新しいモデルがリリースされるたびに、いつもの使い古された議論が巻き起こる。評論家たちはこぞって勝者を決めつけ、前世代のモデルはもう死んだと宣言する。GPT-5.6 LunaがTerraやSolと並んで登場した今、その筋書きは自ずと決まっている。Lunaは十分に安価で、Terraを無意味にするほど有能である、というものだ。しかし、これは間違いである。Lunaは高価でもある。コーディングエージェントにどのモデルを採用するかは、美のコンテストでも、チームのアイデンティティでも、ベンチマークの競馬でもない。それは「運用ポリシー」なのだ。この違いを理解しているチームは、あらゆるリクエストに最強のモデルをデフォルトとして使うチームよりも、コストを抑え、より速く動き、より少ないミスで済ませることができる。
デフォルトは「要件を満たす最も安価なツール」にすべきである
Lunaはバリュー層であり、それは決して控えめな褒め言葉ではない。Lunaは、範囲が限定され、明示的で、容易なタスクにおいて真価を発揮する。分類、要約、短いコードの編集、そして一次調査などを思い浮かべてほしい。エージェントがサポートチケットを解析して優先度のラベルを割り当てる際、Lunaで十分である。数個のファイルにわたって変数名を変更したり、git diffの1段落の要約を作成したりする場合も、Lunaで十分だ。これらは、スコープが狭く、入力が明確で、客観的に検証可能な出力を伴う仕事である。
ゲームのルールを変えるのは、その経済的効果だ。Lunaは安い。大量に利用する場合、自動化は「高価な儀式」から「インフラ」へと変化する。トークン数を数えるのをやめ、スループットを測定し始めるのだ。ルーチンワークの80%をこなす安価なモデルは、残りの5%が結果に影響を与えないのであれば、85%をこなす高価なモデルよりも価値がある。もしLunaが2秒でユニットテストを生成し、Terraが5倍のコストをかけて8秒でわずかに綺麗なテストを生成する場合、誰かが全行を注意深く監査していない限り、計算は合わない。ほとんどの場合、誰もそんなことはしない。ほとんどの仕事は範囲が限定されているのだから、限定的な作業においてはLunaをデフォルトにすべきなのだ。
境界が曖昧になったらエスカレーションせよ
Terraは役に立たないわけではない。Terraはエスカレーション層であり、境界が明確でないタスクにおいてその価値を証明する。目標が不明確な場合や、デプロイパス、モジュールを跨ぐ変更、インシデントのトリアージといった複雑なシステムが絡む作業にはTerraを使用せよ。フィーチャーフラグを用いてステージング、カナリア、本番環境を縫うように進むデプロイパスには、整った仕様書など存在しない。請求ロジックに触れ、レポート作成パイプラインへと静かに波及していくリファクタリングは、限定的なタスクではない。ログがAPIタイムアウトを叫んでいるが、根本原因が前四半期のマイグレーションスクリプトにあるような本番インシデントには、判断力が必要だ。
Terraはその判断力を提供する。Terraは症状と原因を切り分ける。Lunaは出血を止めるためにリトライループをパッチするかもしれない。しかしTerraは、そもそもリトライループが存在すべきなのか、あるいは根本的なタイムアウトのアーキテクチャこそが真の問題ではないかと問いかける。誤った修正が一時的な低速化を連鎖的な障害（cascading failure）に変えてしまう可能性があるとき、この違いは決定的な意味を持つ。エンジニアの丸一日のリカバリー作業を救えるのであれば、たった一度の誤った本番マイグレーションを防ぐ強力なモデルは、その価格に見合う価値がある。一度の障害回避は、数ヶ月分のエスカレーションコストを賄う。
Solは「保険」であり、「日常使い」ではない
Solは、追加の能力がその高いコストを正当化できるケースのために存在する。ハイリスクなレビューやアーキテクチャの変更に使用せよ。認証フローの再構築、データベースのシャーディングの再設計、あるいは決済ゲートウェイに触れるプルリクエストの承認などは、日常的に起こることではない。それらは「イベント」である。Solをデフォルトにしてはならない。Solは例外ハンドラであるべきであり、失敗のコストが安価なモデルでは到底賄いきれない場合にのみ召喚されるべきものだ。
最もリスクの高いカテゴリーについては、Solを決定論的な検証器（deterministic verifier）と組み合わせるべきだ。Solにはスキーマ変更を提案させたり、アーキテクチャのトレードオフを考察させたりする。一方で、機械的な詳細はCIパイプライン、静的解析、および結合テストに確認させるのだ。モデルは直感をもたらし、検証器は保証をもたらす。影響範囲（blast radius）が最大になる局面において、あなたを守るのはその組み合わせである。
宗教を作るのではなく、ルーターを構築せよ
真の指標は、どのモデルが最高かではない。問いは、「コスト、レイテンシ、および影響範囲に基づいて、どのモデルがこのタスクを処理すべきか」である。モデルの選択をアイデンティティとして扱うのはやめよう。「うちはTerra派だ」などと言う必要はない。代わりに、タスクのクラス（種類）に基づいてルーティングせよ。
Build a simple classifier. Incoming tasks get tagged by blast radius. Low-blast-radius work goes to Luna. Medium-blast-radius work goes to Terra. High-blast-radius work goes to a strong model plus a deterministic verifier. You do not need a perfect machine learning classifier to start. A few heuristics will do. Code reviews that only touch internal utilities and stay under a narrow line count? Luna. Tickets mentioning deployment pipelines, cross-service calls, or ambiguous requirements? Terra. Anything touching customer data, critical paths, or legal compliance? Escalate to Sol and require human or deterministic review.
Measure outcomes, not model names. Track cost per task, retry rate, and escape defects. If Luna is failing on tasks you assigned to it, move the boundary up. If Terra is overkill for a pattern that repeats every day, demote it to Luna and watch your burn drop. The goal is to increase automation without breaking your budget. Luna handles the high-volume background work. Terra handles the moments where judgment matters. Sol stands watch for the exceptions that can break your week.
The teams that get this right treat their agent fleet like a well-run engineering org. They do not staff every project with architects, and they do not ask interns to redesign the core data model. They match capability to risk. Do the same with your models.
Read the original discussion: GPT-5.6 Luna Is The Value Tier. Terra Is Not Useless
Join the GyaanSetu learning community: t.me/GyaanSetuAi