析、確認が増える作業だけ引き上げる方針を示しています。まず既定で試し、結果を見て1段階ずつ動かすと、モデル変更との切り分けがしやすくなります。（出典: openai.com）
| reasoning effort | 向いている作業 | 選ぶ目安 |
|---|---|---|
| low / light | 短く範囲が限定された作業 | 手順と完了条件が明確で、深い検討が要らない |
| medium | 日常的な複数手順の作業 | 速度と推論の深さを両立したい。Solの既定値でもある |
| high / extra high | 難しい多段階の作業 | 複数の情報源、検証、トレードオフの比較が必要 |
| max | 単一の最難関タスク | 速度や使用量より、1つの問題を深く考えることを優先 |
| ultra | 分割できる大きな作業 | 独立した部分をサブエージェントへ分けて並行処理できる |
たとえばTerraがテスト実行を省いたなら、モデルをSolへ変える前にeffortを上げ、確認へ使う手数を増やす余地があります。一方、十分に調べているのに設計判断の筋が悪い場合は、effortだけでなくSolへの変更を検討します。
Maxは選んだモデルに単一タスクを深く考えさせ、Ultraは分割できる作業を複数のサブエージェントで進めます。どちらも最難関向けであり、OpenAIは大半の作業には不要と説明しています。通常はmediumを基準にし、難所だけhigh以上へ上げる運用で十分です。
Astraの長いタスクではコンテキスト保持も確認する
Astraでは、コンテキストウィンドウが埋まったときに、Codexが作業メモを保持し、過去の会話やツール出力を検索して必要な情報を取り出す実験的な仕組みも案内されています。従来の要約だけに頼る方法より、長いデバッグや大規模な改修で要件や失敗理由を追いやすくする機能です。
この機能は2026年9月4日時点では、対応するCodexクライアントへChatGPT PlusまたはProでログインし、config.tomlから有効にする実験機能です。開始時点ではBusiness、Enterprise、APIキー認証は対象外で、今後Astraの既定になる予定です。Astraを選ぶことと機能を有効にすることは別なので、長いタスクで使いたい場合は公式のCodex設定案内と現在の提供状況を確認してください（出典: openai.com）。
旧モデルからGPT-5.6系へ移行する
移行先はTerraとLunaを基準にする
ChatGPTでサインインしてCodexを使う場合、GPT-5.4とGPT-5.4 miniは2026年8月31日にCodexでの提供を終了しました。OpenAIは、保存済み設定、カスタムエージェント、スケジュールされたタスクにあるGPT-5.4をTerraへ、GPT-5.4 miniをLunaへ置き換えるよう案内しています。
GPT-5.5を使っていた日常作業は、まずTerraで試します。公式もTerraをGPT-5.5からの自然な移行先としています。GPT-5.2とGPT-5.3-Codexは、ChatGPTサインインのCodexではすでに非推奨です。なお、2026年8月31日の終了はOpenAI APIやAPIキー認証のCodexには影響しません。APIで使えるモデルは別途、最新のモデル一覧を確認する必要があります。
代表タスクで品質を再評価する
移行時は、モデル名を置き換えて終わりにしないことが重要です。同じ代表タスクを少量実行し、結果の品質、所要時間、使用量を比較します。GPT-5.6系では旧世代とeffortの対応が厳密に一致しないため、使い慣れた作業を低めの設定から試し、必要なところだけ上げます。
config.tomlでモデルを指定する手順は、本記事の主題ではありません。設定箇所や優先順位は「Codexの設定ガイド｜config.tomlの主要項目と使い方」で詳しく解説しています。
迷ったときに使えるモデル選択フロー
モデルを選び切れないときは、最初から全タスクの既定値を固定せず、1件の代表タスクで段階的に判断します。以下の順序にすると、モデルとeffortを同時に動かして原因が分からなくなる事態を避けられます。
- まずSolとmediumで、期待する完成形を確認します
- 完了条件を一文で定義できる日常作業ならTerraを試します
- 同じ型を大量に繰り返す作業ならLunaでサンプルを処理します
- 確認や検証の手数が足りなければ、モデルは変えずeffortを1段階上げます
- 十分に手数をかけても判断の質が足りなければSolへ戻します
- Solでも難しい複数工程や、アプリをまたぐ最難関の作業ならAstraを検討します
- 即時性が成果に直結する短い対話型作業だけSparkを検討します
この流れでは、Solを品質の基準点、Terraを常用候補、Lunaを定型処理候補、Astraを最難関の複数工程向けとして扱います。一度決めたモデルをすべての作業へ固定するのではなく、代表タスクごとに結果を記録し、同じ種類の作業へ再利用してください。
全国8,000人調査で、AIの活用方法によって生産性向上に約3.8倍の差が生まれることが判明。
Codexを業務へ導入するときに陥りがちな3つの落とし穴
モデルを使い分けられても、Codexを組織の作業へ定着させられるとは限りません。モデル選択は導入設計の一部であり、任せる範囲や検証方法が曖昧なままでは、性能差を評価することも難しくなります。ここでは、試行段階で起きやすい3つの詰まり方を整理します。
落とし穴1｜いきなり全てをやろうとする
最初から複数の作業やシステム連携をまとめて任せると、期待した結果にならなかった原因を特定できません。モデルが合わないのか、指示や参照情報が不足しているのか、検証手順に問題があるのかが混ざります。まずは入力と完了条件を定義できる1業務に絞り、Sol・Terra・Lunaの差を同じ条件で確かめる必要があります。
落とし穴2｜壮大なAI戦略から考えて手が止まる
全社のモデル利用方針や最適な構成を最初に決め切ろうとすると、検討している間にも推奨モデルが更新されます。現行のモデル名を長期計画の中心に置くのではなく、代表タスク、評価基準、切り替え条件を先に決めます。モデルが更新されても同じ評価手順を使える状態にしておくほうが、変更へ追随しやすくなります。
落とし穴3｜既製品のチャット型AIでは業務フローに組み込めるレベルの質に届かない
チャット上で1回よい回答が出ても、実際のファイル取得、処理、確認、記録までつながらなければ継続運用にはなりません。プロンプトの工夫だけで補おうとすると、担当者が毎回データを集め、結果を転記する状態が残ります。Codexへ何を任せ、どこを人が承認し、どのシステムへ結果を戻すかまで設計して初めて、モデルの能力を業務フローへ組み込めます。
スモールスタートで1業務をAIエージェントに任せる
現実的な進め方は、頻度が高く、入力と完了条件を説明できる1業務から始めることです。1業務に絞れば、モデルやeffortを変えたときの品質、所要時間、手戻りを比較できます。基準を満たしたあとで対象を広げれば、モデル更新があっても評価の型を再利用できます。
Codexの導入では、最初から全体最適を目指すのではなく、スモールスタートで1業務をAIエージェントに任せ、結果を測りながら自動化・効率化することがポイントです。GiftXでは、対象業務の選定からPoC、本番運用までを1業務単位で支援しています。具体的な進め方はAIエージェント構築支援サービスをご覧ください。
Codexのモデル選びに関するよくある質問
Codexでおすすめのモデルはどれですか
Plus・Pro・Business・Enterpriseでは、まず5.6 Solとmediumの組み合わせを品質の基準点にします。日常的な実装やレビューはTerra、抽出や分類など完了条件が明確な大量処理はLunaへ切り替え、複数のアプリやツールをまたぐ最難関の作業はGPT-6 Astraを検討します。Free・GoではTerraが利用モデルです。
GPT-6 Astraはどのプランで使えますか
CodexのGPT-6 Astraは、Plus・Pro・Business・Enterpriseへの展開を完了しています。ただしEnterpriseでは管理者がモデルアクセスを有効にする必要があり、クライアントが古い場合も表示されないことがあります。利用枠は既存のWork・Codex枠に含まれ、追加利用はクレジットの対象です（2026年9月9日時点、出典: openai.com、x.com）。
Sol・Terra・Lunaの違いは何ですか
Solは複雑で曖昧な作業の分析と仕上がり、Terraは日常作業での能力と速度の均衡、Lunaは明確な反復作業の速さと使用量の抑えやすさに重点があります。同じGPT-5.6系でも、作業の難しさだけでなく、完了条件を定義できるかで使い分けます。
5.3 Codex Sparkは誰でも使えますか
2026年9月4日時点では、ChatGPT Proユーザー向けの研究プレビューです。テキスト専用で、ほぼ即時のリアルタイムなコーディング反復を目的としています。提供条件は変わる可能性があるため、利用時点の公式モデル一覧を確認してください。
config.tomlでモデルを指定する方法はありますか
Codex CLI、IDE拡張、ChatGPTデスクトップアプリは共通のconfig.tomlを使い、model項目で既定モデルを指定できます。具体的な記述方法や設定の優先順位は「Codexの設定ガイド」にまとめています。
ChatGPTとCodexのモデルは同じですか
ChatGPTとCodexでは、モデルの選択画面や推奨モデル、利用目的が同じとは限りません。製品そのものの役割や利用場面の違いは「ChatGPTとCodexの違いを比較｜使い分けと選び方」をご覧ください。
モデル別の料金はどこで確認できますか
費用は利用プラン、ChatGPTクレジット、API認証などの使い方で見方が変わります。本記事ではモデル選択の判断軸に絞っているため、料金の詳細は「Codexは無料で使える？無料枠の上限と料金プラン・有料移行の判断軸」で確認してください。
まとめ
Codexのモデルを選べるプランでは、最難関の複数工程はGPT-6 Astra、迷ったときの品質基準はSol、日常作業はTerra、明確な反復作業はLunaを候補にします。Free・GoではTerraを利用します。Sparkは即時性を優先するテキスト専用の研究プレビューであり、通常の常用モデルとは分けて考えます。
結果が足りないときは、モデルの能力不足と、確認に使う手数の不足を切り分けます。後者ならreasoning effortを上げ、十分に調べても判断の質が足りなければSolへ、長い複数工程をまたぐ必要があればAstraへ上げます。旧モデルを固定している場合はGPT-5.6系への移行先を決め、代表タスクで品質と速度を測ってから広げるのが安全です。
Codexを自社業務へ組み込みたい方へ
本記事で紹介したCodexのモデル選択を踏まえて、自社の業務でも具体的に進めたい・相談したいとお考えの方は、ぜひGiftX AIエージェント構築支援までお問い合わせください。
GiftX AIエージェント構築支援では、貴社の業務に合わせて1業務単位のスモールスタートから本番運用まで、AIエージェント構築をワンストップで支援します。ユースケースの洗い出しから、PoC、本番運用、社内ナレッジ化まで伴走します。
AI活用にご関心のある方は、ぜひ一度ご相談ください。
▶ GiftX AIエージェント構築支援の詳細・お問い合わせはこちら
