Amazon Bedrock に OpenAI GPT-5.6 系列が追加

この記事は、OpenAI の Chris Dickens と共同で執筆しました。

エージェントによるコーディング、長期的な推論、大量の推論ワークロードに取り組む開発者は、独自のモデルインフラを運用することなく、親しみやすい API を通じて最先端モデルを利用したいと考えています。OpenAI の「GPT-5.6 Sol」「Terra」「Luna」が、Amazon Bedrock で一般利用可能になりました。この 3 つのモデルは、自律型コーディングエージェントや長期的な推論から、大量かつ遅延に敏感な推論までをカバーしており、AWS が提供するセキュリティ、リージョンごとのデータ処理、コスト管理機能を備えています。

これら 3 つのモデルはすべて、bedrock-mantle エンドポイント上の OpenAI Responses API を通じてアクセスできます。Sol は推論に特化したフラッグシップモデルです。Terra は日常の生産環境向けに性能とコストのバランスを取ったモデルです。Luna は高速かつ低コストな推論を最適化されたモデルです。これにより、各ワークロードに合わせて機能とコストを適切に調整できます。料金は OpenAI の公式レートに準拠しており、利用量は既存の AWS コミットメントにもカウントされます。

本記事では、モデルの選択方法や、Responses API を通じた最初の推論実行、プロンプトキャッシングによるコスト削減とキャッシュされたトークンの計測方法、OpenAI Codex によるコーディングエージェントとの連携、そしてクォータとスケーリングの計画について解説します。あなたのプロンプトや生成結果は、モデルの学習には使用されず、モデルプロバイダーとも共有されません。

Amazon Bedrock 上の GPT-5.6 ファミリー

GPT-5.6 は、OpenAI が導入した新しい命名体系を採用しています。この体系では、数字が世代を示し、「Sol」「Terra」「Luna」という名称は、それぞれ独自のペースで進化していく耐久性の高い能力のレベルを表します。

以下の表に、Amazon Bedrock 上で利用可能な各モデルの主要仕様をまとめました。

3 つのモデルはいずれも、テキストと画像の入力、テキスト出力、272K トークンのコンテキストウィンドウ、そして Responses API をサポートしています。

また、推論の努力レベルとして「none」「low」「medium」「high」「xhigh」「max」もサポートしています。

API 統合を変更せずにモデルを切り替えることができます。

bedrock-mantle エンドポイントを通じて GPT-5.6 にアクセスする

GPT-5.6 モデルは、OpenAI の Responses API を通じて bedrock-mantle エンドポイントから利用できます。ベース URL は https://bedrock-mantle.{region}.api.aws であり、Responses API は /openai/v1/responses で提供されています。

AWS リージョンとしてサポートされている地域（例：us-east-1）を {region} に置き換えてください。この openai/v1 パスは OpenAI モデルに固有のものであり、OpenAI の Python および TypeScript SDK と連携して動作します。

既存の OpenAI SDK アプリケーションを Amazon Bedrock で実行するには、OpenAI のベース URL を bedrock-mantle エンドポイントに置き換え、対応する Amazon Bedrock のモデル ID を使用し、Amazon Bedrock API キー または AWS 認証情報で認証を行います。

セキュリティとデータ処理

すべてのモデル呼び出しは、お客様の AWS Identity and Access Management (IAM) ポリシーの下で実行され、仮想プライベートクラウド（VPC）内で完結します。また、AWS CloudTrail にログが記録されます。リージョン内推論により、リクエストは指定した AWS リージョン内に留まるため、データ所在地に関する要件を満たすことが容易になります。

GPT-5.6 Sol、Terra、Luna は、Amazon Bedrock で利用可能な OpenAI 製のサードパーティモデルです。これらのモデルの利用には OpenAI の利用規約 が適用されます。

OpenAI モデルを利用する場合、分類システムで検出されたトラフィックは、自動的な不正検出のために最大 30 日間保持されます。保持される入力と出力は AWS によって保存・処理され、ユーザーがオプトインしない限り、モデルプロバイダーとは共有されません。保持設定の詳細は データ保持 モードから管理できます。

Amazon Bedrock で GPT-5.6 を使い始める

Amazon Bedrock で GPT-5.6 の利用を開始するには、以下の手順を実行してください。

事前準備

GPT-5.6 モデルを利用するには、bedrock-mantle エンドポイントで推論実行権限を持つ AWS アカウントが必要です。この権限付与の一例として、IAM プリンシパルに AWS マネージドポリシー AmazonBedrockMantleInferenceAccess をアタッチする方法があります。これにより、本記事の例に必要な読み取りおよび推論作成アクセス権（bedrock-mantle:CreateInference および bedrock-mantle:CallWithBearerToken など）が付与されます。

OpenAI Python SDK のバージョン 2.45.0 以降をインストールしてください。

pip install "openai>=2.45.0"

認証には API キーを使用します。OpenAI SDK の認証方法には、以下の 2 つのオプションがあります。

OpenAI SDK のネイティブな BedrockOpenAI クライアント

OpenAI SDK に標準搭載されている BedrockOpenAI クライアントは、AWS 認証情報から短期トークンを生成し、リクエスト実行前に自動的に更新するプロバイダーを受け取ります。本記事のサンプルコードではこのクライアントを使用しています。

from aws_bedrock_token_generator import provide_token
from openai import BedrockOpenAI
region = "us-east-1"

client = BedrockOpenAI(
    aws_region=region,
    bedrock_token_provider=lambda: provide_token(region=region),
)

環境変数からの短期トークン利用

AWS_BEARER_TOKEN_BEDROCK という環境変数にトークンを設定し、それをクライアントへ渡す方法もあります。ただし、この方式は自動更新されないため、最長で 12 時間後に期限切れとなります。本番環境では、自動更新機能付きのオプションを利用するか、AWS Secrets Manager にトークンを保存することをお勧めします。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://bedrock-mantle.us-east-1.api.aws/openai/v1",
    api_key=os.environ["AWS_BEARER_TOKEN_BEDROCK"],
)

Responses API を使って最初の推論を実行する

前ステップで用意した BedrockOpenAI クライアントを使用して、Responses API を通じて GPT-5.6 Terra を呼び出します。この API は単一の input フィールドを受け取り、生成されたテキストを output_text として返します。

response = client.responses.create(
    model="openai.gpt-5.6-terra",
    input="Explain the benefits of prompt caching for agentic workloads.",
    max_output_tokens=512,
    store=False,
)

print(response.output_text)

既存の OpenAI SDK アプリケーションを Amazon Bedrock 上の GPT-5.6 に移行する場合は、ベース URL とモデル ID を更新してください。

コーディングの試行努力を制御する

GPT-5.6 モデルは、複雑で多段階のタスクに対して回答を生成する前に追加の推論トークンを消費できます。これにより結果の精度が向上しますが、応答までの遅延（レイテンシ）やコストが増加します。この動作レベルは reasoning パラメータで設定可能です。

Sol、Terra、Luna は、none、low、medium、high、xhigh、max の 6 つのレベルをサポートしています。タスクの内容に合わせて適切なレベルを選択してください。

response = client.responses.create(
    model="openai.gpt-5.6-sol",
    input="A train leaves at 3 PM at 60 km/h. Another leaves an hour later at "
    "90 km/h from the same station. When does the second catch up?",
    reasoning={"effort": "high"},
)

print(response.output_text)

ツールの呼び出し

GPT-5.6 はツール呼び出しをサポートしており、モデルが定義したツールをリクエストし、その結果を活用して要求を完了できます。以下の例はクライアントサイドでのツール呼び出しを示しています。ここではアプリケーション側でツールを実行し、その結果をモデルに返します。この例では get_weather ツールを定義し、1 往復の処理を行います。モデルがツールをリクエストすると、アプリケーションがそれを実行して結果を返し、最後にモデルが回答を生成します。

import json

tools = [
    {
        "type": "function",
        "name": "get_weather",
        "description": "Get the current weather for a given location",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "City and country (for example, Seattle, US)",
                },
                "unit": {
                    "type": "string",
                    "enum": ["celsius", "fahrenheit"],
                    "description": "Temperature unit",
                },
            },
            "required": ["location"],
        },
    }
]

# Step 1: Send the user request with the tool definition.
input_list = [{"role": "user", "content": "What's the weather like in Seattle?"}]

response = client.responses.create(
    model="openai.gpt-5.6-terra",
    input=input_list,
    tools=tools,
)

# Step 2: Carry the model's output (including any reasoning items) into the next turn.
input_list += response.output

# Step 3: Run each requested function and append its result.
for item in response.output:
    if item.type == "function_call":
        args = json.loads(item.arguments)
        result = {
            "location": args["location"],
            "temperature": 64,
            "condition": "Partly cloudy",
        }
        input_list.append(
            {
                "type": "function_call_output",
                "call_id": item.call_id,
                "output": json.dumps(result),
            }
        )

# Step 4: Ask the model for the final response, incorporating the tool result.
final_response = client.responses.create(
    model="openai.gpt-5.6-terra",
    input=input_list,
    tools=tools,
)

print(final_response.output_text)

GPT-5.6 モデルは応答する前に推論を行うため、次のリクエストではモデルの出力項目（推論を含む場合もあります）を response.output として input リストに追加して渡す必要があります。前述の例が示している通りです。

本番環境へのデプロイでは、Amazon Bedrock Guardrails を使用し、ユースケースや責任ある AI のポリシーに合わせてカスタマイズしたセーフティ対策を実装してください。

コンソールで GPT-5.6 を試す

GPT-5.6 モデルは次世代の推論エンジン上で動作します。このエンジンは 新しい Amazon Bedrock コンソール体験 を提供しており、bedrock-mantle エンドポイントや OpenAI 互換 API、Anthropic 互換 API に最適化されています。

このコンソールはプロジェクトベースで動作します。モデルを割り当て、API キーを設定し、アプリケーションコードを書く前に複数のモデルを並列で評価できます。以下の手順に従えば、コンソールから離れることなく GPT-5.6 を試すことができます：

GPT-5.6 Sol、Terra、Luna を Amazon Bedrock で使い始めるには、まずモデルが利用可能なリージョン（例：US East (N. Virginia)）で 新しい Amazon Bedrock コンソール を開いてください。既存のコンソールを利用している場合は、新しい Bedrock コンソールを試すを選択します。

プロジェクトを作成するか、すでに存在するプロジェクトを開きます。

モデルカタログで、利用可能な GPT、Claude、オープンウェイトモデルを確認できます。最大 3 つのモデルを並べて比較し、機能やマルチモーダル対応、コンテキストウィンドウのサイズ、価格、リージョンごとの可用性などを検討できます。

GPT-5.6 モデルの中から 1 つ選び、プロジェクトに追加します。

評価を開始してプロンプトを入力し、モデルの回答を確認しましょう。同じプロンプトに対する最大 3 つのモデルの回答を比較することも可能です。

以下のスクリーンショットは、新しい Amazon Bedrock コンソールのモデルカタログを示しています。ここでは GPT-5.6 やその他のモデルを検索・比較できます。

GPT-5.6 のプロンプトキャッシュでコストを削減

エージェント型や多段階のワークロードでは、呼び出し間で同じコンテキストを繰り返し使用することが多くあります。システム指示、ツール定義、参照ファイルなどは変わらず、最新の入力のみが変化します。GPT-5.6 は Amazon Bedrock 上でプロンプトキャッシュを 2 つのモードでサポートしています。

デフォルトで有効になっている「インプリシット・キャッシング（暗黙的キャッシュ）」では、コードを変更せずに条件に合致するリクエストが自動的にキャッシュされます。「エクスペリット・キャッシング（明示的キャッシュ）」を使えば、キャッシュの区切り点を指定して、プロンプトのどの部分をキャッシュするかを精密に制御できます。どちらのモードでも、リクエスト量が増えるにつれて共有コンテキストを繰り返し処理するコストを削減できます。

キャッシュ区切り点を設定すると、再利用可能なプロンププのプレフィックス（先頭部分）の終わりを指定できます。そのプレフィックスを共有する後続のリクエストでは、Amazon Bedrock が既に処理済みのコンテキストを再利用し、各呼び出しで支払うのは新しい作業分のみになります。

キャッシュされた入力は、非キャッシュの入力トークンと比較して 90% オフで課金されます。また、キャッシュに書き込まれたトークンは、非キャッシュ入力料率の 1.25 倍で課金されます。現在の料率については Amazon Bedrock の価格ページ をご覧ください。

キャッシュされたコンテンツは少なくとも 30 分間再利用可能であり、単一のエージェント実行で発生する一時的な呼び出しの急増に対応できる長さです。各区切り点には最低 1,024 トークンのプレフィックスが必要ですが、1 つのリクエストに最大 4 つのキャッシュチェックポイントを設定できます。

もしプレフィックスが最小値より短い場合、リクエストは成功しますが、何もキャッシュされず cached_tokens はゼロのままになります。

キャッシュ区切り点を使った明示的キャッシング

再利用可能なセクションの最後に、prompt_cache_breakpoint をコンテンツブロックに追加し、prompt_cache_options を明示モード（explicit）に設定することで、プレフィックスをキャッシュできます。

リクエスト間で一貫した prompt_cache_key を設定することで、同じキャッシュにルーティングされ、マッチの信頼性が向上します。

次の例では、システム指示がキャッシュされ、ユーザーの質問はブレイクポイント以降に配置されるため、キャッシュされたプレフィックスを無効化することなく変更できます。キャッシュへの書き込みと読み出しを示すために、同じリクエストを 2 回送信します。

# Replace with your real system instructions and reference content.
# The cached prefix must be at least 1,024 tokens, or nothing is cached.
system_prompt = "You are a technical support agent for Example Corp. ...(1,024+ tokens)..."

def ask(question):
    return client.responses.create(
        model="openai.gpt-5.6-terra",
        prompt_cache_key="support-agent:system-prompt-v1",
        prompt_cache_options={"mode": "explicit"},
        input=[
            {
                "type": "message",
                "role": "developer",
                "content": [
                    {
                        "type": "input_text",
                        "text": system_prompt,
                        # Cache everything up to this breakpoint (the system instruction).
                        "prompt_cache_breakpoint": {"mode": "explicit"},
                    }
                ],
            },
            {
                "type": "message",
                "role": "user",
                "content": [{"type": "input_text", "text": question}],
            },
        ],
    )

# First call: writes the prefix to cache.
first = ask("How do I configure single sign-on?")
print("write:", first.usage.input_tokens_details.cache_write_tokens)

# Second call with the same prefix and cache key: read the prefix from cache.
second = ask("How do I reset a password?")
print("read: ", second.usage.input_tokens_details.cached_tokens)
print(second.output_text)

ここで示されている system_prompt は、簡略化されたプレースホルダーです。実際のコンテンツに置き換え、トークン数 1,024 以上を確保してください。十分な長さのプレフィックスを設定すれば、最初の呼び出しで cache_write_tokens が非ゼロとなり、2 回目の呼び出しでは cached_tokens が非ゼロになります。これにより、プレフィックスが再利用されたことが確認できます。明示的モードは、大きな安定したプレフィックスを持つエージェントループに適しており、キャッシュされる内容を完全に制御したい場合に有効です。

暗黙的キャッシング

プロンプトキャッシュオプションを設定しない場合、GPT-5.6 はデフォルトモードである暗黙的キャッシングを使用します。Amazon Bedrock は最新メッセージに自動的にキャッシュブレイクポイントを配置し、ユーザーが追加した明示的なブレイクポイントも尊重するため、入力構造を変更せずに安定したプロンプトプレフィックスをリクエスト間で再利用できます。これがキャッシュの恩恵を受ける最も迅速な方法です。システム指示、ツール定義、参照ドキュメントなどの静的コンテンツはプロンプトの先頭に、可変コンテンツは末尾に配置し、関連するリクエストで一貫した prompt_cache_key を設定してください。そうすると、エンドポイントが処理済みの （原文の技術表記: prompt_cache_options）

一致するプレフィックスが存在する場合、これを指定します。

以下の例では、暗黙的キャッシングを使用しています。prompt_cache_options やブレークポイントの設定は行わず、前回の例で使用した system_prompt（実際のコンテンツに置き換え、少なくとも 1,024 トークン分の長さが必要）を、一貫性のある prompt_cache_key とともに再利用します。

response = client.responses.create(
    model="openai.gpt-5.6-terra",
    prompt_cache_key="support-agent:kb-v1",
    input=[
        {
            "type": "message",
            "role": "developer",
            # Static content first so it forms a stable, cacheable prefix.
            "content": [{"type": "input_text", "text": system_prompt}],
        },
        {
            "type": "message",
            "role": "user",
            "content": [{"type": "input_text", "text": "How do I configure single sign-on?"}],
        },
    ],
)

print(response.output_text)

この手法のトレードオフは制御性の欠如です。暗黙的モードでは、キャッシュ可能な境界線がどこに位置するかを厳密に指定できません。ただし、自然なプレフィックスを持つチャットや、検索拡張生成（RAG）ワークロードには適しています。