OpenAI はコーディングの話をしている。私たちは翻訳しか見ていない。
OpenAI は 2026 年 7 月 9 日に GPT-5.6 をリリースしました。命名ルールが変わり、数字は世代を、そして Sol / Terra / Luna は能力ティアを表します。各ティアは独立して進化できます。Sol は推論の上限が最も高く、Terra はバランス型の標準、Luna は速度とコストに振った軽量版という位置づけです。
公式の発表資料はエージェント型コーディングとトークン効率が主役で、ドキュメント翻訳の話は一切ありません。だから私たちは「GPT-5.6 は翻訳がうまい」とオウム返しにする代わりに、OpenAI が答えず、他のどのレビューもデータを持っていない問いに踏み込みました。
3 ティアの価格差は 5 倍あります（Sol は入力 $5 / 出力 $30、Terra は $2.50 / $15、Luna は $1 / $6、いずれも 100 万トークンあたり）。ドキュメント翻訳のために、実際どのティアに課金すべきなのか？
先に結論から。
- クリーンな文書——論文・契約書・技術マニュアル・表——なら Sol を選んでください。 8 シナリオ中 5 つで満点 5.0 を取り、同一価格の GPT-5.5 に明確に勝ります。
- Terra は最も正当化しづらいティアです。 Luna にわずか 0.04 点勝つだけで、品質 1 点あたりのコストは 42% も高くなります。
- スキャン文書には GPT-5.6 を使わないでください。 3 ティアすべてが、OCR エラーからの復元で前世代の GPT-5.5 に劣ります。Terra は誤認識された英単語をそのまま中国語訳の中に写し取ってしまいます。
検証方法
8 つのドキュメントシナリオ。それぞれが特定の弱点を 1 つ突くように設計されています。
| シナリオ | 方向 | 何を試すか |
|---|---|---|
| 学術アブストラクト | EN → ZH | 専門用語、受動態、フォーマルな文体 |
| 法的契約条項 | EN → ZH | 入れ子の長文、精確性、法律用語 |
| コード混在の技術ドキュメント | EN → ZH | バッククォート内の識別子は未翻訳のまま残す |
| 文学作品（魯迅） | ZH → EN | 古典的な語感、リズム、イメージ |
| マンガ対話 | JA → EN | 口語、キャラの語気、文末助詞 |
| Markdown 表 | EN → ZH | 表構造、エラーコード、単位 |
| 長文の用語一貫性 | EN → ZH | 多義語を段落をまたいで一貫して訳せるか |
| OCR ノイズ | EN → ZH | 原文にスキャンの汚れ。誤字を写さず意図を復元すべき |
最初の 5 つは、4 月の DeepSeek V4 レビューとまったく同じ原文をそのまま再利用しています。こうすることで 2 つの評価を時系列で比較できます。後半の 3 つは新規で、BelinDoc ユーザーが実際に直面する場面を狙いました。
7 モデル：GPT-5.6 Sol / Terra / Luna、前世代の GPT-5.5、加えて Gemini 3.1 Pro、Claude Opus 4.8、DeepSeek V4 Pro。
各セルは 3 回ずつ実行し、中央値を採用。 これは聞こえる以上に重要です。1 回だけの呼び出しはサーバー側のばらつきを受けます。サンプル 1 つから結論を出すのは、まぐれ当たりを「発見」として発表するのと同じことです。
ダブルブラインド審査、しかも審査員は出場者ではない。 候補訳は A / B / C… に匿名化し（毎ラウンド独立にシャッフル）、GPT-5.4 と Claude Opus 4.7 が忠実度・流暢度・用語・スタイル・フォーマットの 5 軸で 1〜5 点採点します。どちらの審査員も出場者リストには含まれません——モデルに自分自身を採点させるとバイアスが入ります。これは前回レビューの欠点で、今回修正しました。
168 件すべての生翻訳、全審査員スコア、集計スクリプトは、リポジトリの docs/evaluations/gpt-5-6/ 以下に置いています。
総合ランキング
| 順位 | モデル | 平均 | 忠実度 | 流暢度 | 用語 | スタイル | フォーマット | 1 回コスト | 1 点コスト |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.8 | 4.73 | 4.8 | 4.7 | 4.8 | 4.4 | 5.0 | $0.00366 | $0.00077 |
| 2 | Gemini 3.1 Pro | 4.71 | 4.8 | 4.7 | 4.8 | 4.6 | 4.8 | $0.01222 | $0.00259 |
| 3 | GPT-5.6 Sol | 4.70 | 4.8 | 4.8 | 4.8 | 4.7 | 4.5 | $0.00360 | $0.00077 |
| 4 | GPT-5.5 | 4.54 | 4.7 | 4.4 | 4.6 | 4.3 | 4.7 | $0.00393 | $0.00087 |
| 5 | GPT-5.6 Terra | 4.38 | 4.4 | 4.3 | 4.4 | 4.3 | 4.6 | $0.00161 | $0.00037 |
| 6 | GPT-5.6 Luna | 4.34 | 4.4 | 4.3 | 4.3 | 4.1 | 4.6 | $0.00113 | $0.00026 |
| 7 | DeepSeek V4 Pro | 4.18 | 4.1 | 4.0 | 4.1 | 4.1 | 4.5 | $0.00068 | $0.00016 |
上位 3 モデルの差は 0.03 点で、これはノイズです。「Claude が Sol に勝った」と読まないでください。 意味のある差は、表の下のほうにあります。
1 点コストは、1 回あたりのコストを平均スコアで割った値——品質 1 単位に対していくら払うか、です。
ティアの選び方
Sol：クリーンな文書の正解
Sol は学術アブストラクト・法的条項・技術ドキュメント・Markdown 表・用語一貫性で満点 5.0 を取りました——8 シナリオ中 5 つです。入れ子の法律文や、段落をまたいだ用語の一貫性など、長いコンテキストに負荷がかかる場面でも点を落としません。
弱点はフォーマット（4.5）で、全体でも下から 2 番目です。理由は次の節で説明します。
Terra：説明しづらいティア
| 平均スコア | 1 回コスト | 1 点コスト | 中央値レイテンシ | |
|---|---|---|---|---|
| Sol | 4.70 | $0.00360 | $0.00077 | 4,640 ms |
| Terra | 4.38 | $0.00161 | $0.00037 | 3,598 ms |
| Luna | 4.34 | $0.00113 | $0.00026 | 7,998 ms |
Terra は Sol の半額ですが、0.32 点を手放します。Luna にはわずか 0.04 点しか勝てず、しかも1 点あたり 42% 高い。
ドキュメント翻訳という文脈では、これで居場所がなくなります——品質なら Sol、節約なら Luna。Terra の唯一の実質的な強みは、今回テストした中で最速だったことです（3,598 ms）。要件をレイテンシが支配するなら、そこで存在意義が出ます。
Luna：最安、ただし最速ではない
これが最も直感に反する結果でした。OpenAI は Luna を「速くて安いティア」と位置づけています。確かに最安です——しかし 3 ティアの中で私たちのテストでは最も遅く、中央値レイテンシは 7,998 ms、Terra の 2.2 倍でした。
ただし注意点が 1 つ。すべての呼び出しは同一の第三者中継経路を通しているため、このレイテンシ差はモデルではなくルーティングを反映している可能性があります。とはいえこの経路上では、「Luna＝速い」は成り立ちませんでした。
最大の発見：GPT-5.6 はスキャン文書を GPT-5.5 より下手に扱う
これは単独で取り出す価値のある結果で、BelinDoc ユーザーが最も知っておくべきことです。
私たちは、典型的な OCR の汚れを含む英語原文を用意しました——module が rnodule（r＋n が m に融合）、0.5 が O.5（数字のゼロが英字の O）、inspection が inspecti0n、さらにハイフンでの行末改行が混入しています。
以下は、その汚れた原文を各モデルに「英→簡体字中国語」で翻訳させた実測出力を、一切加工せずそのまま掲載したものです。 誤認識された英単語（rnodule、O.5、inspecti0n）が訳文にどう混入しているかに注目してください。まずは元の英語原文（これも原文ママ）。
The rnodule shall be calibrated at 25 °C be-
fore shipment. Any devi ation greater than O.5 % must
be recorded in the inspecti0n report and signed by the
quality engineer.
まともな翻訳モデルなら、これを「module」「0.5%」「inspection report」と見抜き、意図を訳すべきです——誤字を写してはいけません。
スコア（5 点満点）：
| モデル | 平均 | 忠実度 | 用語 | フォーマット |
|---|---|---|---|---|
| Claude Opus 4.8 | 5.0 | 5.0 | 5.0 | 5.0 |
| Gemini 3.1 Pro | 4.4 | 4.5 | 4.0 | 3.5 |
| GPT-5.5（前世代） | 4.3 | 4.0 | 4.0 | 3.5 |
| GPT-5.6 Sol | 3.4 | 4.0 | 4.0 | 2.0 |
| GPT-5.6 Luna | 3.0 | 3.0 | 1.5 | 3.5 |
| GPT-5.6 Terra | 2.2 | 2.5 | 1.5 | 2.0 |
| DeepSeek V4 Pro | 1.7 | 2.0 | 1.0 | 2.0 |
実際の訳文を見れば一目瞭然です。以下の 4 つは、いずれも**モデルの実測出力そのまま（簡体字中国語、無加工）**です。
Claude Opus 4.8 — すべての汚れを修正：
模块应在出厂前于25 °C下进行校准。任何大于0.5 %的偏差必须记录在检验报告中，并由质量工程师签字。
GPT-5.6 Sol — 「module」と「inspection report」は復元できたものの、O.5 % はそのまま残し、英語のハイフン改行を中国語に持ち込んでいます：
该模块应在 25 °C 下进行校准，然- 后再发货。任何大于 O.5 % 的偏差都必须 记录在检验报告中，并由 质量工程师签字。
GPT-5.6 Terra — 誤認識された英単語を、中国語訳の中にそのまま残しています：
该 rnodule 应在 25 °C 下进行校准，然 后再发货。任何大于 O.5 % 的偏差都必须记录在 inspecti0n report 中，并由 质量工程师签字。
GPT-5.6 Luna — 同じ失敗：
该 rnodule 应在发货前于 25 °C 下进行校准。任何大于 O.5 % 的偏差都必须记录在 inspecti0n report 中，并由质量工程师签字。
Sol の 然-\n后 は、フォーマットスコアが 4.5 にとどまった理由でもあります——原文のレイアウトのノイズを、保持すべきフォーマットだと誤解したのです。
というわけで、スキャン・写真・OCR された PDF を翻訳するなら、GPT-5.6 のどのティアも良い選択ではありません。 Claude Opus 4.8 を使ってください。どうしても OpenAI 内に留まる必要があるなら、前世代の GPT-5.5 のほうが安全です。
同じ価格、新しい世代：GPT-5.5 を使い続ける理由は残っているのか？
GPT-5.5 と GPT-5.6 Sol はまったく同じ定価です：入力 100 万トークン $5、出力 100 万トークン $30。
Sol は 4.70、GPT-5.5 は 4.54。シナリオ別に見ると、Sol は法務（5.0 対 4.3）、技術ドキュメント（5.0 対 4.6）、表（5.0 対 4.6）、用語一貫性（5.0 対 4.5）で明確に上回っています。
同じ料金で、より高い品質。ただしスキャンを除いて、です。
だからこそ前の節は独立して成立します：GPT-5.5 がいまだに優れている唯一の仕事は、その後継が後退した仕事なのです（4.3 対 3.4）。
ベンダー横断：お金は実際どこに消えるのか
1 点あたりコストで並べ替えると、絵は完全に変わります。
| モデル | 平均スコア | 1 点コスト | Sol 比 |
|---|---|---|---|
| DeepSeek V4 Pro | 4.18 | $0.00016 | 79% 安い |
| GPT-5.6 Luna | 4.34 | $0.00026 | 66% 安い |
| GPT-5.6 Terra | 4.38 | $0.00037 | 52% 安い |
| GPT-5.6 Sol | 4.70 | $0.00077 | — |
| Claude Opus 4.8 | 4.73 | $0.00077 | 同額 |
| GPT-5.5 | 4.54 | $0.00087 | 13% 高い |
| Gemini 3.1 Pro | 4.71 | $0.00259 | 236% 高い |
2 点、目を引きます。
Claude Opus 4.8 と Sol は、品質 1 点あたりのコストが同じ——ですが Claude のほうが総合スコアが高く、フォーマットで 5.0、OCR で 5.0 を取ります。同じ料金で、より穴のないモデルが手に入ります。
Gemini 3.1 Pro はここで最も高価です。 定価（$2 / $12）は Sol を下回りますが、1 回あたり平均 995 出力トークンを吐き、うち 917 が推論トークン——そして推論トークンは出力レートで課金されます。品質では正当に 2 位ですが、1 点あたりのコストは Sol の 3.4 倍です。
DeepSeek V4 Pro はダントツで最安、Sol の 1 点コストの 5 分の 1 です。代償は総合最下位（4.18）と OCR での崩壊（1.7、全体で最悪）。大量・低リスク・クリーンなテキストなら無敵のコスパです。スキャンには絶対に向けないでください。
余談：並列実行下での安定性
168 件の翻訳呼び出しを並列度 12 で一斉に投げました：失敗ゼロ、リトライゼロ、159 秒で完了。
これをわざわざ書くのは、「モデル X の API は不安定」という話が、たいてい 1〜2 回の運の悪い呼び出しを根拠に繰り返されるからです。各セル 3 回・計 168 回——この経路がこの並列度で安定していると言い切るには、それだけの試行が必要でした。
失敗 1 回でモデルが不安定だと証明できないのは、成功 1 回で安定だと証明できないのと同じことです。
結論と限界
選び方：
- 論文・契約書・技術マニュアル・表を含む文書 → GPT-5.6 Sol
- スキャン・写真・OCR された PDF → Claude Opus 4.8（次点：GPT-5.5）
- 大量・コスト重視・クリーンな原文 → GPT-5.6 Luna または DeepSeek V4 Pro
- レイテンシが最重要 → GPT-5.6 Terra（最速、そしてそれが唯一の武器）
- すでに GPT-5.5 を使用中 → Sol にアップグレード、同じ価格でより良い出力——ただしスキャンを除く
このレビューが証明していないこと：
- コーパスは 8 つの短い文章であり、フルサイズの文書ではありません。実際の 100 ページの PDF には、アテンションの減衰、ページをまたぐ表、本文に挟まる図キャプションが加わります。短サンプルの結果は 1 対 1 では当てはまりません。
- すべての呼び出しは 1 つの第三者中継経路を通っています。レイテンシはその経路を反映しており、ベンダー直結の値ではありません。
- 審査員は LLM であり、人間の翻訳者ではありません。LLM 審査員は忠実度や用語のような検証可能な軸ではそれなりに信頼できますが、「スタイル」はより慎重に扱ってください。
- これは 1 回の評価であり、継続的なベンチマークではありません。モデルは変わり、結論は賞味期限を迎えます。
❓ よくある質問（FAQ）
GPT-5.6 の Sol・Terra・Luna は何が違うのですか？
同じ世代の 3 つの能力ティアであり、3 つのバージョンではありません。Sol は推論の上限が最も高く 100 万トークンあたり入力 $5 / 出力 $30、Terra はバランス型で $2.50 / $15、Luna は軽量で $1 / $6 です。私たちの 8 つのドキュメント翻訳シナリオでは、それぞれ 5 点満点中 4.70、4.38、4.34 を記録しました。
ドキュメント翻訳にはどの GPT-5.6 ティアを使うべきですか？
クリーンな文書——論文・契約書・技術マニュアル・表——には Sol を使ってください。8 シナリオ中 5 つで満点 5.0 を取ります。大量かつコスト重視の作業には Luna が適しており、Terra に品質でわずか 0.04 点しか劣らず、1 点あたりのコストは 42% 安く済みます。Terra の唯一の強みは速度（中央値レイテンシ 3,598 ms）です。スキャン文書には、3 ティアのいずれも良い選択ではありません。
翻訳では GPT-5.6 は GPT-5.5 より優れていますか？
たいていは、はい。両者は 100 万トークンあたり $5 / $30 という同一の定価で、Sol が 4.70、GPT-5.5 が 4.54 を記録し、法的条項・技術ドキュメント・表・用語一貫性で明確に勝ります。唯一の例外はスキャンテキストの OCR エラー復元で、ここでは GPT-5.5 のほうが実際に強い（4.3 対 3.4）です。
GPT-5.6 でスキャン PDF は翻訳できますか？
できますが、その出来は良くありません。OCR の汚れを含む原文では、3 ティアのスコアは Sol 3.4、Luna 3.0、Terra 2.2——いずれも前世代 GPT-5.5 の 4.3 を下回りました。Terra と Luna は rnodule や inspecti0n のような誤認識された英単語を、そのまま訳文に写してしまいます。スキャンには、このシナリオで満点 5.0 を取った Claude Opus 4.8 を使ってください。
翻訳で GPT-5.6 は Claude Opus 4.8 や Gemini 3.1 Pro より優れていますか？
総合スコアは Claude Opus 4.8 が 4.73、Gemini 3.1 Pro が 4.71、GPT-5.6 Sol が 4.70 で、差はノイズと言えるほど小さく、品質だけで勝るモデルはありません。ただし Claude は 1 点コスト（$0.00077）で Sol と完全に並びながら、フォーマットと OCR の両方で満点 5.0 を取ります。Gemini 3.1 Pro は推論トークンの多用により、1 点あたり Sol の 3.4 倍のコストがかかります。
GPT-5.6 でドキュメントを翻訳するといくらかかりますか？
公式 API 価格では、本レビューで計測した短い文書 1 回の翻訳は、Sol で約 $0.00360、Terra で $0.00161、Luna で $0.00113 でした。比較として Claude Opus 4.8 は $0.00366、DeepSeek V4 Pro はわずか $0.00068 です。実運用のコストは、文書の長さと出力トークン数に比例して増えます。
GPT-5.6 Luna は本当に最速のティアですか？
私たちのテストでは違いました。Luna の中央値レイテンシは 7,998 ms——3 ティアで最も遅く、Terra の 3,598 ms のおよそ 2.2 倍でした。ただしすべての呼び出しは同一の第三者中継経路を通しているため、この差はモデル自体ではなくルーティングを反映している可能性があります。
自分のドキュメントで試す
このレビューが使ったのは 8 つの短い文章です。あなたのドキュメントはもっと長く、もっと厄介なはず——番号付き条項の契約書、数式と図が入った論文、品質のばらつきが激しいスキャン。
判断する最善の方法：自分のドキュメントをアップロードして比べる。
👉 PDF / EPUB / Word をアップロードして翻訳を始める
BelinDoc なら翻訳モデルをその場で切り替えられ、原文レイアウトを保ったまま、1 回のアップロードで同じファイルに複数モデルを並べて比較できます。
🔗 関連記事
- [レビュー] 📊 DeepSeek V4 ドキュメント翻訳ガチ検証：V3.2 / GPT-5.4 / Claude 4.7 / Gemini 3 Pro 比較
- [レビュー] 📊 GPT-5.2 ドキュメント翻訳レビュー
- [レビュー] 📊 Gemini 3 Pro 翻訳性能レビュー
- [ガイド] 🎯 ドキュメント種別ごとの AI モデル選択ガイド
- [スキャン] 🔍 スキャン PDF を翻訳する：OCR 認識エラーを直すガイド
