Fableへ1つの指示を出し、約30分動かしたところ、私の環境では5時間枠をほぼ使い切りました。
一方、SolのUltraモードは、ChatGPT Proプランでかなり回しても「少し足りない」と感じる程度です。しかも、頼んだ範囲の仕事をきちんと終えてくれます。正直、いまの私の使い方ではSol Ultraが最高でした。
これは性能を測るベンチマークではなく、あくまで個人の感想です。普段の個人開発で両方を使い、どちらが自分の仕事の進め方に合ったかを記録しました。依頼内容、指示の出し方、利用環境が変われば、印象も変わると思います。
比較したのは普段の個人開発タスク
私がAIへ頼んでいるのは、大規模サービスの難しい設計や、未知のアルゴリズムを解く仕事ではありません。リポジトリの整理、ドキュメント更新、小さな機能追加、確認作業などが中心です。AIと作ったWordPressテーマのような個人開発も、この延長にあります。
Claude Fable 5は、難しい知識労働やコーディング向けの上位モデルです。GPT-5.6 SolはOpenAIのフラッグシップで、Ultraモードでは標準で4つのエージェントを並列に動かします。公式説明でも、より多くのトークンを使う代わりに、難しい仕事で結果と完了速度を高める設定とされています。
今回は、両モデルの能力上限を測ったわけではありません。私が日常的に頼む程度の仕事で、指示の守り方と使い続けやすさを見ました。
FableとSolで私が感じた違い
| 比較軸 | Fable 5 | Sol Ultra |
|---|---|---|
| 指示の守り方 | 私の意図とずれ、修正のやり取りが増えることがあった | 指示した範囲をきちんと終えることが多かった |
| 前提条件と設計 | 必要 | 必要 |
| 利用枠の体感 | 約30分の作業1回で5時間枠をほぼ消費した | Proプランで多く回せるが、使い続けると少し足りない |
| 性能差 | 今回の仕事では明確な差を確認できず | 今回の仕事では明確な差を確認できず |
| 自分との相性 | 作業中にハンドルを握りにくい | 依頼の境界を共有しやすい |
ここでいう利用枠は、APIのトークン単価をそろえて測った値ではありません。それぞれの定額プランを実際に使い、利用可能な枠がどれだけ減ったかを見た体感です。
Fableで気になったのは指示との距離
Fableが仕事をできないわけではありません。結果は出してくれます。でも、少なくとも私が頼んだタスクでは、こちらの指示をそのまま守ってくれない場面がありました。
「この範囲を、この条件で終えてほしい」と頼んでも、私の意図とのずれが残り、追加の修正が必要になります。高性能なモデルなら少ない説明でも意図を補ってくれると期待していましたが、実際には前提条件と設計をかなり丁寧に渡す必要がありました。
さらに重かったのが利用枠です。1つの指示で約30分動かしただけで、5時間枠をほぼ使い切りました。Claudeの公式ヘルプでも、有料プランには5時間単位の利用枠があり、上限へ達するとリセット時刻まで待つ仕組みが案内されています。
長く自律的に動けることは強みです。ただ、1回の依頼でその枠をほぼ使うなら、普段使いでは次の仕事を頼みにくくなります。能力の高さと、こちらの依頼の境界を守ることは別だと感じました。
Sol Ultraは頼んだ範囲をきちんと終わらせる
Sol Ultraでいちばん印象がよかったのは、派手な成果よりも指示への素直さです。変更してよい範囲と完了条件を渡すと、その中で調査、変更、確認を進めてくれました。
途中で何度も軌道修正する必要が少ないため、作業結果を確認しやすくなります。私にとっての「最高」は、難しい問題を一発で解いたという意味ではありません。頼んだ仕事から離れにくく、最後まで任せやすかったという意味です。
もちろん、Ultraモードにすれば曖昧な依頼まで正しく理解してくれるわけではありません。前提が間違っていれば、間違った前提の中で丁寧に仕事を進めます。設計を渡す必要がある点はFableと同じでした。
前提条件と設計が必要なのは同じ
両方を使って分かったのは、上位モデルでも仕事の土台は人間が渡す必要があることです。いまは、少なくとも次の内容を依頼へ含めています。
- 何を正本として読むか
- 今回の目的と完了条件
- 変更してよい範囲と触れてはいけない範囲
- 判断が分かれたときの優先順位
- 作業後に行うテストや確認
この情報が不足していると、FableでもSolでも推測が増えます。私が違いを感じたのは、必要な前提を渡したあとに、どれだけ依頼の境界に沿って進んだかでした。
ProプランでSol Ultraは実用ラインに入った
Sol Ultraもトークン消費が少ないモードではありません。4つのエージェントを並列で動かすため、軽い作業へ常用すれば利用枠は減ります。
それでも私のChatGPT Pro環境では、かなり回した末に「もう少し枠がほしい」と感じる程度でした。余裕があるとは言いませんが、実際の仕事で継続して使えるコスト感です。
OpenAIの案内でも、Codexの利用量はタスクの規模、複雑さ、モデル、実行場所などで変わるとされています。したがって「Proなら何回使える」とは固定できません。この記事の感想は2026年7月12日時点の私の使い方に限ったものです。
性能差より「性格の差」を感じた
性能だけを比べると、今回は明確な差を見つけられませんでした。そもそも頼んでいる仕事が、両モデルの限界を試すほど高度ではないためです。さらに難しい設計や長期間の作業では、評価が変わる可能性があります。
でも、普段使う道具として見ると相性の差は大きく出ました。私には、指示した範囲をきちんと進め、確認しやすい形で終えるSolの性格が合っています。
結論はClaude 20ドル＋Codex 200ドル
この使用感を受けて、AIへ使う月額の配分を変えました。
| 配分 | Claude | Codex | 合計 |
|---|---|---|---|
| 変更前 | 100ドル | 100ドル | 200ドル |
| 変更後 | 20ドル | 200ドル | 220ドル |
合計額は20ドル増えています。安くするための変更ではなく、普段の仕事で手戻りが少なく、利用枠も実用的だったCodexへ予算を寄せるための変更です。
Claudeを0ドルにしなかったのは、Fableの能力を否定しているわけではないからです。今回試していない難しい仕事では評価が変わるかもしれません。ただ、日常の作業を任せる主役はSol Ultraにしました。金額は契約変更時点の私個人の月額配分であり、各社の料金表を比較したものではありません。
Claude 100ドル＋Codex 100ドルから、Claude 20ドル＋Codex 200ドルへ。性能の順位ではなく、いまの自分が安心して仕事を渡せる方へ予算を移しました。
私がAIへ任せている具体的な作業は、XserverのWordPress運営をAIに手伝わせる方法にまとめています。この記事の下書き作成とWordPressへの登録も、その運用の一例です。
