AWSはAmazon BedrockでOpenAI GPT-5.6 Sol、Terra、Lunaを一般提供した。3モデルはBedrockの次世代推論基盤上で、Responses APIから利用できる。Solは高難度推論、Terraは性能とコストの均衡、Lunaは高速・低コストの大量処理を想定した階層である。

何が変わったか

GPT-5.6 Solは米国東部（バージニア北部、オハイオ）で利用できる。TerraとLunaはこの2リージョンに加え、米国西部（オレゴン）でも提供される。全モデルを同じリージョンで使えるわけではないため、モデルルーティングと災害対策を一括で設計してはいけない。

AWSは、明示的なキャッシュブレークポイントを使うPrompt Cachingを案内し、キャッシュ入力を90%割引で課金するとしている。価格はOpenAIの直接提供と同等で、利用額はAWSコミットメントへ算入される。ブログでは、キャッシュが少なくとも30分再利用可能と説明されている。

Bedrock採用の論点

既存のOpenAI SDKやResponses形式を使いやすい一方、Bedrock経由では認証、エンドポイント、モデルID、リージョン、IAM、VPC、CloudTrail、クォータ、エラー、サポート境界が異なる。API形式の近さを「完全互換」と解釈してはいけない。

データ所在地を重視する組織には、指定リージョン内推論とAWSの管理機能が利点になる。AWSはハードウェアで強制するzero-operator access、IAM、VPC、CloudTrailを説明している。一方、モデル提供者の要件として、分類器によりフラグされたトラフィックデータが自動不正利用検知のため最大30日保持される場合があるとブログに記載されている。自社の保持要件と照合が必要だ。

モデル選定

Sol、Terra、Lunaは名称だけで選ばず、同じ業務タスクで比較する。高難度コード修正、長時間エージェント、分類、要約、構造化抽出など用途別にGolden Setを作り、成功率、出力トークン、レイテンシ、再試行、ツール呼び出し、コストを測る。

TerraやLunaで十分なタスクへSolを固定すると費用が増える。逆に、失敗コストが高いタスクで安価なモデルを使い、再試行や人手修正が増えれば総コストは下がらない。ルーターはモデル単価ではなく、タスク完了単価で最適化する。

キャッシュ評価

Prompt Cachingは、システム指示、ツール定義、長い参照資料など、繰り返し部分を明示的に区切る。評価ではキャッシュヒット率、キャッシュ作成コスト、再利用時間、同一性条件、並列実行、失敗時の課金を記録する。90%割引はキャッシュが成立した入力部分に対する条件であり、全リクエスト費用が90%下がるわけではない。

エージェント実行では、共通コンテキストが長く、短時間に多数の呼び出しが集中するため効果が出やすい。単発で毎回異なる入力では、期待ほど下がらない。

移行とロールバック

Provider Adapterを用意し、認証、モデル名、ツール、ストリーミング、状態管理、Usage、エラーを抽象化する。既存ProviderとBedrockを並行実行し、シャドートラフィックまたは限定ユーザーで差分を測る。

ロールバックは、モデルルーターの設定で旧Providerまたは旧モデルへ戻せるようにする。プロンプトやツール定義をBedrock固有仕様へ直接埋め込むと戻しにくい。状態をProvider外へ保存し、再実行時に会話やジョブを復元できるようにする。

実務チェックリスト

  • モデルごとの利用リージョンとDR構成を確認する
  • IAM、VPC、CloudTrail、クォータを最小権限で設定する
  • 最大30日の不正利用検知保持をデータ要件と照合する
  • Golden Setで品質、レイテンシ、完了単価を比較する
  • キャッシュヒット率と実際の割引額を測る
  • Provider Adapterとモデル切替スイッチを用意する
  • 旧Providerへ戻す演習を行う

編集部の見解

BedrockでGPT-5.6を使えること自体より、AWSの統制、コミットメント、キャッシュ課金を含めて調達・運用を一本化できる点が重要である。ただし、価格表上の同等性や90%割引だけでは採用判断できない。リージョン制約、保持、キャッシュ成立率、タスク完了単価を実測してから本番比率を上げるべきだ。

一次情報