9月23日、Microsoft Azureが「GPT-6 Astra, Sol, and Luna for production AI agents in Microsoft Foundry」と題した記事を公開した。エンタープライズ向けAIエージェント基盤「Microsoft Foundry」上でGPT-6シリーズ3モデルが正式提供開始され、最安モデルLunaは最高峰モデルAstraの100分の1の価格でエージェントワークフローを処理できる。各モデルの用途・価格・デプロイオプションの全体像を以下に紹介する。
GPT-6シリーズが3モデル揃い踏み
今回正式提供（GA）となったのはGPT-6 Astra、GPT-6 Sol、GPT-6 Lunaの3モデルだ。Microsoft Foundry（旧称Azure AI Studio）を通じて利用できる。
それぞれの位置づけは明確に分けられている：
- GPT-6 Astra — 高度な推論・ソフトウェアエンジニアリング・コンピューター操作を要する複雑な業務向け。「少ないトークンで高価値なアウトプットを出す」設計で、エージェントのコスト効率が高いとされる
- GPT-6 Sol — 汎用プロダクション用途。複数ステップにまたがる推論、長文脈の分析、ツール連携ワークフローに対応
- GPT-6 Luna — Solの軽量・高速版。抽出、要約、ルーティング、定型的なカスタマー対応など大量処理向け
Microsoftが強調するのは「タスクあたりのコスト（cost per task）」という指標だ。トークン単価だけを見るのではなく、エージェントが1タスクを完了するための総コストで評価することを推奨している。これはエージェント設計において重要な観点で、Microsoftが別途公開しているエージェント最適化の経済論でも詳述されている。
価格表：Lunaの安さが際立つ
3モデルの価格差は非常に大きい。Global Standard・Short contextでの入力トークン単価を比較すると：
| モデル | 入力（$/100万トークン） | 出力（$/100万トークン） |
|---|---|---|
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Luna | $0.10 | $0.50 |
LunaはAstraの100分の1の価格で動作する。大量の前処理やルーティング処理をLunaに任せ、深い推論が必要な部分だけAstraを使うという役割分担がコスト最適化の基本戦略となる。
Long context（長文脈）を使う場合は価格が約2倍になる。また、US Data ZoneはGlobalより10%高く、EU Data ZoneはGlobalより20%高い設定となっている。Provisioned Throughput（予約容量）とPriority Processing（優先レーン）の価格は別途Azure OpenAI価格ページを参照することになる。
デプロイオプション：28リージョン対応
デプロイの選択肢は以下の通りだ：
- Standard deployment — Astra・Sol・Luna すべてが対象。グローバル28リージョン、US・EU Data Zoneで利用可能
- Provisioned Throughput（予約スループット）— AstraとSolが対象。本番の高需要ワークロード向けに予約容量を確保し、低レイテンシを保証
- Priority Processing（優先処理）— Solのみ。グローバルリージョンとUS Data Zoneで対応。従量課金の優先レーン
AIエージェントの推論AIとしてManusがAzure OpenAIを採用していることも今回の記事で紹介されている。ManusはAIが自律的にタスクを計画・実行するエージェントサービスで、ユーザーの指示を受けてウェブ検索・コード実行・ファイル操作などを組み合わせて複合タスクをこなす。
Azure OpenAI models provide a core layer of intelligence powering Manus. Through Azure, we reliably integrate advanced models into our agentic workflows, enabling Manus to understand user intent, plan tasks, and execute complex work.
— Tao Zhang, Co-Founder & Product Partner, Manus
法務・税務ソフトウェア大手のWolters Kluwerも導入事例として紹介されており、CTOのBrian Diffinは「答えを出すだけでなく、正しい答えであることが求められる領域で、推論のステップを追えることが実用化の鍵だった」とコメントしている。
セーフティ設計：4層構造
Foundry上のGPT-6モデルには、4層のセーフティが組み込まれている。単にモデル自体の安全性を高めるだけでなく、エンタープライズ環境でエージェントが「何にアクセスできるか」「何を実行できるか」を多層で制御する設計になっている点が特徴だ：
- モデル層 — アライメントとセーフティトレーニングがモデル自体に内包。応答の根幹となる安全性はここで確保される
- 入出力層 — コンテンツフィルターとガードレールがプロンプト・出力を制御。有害コンテンツや不適切な指示の入出力を遮断する
- ツール呼び出し層 — プロンプトインジェクション対策（Prompt Shields）がエージェントの「できること」を制限。外部からの悪意ある入力でエージェントが乗っ取られるリスクを低減する
- ID・アクセス層 — Microsoft Purviewのエンタープライズデータポリシーが「アクセスできる範囲」を制御。既存のID管理・データガバナンスの枠組みにエージェントを組み込める
エバリュエーション・トレーシング・モニタリングの機能も統合されており、各フェーズに人間のチェックポイントを設けられる設計になっている。エージェントが自律的に動くからこそ、どのステップで何を判断したかを可視化・監査できる仕組みが不可欠であり、この点をMicrosoftはエンタープライズ採用の条件として重視している。
移行推奨：レガシーモデルからの乗り換え
Microsoftは既存モデルを利用中の顧客に対し、GPT-6 Sol以上へのアップグレード評価を推奨している。具体的には、まずAstraで要件・品質基準を確認し、処理量が多い部分はSolやLunaに切り出すという段階的な構成が基本方針だ。コスト・レイテンシ・品質のトレードオフをタスク単位で見直すことで、エージェント全体の費用対効果を最大化できるとしている。
詳細はGPT-6 Astra, Sol, and Luna for production AI agents in Microsoft Foundryを参照していただきたい。
