GitHub Copilotでは、OpenAIの新しいモデルファミリー「GPT-5.6 Sol」「GPT-5.6 Terra」「GPT-5.6 Luna」が順次利用可能になりました。結論からいえば、既存のリポジトリやCopilot設定を直ちに変更する必要はありません。ただし、モデルごとに得意分野と料金が大きく異なるため、無条件で全モデルを開放するのではなく、日常業務はTerra、軽量作業はLuna、複雑な大規模開発はSolという使い分けが現実的です。
特にCopilot BusinessとCopilot Enterpriseでは、GPT-5.6モデルのポリシーが初期状態で無効です。管理者は、利用プラン、クライアントの対応状況、AIクレジットの予算、生成コードの検証方法を整理してから有効化する必要があります。
なお、本件のGitHub Changelog上の公開日は2026年7月9日です。日本語圏では時差の関係から7月10日前後の更新として扱われる場合があります。(The GitHub Blog)
GitHub CopilotのGPT-5.6対応で何が変わったのか
今回の更新では、単一のGPT-5.6モデルではなく、用途とコストが異なる3つのバリエーションがGitHub Copilotに追加されました。
- GPT-5.6 Sol：大規模コードベースの複雑な推論や、長時間にわたるエージェント処理向け
- GPT-5.6 Terra：日常的な対話型コーディングとエージェント作業向け
- GPT-5.6 Luna：小規模で高速な作業や、コストを抑えたい用途向け
GitHubはSolをGPT-5.6ファミリーで最も高い推論能力を持つモデル、Terraをバランス型、Lunaを軽量かつ低コストなモデルとして位置付けています。3モデルはいずれもGitHub Docs上で一般提供、つまりGAとして掲載されています。(The GitHub Blog)
ここで注意したいのが、モデル追加と既存環境の自動移行は別の話だという点です。今回の公式発表には、既存モデルの強制置換や、利用者全員のデフォルトモデルをGPT-5.6へ変更するとの記載はありません。
「Terraがデフォルト」という表現の読み方
GitHub ChangelogではTerraを「The balanced default」と説明しています。しかし、これはGPT-5.6ファミリー内での日常利用向けモデルという位置付けを示したものと考えるのが安全です。
GitHub Copilotの「Auto」が自動的にTerraを選ぶ、あるいは既存の選択モデルがTerraに変更されるとは明記されていません。2026年7月18日時点の公式ドキュメントでも、Auto model selectionの対象一覧にGPT-5.6 Sol、Terra、Lunaは掲載されていません。したがって、GPT-5.6を確実に試したい場合は、モデルピッカーから明示的に選択する必要があります。(The GitHub Blog)
GPT-5.6 Sol・Terra・Lunaの違い
3モデルの違いは、単純な性能順ではありません。処理する作業の複雑さ、求める応答速度、許容できるコストによって選ぶべきモデルが変わります。
| モデル | GitHubの位置付け | 適した作業 | 避けたい使い方 |
|---|---|---|---|
| GPT-5.6 Sol | Powerful | 大規模リファクタリング、設計判断、複数ファイルにまたがる障害解析、長時間のエージェント処理 | 単純な構文確認、短いコード補完、定型文生成 |
| GPT-5.6 Terra | Versatile | 日常的な実装、テスト作成、コードレビュー、一般的なデバッグ、エージェント作業 | 最低コストを最優先する大量の軽作業 |
| GPT-5.6 Luna | Lightweight | 小さな関数、定型コード、構文質問、簡単な修正、短い説明 | 複雑なアーキテクチャ判断、大規模コードベース全体の解析 |
GitHub Docsでも、Lunaは高速でコスト効率の高い小規模作業、Solは大規模コードベースの複雑な推論、Terraは日常的な対話型・エージェント型コーディングに適したモデルとして整理されています。(GitHub Docs)
Lunaが適する具体例
Lunaは、次のような「正解の範囲が比較的狭い作業」に向いています。
- TypeScriptの型エラーを説明させる
- Pythonの小さな関数に型ヒントを追加する
- 単体テストのひな型を作る
- SQLの簡単な構文を修正する
- READMEの短い説明文を整える
- 既存コードにコメントを追加する
大量の軽量タスクでSolを使うと、必要以上にAIクレジットを消費する可能性があります。速度とコストを重視する作業は、まずLunaで試すのが合理的です。
Terraが適する具体例
Terraは、モデル選択に迷ったときの有力な開始点です。
- 新しいAPIエンドポイントを実装する
- 既存機能のリファクタリング案を作る
- テストコードと実装コードを同時に更新する
- Pull Requestの差分をレビューする
- 複数ステップのエージェント作業を任せる
- コードとドキュメントの不整合を修正する
ただし、Terraを組織全体の標準モデルにする前に、自社の言語、フレームワーク、コーディング規約で出力品質を確認する必要があります。
Solが適する具体例
Solは、推論の深さによって成果が変わりやすい作業で使います。
- モノリスを複数サービスへ分割する計画を立てる
- 大規模な依存関係を追跡して障害原因を特定する
- 複数リポジトリにまたがる変更計画を作る
- セキュリティ上の設計上の問題を分析する
- 長時間のエージェントセッションで実装からテストまで進める
- 大規模コードベースの技術的負債を分類する
Solは高価なモデルです。単に「最も高性能だから」という理由で常用するより、TerraやLunaで十分に解けなかった作業へ限定した方が費用対効果を高められます。
利用できるプランとクライアント
GPT-5.6 SolはCopilot Proでは利用できません。個人利用者がSolを選ぶにはCopilot Pro+またはCopilot Maxが必要です。
| モデル | Copilot Pro | Copilot Pro+ | Copilot Max | Copilot Business | Copilot Enterprise |
|---|---|---|---|---|---|
| GPT-5.6 Sol | 利用不可 | 利用可能 | 利用可能 | 利用可能 | 利用可能 |
| GPT-5.6 Terra | 利用可能 | 利用可能 | 利用可能 | 利用可能 | 利用可能 |
| GPT-5.6 Luna | 利用可能 | 利用可能 | 利用可能 | 利用可能 | 利用可能 |
Copilot FreeとCopilot Studentは、個別のモデルを直接選択するのではなく、Auto model selectionを通じた利用が基本です。(The GitHub Blog)
対応クライアント
GitHubは、次の環境のモデルピッカーでGPT-5.6を選択できると案内しています。
- Visual Studio Code
- Visual Studio
- Copilot CLI
- GitHub Copilot cloud agent
- GitHub Copilot app
- GitHub.com
- GitHub MobileのiOS版とAndroid版
- JetBrains IDE
- Xcode
- Eclipse
ただし、提供は段階的です。同じプランや組織に所属していても、利用者ごとに表示開始のタイミングが異なる可能性があります。(The GitHub Blog)
モデルが表示されないときの確認項目
モデルピッカーにGPT-5.6が表示されない場合は、次の順番で確認すると原因を切り分けやすくなります。
- 契約中のCopilotプランが対象か
- BusinessまたはEnterpriseの管理者ポリシーが有効か
- IDEやCopilot関連機能を最新版に更新しているか
- 新しいチャットセッションを開始したか
- 段階的ロールアウトの対象になっているか
公式ドキュメントでは、VS CodeでGPT-5.6を利用するための最低バージョンとして1.128.0が掲載されています。一方、Visual Studio、JetBrains、Xcode、Eclipseの最低バージョンは、2026年7月18日時点でTBDです。古いクライアントでモデル名だけが表示される場合もあるため、実務では最新版へ更新してから検証するのが安全です。(GitHub Docs)
拡張コンテキストと推論レベルの扱い
GitHub Docsでは、GPT-5.6 Sol、Terra、Lunaが拡張機能の対象モデル一覧に含まれています。拡張機能として説明されているのは、最大100万トークンのコンテキストと、推論レベルの調整です。
ただし、これらの拡張操作を利用できるクライアントは、現時点ではVisual Studio CodeとCopilot CLIに限られます。通常より大きなコンテキストや高い推論レベルを選ぶと、処理するトークンが増え、AIクレジットの消費も増加します。GitHubも、通常の作業では標準コンテキストと標準推論を使い、複雑な作業に限って拡張することを推奨しています。(GitHub Docs)
「100万トークンを使えるから、毎回リポジトリ全体を読み込ませる」という運用は避けるべきです。大規模なコンテキストには、次の問題があります。
- 関係のないファイルまで含まれ、回答の焦点がぼやける
- 入力トークンが増え、コストが上昇する
- 応答時間が長くなる
- 古い実装や生成物を根拠に誤った判断をする
- シークレットや不要な内部情報をコンテキストへ含めるリスクが増える
まず対象ディレクトリ、関連ファイル、再現手順を絞り込み、それでも情報が不足するときに拡張コンテキストを使うのが適切です。
料金体系とAIクレジットへの影響
GPT-5.6の3モデルは、Usage Based Billingの対象です。入力、キャッシュ済み入力、出力の各トークン数に応じて料金が計算され、GitHub AI Creditsへ換算されます。1 AI Creditは0.01米ドルです。
以下は2026年7月18日時点の、100万トークン当たりの公式料金です。
| モデル | 通常時の入力 | キャッシュ入力 | 出力 | Long contextの開始条件 | Long context入力 | Long contextキャッシュ | Long context出力 |
|---|---|---|---|---|---|---|---|
| GPT-5.6 Luna | 1.00ドル | 0.10ドル | 6.00ドル | 入力が200K超 | 2.00ドル | 0.20ドル | 9.00ドル |
| GPT-5.6 Terra | 2.50ドル | 0.25ドル | 15.00ドル | 入力が272K超 | 5.00ドル | 0.50ドル | 22.50ドル |
| GPT-5.6 Sol | 5.00ドル | 0.50ドル | 30.00ドル | 入力が272K超 | 10.00ドル | 1.00ドル | 45.00ドル |
Lunaを基準にすると、通常時の入力・出力単価はTerraが約2.5倍、Solが約5倍です。特に長時間のエージェント処理では、入力だけでなく、生成されるコード、説明、テスト結果などの出力トークンも増えます。Solを全社員へ無制限に開放すると、想定以上にAIクレジットを消費する可能性があります。(GitHub Docs)
なお、GitHub Docsでは、コード補完とNext Edit SuggestionsはAIクレジット課金の対象外で、すべての有料Copilotプランで無制限と説明されています。今回、特に費用を管理すべきなのは、Copilot Chat、CLI、クラウドエージェントなどで長いコンテキストや大量の生成を行うケースです。(GitHub Docs)
既存実装との互換性
リポジトリやアプリケーションコードの変更は原則不要
今回の更新は、GitHub Copilotで選択できるAIモデルの追加です。アプリケーションのランタイム、GitHub Actionsのワークフロー形式、リポジトリ構造、プログラミング言語の仕様を変更するものではありません。
そのため、GPT-5.6が追加されたことだけを理由に、既存コードを書き換えたり、CI/CDを変更したりする必要はありません。また、公式の対応モデル一覧にはGPT-5.5やGPT-5.4なども引き続き掲載されており、今回の発表は既存モデルの廃止通知ではありません。(GitHub Docs)
プロンプトやカスタム指示は再テストが必要
インターフェース上の互換性があっても、モデルを変更すれば出力結果は変わります。
特に次のような指示は、モデルごとの差が出やすい部分です。
.github/copilot-instructions.mdなどのリポジトリ指示- 独自のプロンプトファイル
- カスタムエージェントの指示
- MCPサーバーを使用するツール呼び出し
- 生成コードの出力形式
- JSON、YAML、Markdownなどの厳密なフォーマット
- 「変更してよいファイル」と「変更禁止ファイル」の境界
- テスト実行やシェルコマンドの順序
同じ指示でも、Solは広い範囲を変更しようとし、Lunaは依頼の一部だけを処理する可能性があります。互換性確認では「回答が自然か」だけでなく、差分の大きさ、指示遵守、テスト結果まで確認してください。
GitHub Copilot対応とOpenAI API対応を混同しない
今回の発表対象はGitHub Copilotです。公式Changelogには、OpenAI APIやGitHub Modelsで使用するモデルID、APIエンドポイント、SDK上の識別子は記載されていません。
そのため、GitHub CopilotでGPT-5.6を選べることを根拠に、既存アプリケーションのAPI設定を推測で書き換えるべきではありません。自動化やSDKでモデル名を固定している場合は、その機能の公式ドキュメントで識別子が公開されてから変更してください。(The GitHub Blog)
テスト時に確認すべきポイント
GPT-5.6の評価では、自由な質問を数回試すだけでは十分ではありません。既存モデルと同じ条件で比較できるテストケースを用意します。
| 評価軸 | 確認内容 |
|---|---|
| 正確性 | ビルド、単体テスト、統合テストが成功するか |
| 指示遵守 | 指定したファイルだけを変更しているか |
| 差分品質 | 不要なリファクタリングや依存追加がないか |
| セキュリティ | 認証、認可、入力検証、シークレット処理に問題がないか |
| 保守性 | チームの命名規則や設計方針に合っているか |
| 応答速度 | 実務上許容できる待ち時間か |
| コスト | AIクレジット消費が成果に見合っているか |
| エージェント動作 | 不要なコマンド、ファイル削除、外部通信を行わないか |
公平に比較するための手順
- 比較用のブランチまたは一時リポジトリを作る
- 同じコミットから各モデルのテストを開始する
- 同じプロンプト、同じ添付ファイル、同じカスタム指示を使う
- モデルごとに新しいチャットセッションを作る
- 実行時間、AIクレジット、変更ファイル数、テスト結果を記録する
- 人間によるコードレビューを行う
- 既存モデルを含めて結果を比較する
同一チャット内でモデルを切り替えると、前のモデルが生成した回答や会話履歴が次の結果へ影響します。厳密な比較では、モデルごとに新規セッションを作ってください。
エージェント処理では権限と副作用を確認する
Solは長時間のエージェント作業向けですが、推論能力が高いことと、安全に自律実行できることは同義ではありません。
検証中は、次の管理策を適用します。
- 本番ブランチへの直接書き込みを許可しない
- 自動マージを無効にする
- シークレットへのアクセスを最小化する
- データベース変更は破棄可能な環境で行う
- 外部APIへの書き込みをモック化する
- パッケージ追加やライセンス変更をレビュー対象にする
- 大きな変更は途中でコミットを分けさせる
- 削除コマンドやマイグレーションを人間の承認対象にする
Business・Enterpriseでの管理策
Copilot BusinessとCopilot Enterpriseでは、GPT-5.6モデルのポリシーは初期状態で無効です。利用者が対象プランを持っていても、管理者がCopilot settingsでモデルを許可しなければ選択できません。(The GitHub Blog)
全社開放ではなく、次の順序で段階導入するのが安全です。
一部の利用者だけでパイロットを行う
最初は、次のようなメンバーを対象にします。
- Copilotを日常的に利用している開発者
- コードレビューを担当するテックリード
- AIクレジットの利用状況を記録できる担当者
- セキュリティやライセンスを確認できる担当者
- 大規模リポジトリを扱うチーム
軽作業、日常作業、複雑作業の3種類を用意し、Luna、Terra、Solを比較します。
モデル選択ルールを明文化する
例えば、次のような社内基準を作成できます。
| 作業 | 推奨モデル |
|---|---|
| 構文確認、短い説明、定型コード | Luna |
| 一般的な実装、テスト、レビュー | Terra |
| 大規模解析、設計、複雑な障害調査 | Sol |
| モデル選択を利用者へ任せたくない作業 | Autoまたは管理者指定モデル |
| 本番影響のある自律処理 | 原則禁止または承認制 |
「高性能モデルを自由に使ってよい」というルールだけでは、コストと出力品質の両方を管理できません。モデルの名前ではなく、作業の複雑さを基準にしてください。
予算と利用状況を監視する
BusinessとEnterpriseのAIクレジットは、ユーザー単位の付与分が請求主体の単位でプールされます。利用量が含有枠を超えれば、追加分が従量課金されます。SolやLong contextを開放する場合は、事前に予算上限とアラートを設定し、チーム別・用途別の利用傾向を確認する必要があります。(GitHub Docs)
データ処理方針も確認する
GitHub Docsによると、GPT-5.6の3モデルはOpenAIおよびGitHubのAzureインフラストラクチャでホストされます。OpenAIは顧客のビジネスデータをモデル学習に使用しないとし、GitHubはOpenAIとの間にゼロデータ保持契約があると説明しています。
また、入力と出力には、適用される場合のパブリックコード一致確認や、有害コンテンツを検出するGitHub Copilotのフィルターが引き続き適用されます。組織で有効化する際は、この公式説明に加えて、自社の情報分類、秘密情報、個人情報、委託先管理のルールと照合してください。(GitHub Docs)
GPT-5.6への対応が必要か判断する基準
すぐに変更しなくてもよいケース
次の条件に当てはまる場合、緊急対応は不要です。
- 現在のCopilotモデルで品質に不満がない
- 複雑なエージェント処理を利用していない
- AIクレジットの予算管理が整っていない
- 利用者が少なく、モデル比較の必要性が低い
- 組織のAI利用規程が未整備
既存モデルが直ちに使えなくなる更新ではないため、準備が整ってから評価できます。
LunaまたはTerraを早めに試す価値があるケース
- Copilot Proを利用している
- 日常的な実装コストを下げたい
- 応答速度と品質のバランスを改善したい
- 定型的なコード生成が多い
- エージェント作業を日常業務へ取り入れている
まずLunaとTerraを比較し、Lunaで不足する作業だけTerraへ切り替える運用が分かりやすいでしょう。
Solの導入価値が高いケース
- 大規模なモノレポを扱っている
- 複数サービスにまたがる変更が多い
- アーキテクチャ分析や障害解析に時間がかかっている
- 長時間のクラウドエージェント処理を利用している
- 高コストでも開発時間短縮の効果が上回る
Solを導入する場合は、回答品質だけでなく、作業完了までの総時間と人間のレビュー時間を測定します。1回当たりの単価が高くても、再試行や手戻りが減れば、全体として安くなる可能性があります。
まず実施すべき対応
GitHub CopilotのGPT-5.6更新に対しては、次の順番で対応すると判断を誤りにくくなります。
- 自分または組織のCopilotプランを確認する
- Business・Enterpriseでは管理者ポリシーを確認する
- VS Codeなどのクライアントを最新版へ更新する
- 軽量、標準、複雑の3種類のテスト課題を用意する
- Luna、Terra、Solを同じ条件で比較する
- テスト成功率、変更差分、処理時間、AIクレジットを記録する
- 作業別の推奨モデルと利用上限を決める
- 小規模な利用者グループから段階的に展開する
今回の更新は、単に選択肢が3つ増えたというだけではありません。GitHub Copilotを「常に同じ高性能モデルで動かす」のではなく、作業の難易度に応じて性能とコストを割り当てる運用へ移行する契機です。
日常的な開発はTerra、短く定型的な作業はLuna、複雑な大規模作業はSolを基準にし、実測結果によって調整することが、品質とコストを両立する最も現実的な対応です。
コメント