投稿者 投稿日: カテゴリー ChatGPT
GPT-6 Lunaとは、OpenAIのGPT-6系で最も安価な大量処理向けモデルのことです。
楽天市場のスマートフォン用商品説明文は全角1,280文字まで。この枠に収まる説明文を、SKU1,000点分そろえようとすると、人手なら1本15分としても250時間かかります。2026年9月23日にOpenAIが公開したGPT-6 Lunaは、入力100万トークンあたり0.10ドル、出力100万トークンあたり0.50ドルという価格で、この作業のAPI費用を数ドル単位にまで下げました。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が、GPT-6 Lunaで商品説明文を1,000本生成するときの費用を計算の前提ごと公開し、キャッシュとBatch APIで費用を半分以下に抑える運用手順を解説します。
GPT-6 Lunaの料金は何が安いのか
GPT-6 Lunaが安いのは、単価そのものに加えて、繰り返し使う指示文の割引と、急がない処理の割引が組み合わさるからです。OpenAIのGPT-6 Lunaのモデルページによると、標準の料金は100万トークンあたり入力0.10ドル、キャッシュ済み入力0.01ドル、キャッシュ書き込み0.125ドル、出力0.50ドルです。モデルページでは「集中的で大量のタスク向けの、最も効率的なモデル」と位置づけられています。
割引の仕組みは2つあります。1つ目はプロンプトキャッシュで、毎回同じ指示文を先頭に置くと、2回目以降はその部分がキャッシュ済み入力として通常の10分の1の単価になります。2つ目はBatch APIで、結果を最大24時間以内に受け取る非同期の処理にすると、入力と出力がそれぞれ標準の半額になります。急ぎではない商品説明文の一括生成は、この2つの割引と相性がよい作業です。
注意点もあります。1回のリクエストの入力が272,000トークンを超えると、そのリクエスト全体の入力とキャッシュの単価が2倍、出力の単価が1.5倍になります。また、処理を最優先にするFastモードは標準の2倍、地域を指定したデータ処理には10%の上乗せがかかります。商品説明文の生成で1回あたりの入力が27万トークンを超えることはまずありませんが、全商品データを1回で渡すような使い方をすると割増の対象になるため、1商品ずつ、または数商品ずつに分けるのが基本です。
上位モデルとの差は大きく、第三者の料金比較によると、GPT-6 Solは入力2.00ドル・出力10.00ドル、GPT-6 Astraは入力10.00ドル・出力50.00ドルです。Lunaの出力単価はSolの5分の1、Astraの100分の1にあたります。前世代のGPT-5.6 Lunaは入力0.20ドル・出力1.20ドルとされており、世代交代で半額以下になりました。この値下げの背景はGPT-6 SolとLunaの値下げを扱った速報記事にまとめています。
仕様面では、コンテキストは1,050,000トークン、1回の最大出力は128,000トークン、知識の期限は2026年5月18日です。入力はテキストと画像、出力はテキストのみで、推論の強さはnone、low、medium（既定）、high、xhigh、maxから選べます。画像入力に対応しているため、商品写真を見せて説明文を書かせる使い方もできます。
商品説明文1,000本の費用を計算する
結論として、標準料金なら約1.45ドル、キャッシュを効かせると約1.32ドル、Batch APIを使うと約0.73ドルという試算になります。1ドル150円で換算すると、約110円から220円です。以下では、この数字がどの前提から出てくるのかを順に示します。
前提として、1本の商品説明文に使うトークン数を次のように置きます。入力は、共通の指示文が1,500トークン、商品ごとの情報（商品名、素材、サイズ、特徴など）が500トークンで、合計2,000トークンです。出力は、全角800〜1,000文字程度の説明文で1,500トークン、推論にかかるトークンを1,000トークンと見込み、合計2,500トークンとします。推論のトークンは画面には表示されませんが、出力として課金されるため、ここを見落とすと試算が大きくずれます。日本語のトークン数は文章の内容で変わるため、これはあくまで目安で、実際には10本ほど試して実測値に置き換える必要があります。
標準料金の場合、入力は2,000トークン×1,000本で200万トークン、0.10ドル×2で0.20ドルです。出力は2,500トークン×1,000本で250万トークン、0.50ドル×2.5で1.25ドルです。合計は1.45ドルになります。
キャッシュを効かせる場合、共通の指示文1,500トークンは、2本目以降キャッシュ済み入力の単価0.01ドルで計算できます。1,000本分で150万トークン、0.015ドルです。商品ごとの情報500トークンは通常の単価で50万トークン、0.05ドルです。キャッシュ書き込みの費用はわずかなので無視すると、入力は約0.065ドルまで下がり、出力の1.25ドルと合わせて約1.32ドルになります。入力の費用はほぼ3分の1になりますが、全体に占める割合は出力が大きいため、合計の下がり幅は小さめです。
Batch APIを使う場合、入力は0.05ドル、出力は0.25ドルの単価になるため、入力200万トークンで0.10ドル、出力250万トークンで0.625ドル、合計約0.73ドルです。Batch APIでのキャッシュ済み入力の扱いは公式ページに明記がないため、ここでは計算に含めていません。
比較のために同じ前提で上位モデルを計算すると、GPT-6 Solの標準料金では入力4ドル、出力25ドルで合計29ドル、GPT-6 Astraでは入力20ドル、出力125ドルで合計145ドルになります。Lunaとの差は20倍から100倍です。商品説明文のように、決まった型の文章を大量に作る作業では、まずLunaで試し、品質が足りない商品だけ上位モデルに回すのが合理的な順序です。
費用の大半が出力であることから、費用を下げる一番の近道は、説明文の文字数と推論の強さを見直すことだとわかります。推論の強さをmediumからlowに下げれば推論トークンが減り、出力の費用はさらに下がります。ただし、推論を減らしすぎると、素材や仕様の取り違えが増えることがあるため、品質の点検とセットで調整します。
GPT-6 Lunaで商品説明文を量産する5つの手順とプロンプト5本
GPT-6 Lunaで商品説明文を量産する手順は、「共通の指示文を固める→説明文を生成する→モールごとに変換する→抜き取りで点検する→費用を実測して調整する」の5つです。プロンプト1〜3はGPT-6 LunaのAPIに渡す指示文、プロンプト4はGPT-6 SolやClaude、Geminiなど点検役のモデル向け、プロンプト5はChatGPT・Claude・Geminiのいずれでも使える試算用です。
手順1は共通の指示文を固めることです。キャッシュを効かせるには、毎回まったく同じ文面を先頭に置く必要があります。商品ごとに変わる情報は必ず後ろに置き、共通部分には日付や連番などの変わる要素を入れないのがコツです。
プロンプト1：商品説明文生成の共通指示文（キャッシュ用に先頭へ固定）
あなたは{店舗名}の商品ページを担当するECライターです。
後に続く商品情報をもとに、楽天市場のスマートフォン用商品説明文を作成してください。
ルール：
1. 全角1,000文字以内で書く（スマートフォン用商品説明文の上限は全角1,280文字）
2. 冒頭2文で「誰の、どんな場面の悩みを解決するか」を書く
3. 素材、サイズ、容量、産地などの事実は、商品情報にあるものだけを使う。ない情報は書かない
4. 「日本一」などの根拠のない最上級表現、効果効能を断定する表現を使わない
5. 楽天市場外のURL、SNSアカウント、電話番号を書かない
6. 段落は3〜5つ、1段落は3文以内にする
7. 最後に、商品情報に不足していて確認が必要な点があれば【要確認】として列挙する
手順2は説明文の生成です。共通の指示文の後ろに、商品ごとの情報を一定の書式で並べます。書式をそろえておくと、生成結果のばらつきが減り、点検もしやすくなります。
プロンプト2：商品ごとの情報（共通指示文の後ろに付ける）
商品情報：
- 商品名：{商品名}
- カテゴリ：{カテゴリ}
- 素材・原材料：{素材}
- サイズ・容量：{サイズ}
- 特徴：{特徴1}、{特徴2}、{特徴3}
- 想定する購入者：{購入者像}
- 利用シーン：{シーン}
- 注意事項：{注意事項}
手順3はモールごとの変換です。楽天市場用に作った説明文を、AmazonやYahoo!ショッピングの仕様に合わせて変換します。Amazonの箇条書きは最大5項目、Yahoo!ショッピングの商品情報（caption）は全角900文字以内と、モールごとに枠が異なるためです。
プロンプト3：楽天用の説明文をAmazonの箇条書きに変換する
以下は楽天市場用に作成した商品説明文です。
これをもとに、Amazon.co.jpの商品ページ用の箇条書きを5項目作成してください。
ルール：
1. 各項目の冒頭に【】で要点を10文字以内で書く
2. 各項目は全角100文字前後にまとめる
3. 元の説明文にない事実を追加しない
4. 1項目目は最も重要な購入理由、5項目目はお手入れ・注意事項にする
5. 他社製品との比較表現、レビューを求める表現を入れない
元の説明文：
{楽天用の説明文}
手順4は抜き取り点検です。1,000本すべてを人が読むのは現実的ではないため、まず上位モデルで全体を点検し、問題があると判定されたものと、無作為に選んだ一部を人が確認します。点検役には、生成したモデルとは別のモデルを使うと、同じ傾向の誤りを見逃しにくくなります。
プロンプト4：生成した商品説明文の点検（点検役モデル向け）
以下は、商品情報と、それをもとにAIが生成した商品説明文の組です。
説明文を点検し、問題があれば指摘してください。
点検項目：
1. 商品情報にない事実（素材、サイズ、産地、効果）が書かれていないか
2. 数値（サイズ、容量、個数）が商品情報と一致しているか
3. 根拠のない最上級表現や、効果効能を断定する表現がないか
4. 楽天市場外への誘導（URL、SNS、電話番号）がないか
5. 文字数が全角1,000文字以内に収まっているか
出力：「問題なし／軽微な修正／作り直し」の判定と、修正箇所の指摘
商品情報：
{商品情報}
説明文：
{生成された説明文}
手順5は費用の実測と調整です。最初の10本から100本で、実際の入力・出力・推論のトークン数を記録し、試算と比べます。そのうえで、文字数、推論の強さ、Batch APIの利用を調整します。
プロンプト5：実測値から月間のAI費用を再計算する
以下は、商品説明文を{本数}本生成したときのAPI利用実績です。
実績：
- 入力トークン合計：{数値}（うちキャッシュ済み：{数値}）
- 出力トークン合計：{数値}（うち推論：{数値}）
- 利用したモデル：GPT-6 Luna、推論の強さ：{設定}
料金（100万トークンあたり）：入力0.10ドル、キャッシュ済み入力0.01ドル、出力0.50ドル、Batch利用時は入力・出力とも半額
次を計算してください。
1. 1本あたりの平均費用（ドルと、1ドル{レート}円での円換算）
2. 月{本数}本を生成した場合の月間費用を、標準とBatchの2パターンで
3. 推論の強さを1段階下げた場合に、推論トークンが3割減ると仮定したときの費用
4. 費用を下げるために見直すべき項目の優先順位
5つの手順のうち、費用に最も効くのは手順1の共通指示文の固定と、手順5の推論の強さの調整です。品質に最も効くのは手順4の点検で、ここを省くと、安く大量に作れることが、そのまま誤りの大量生産につながります。
よくある失敗例と回避策
1つ目の失敗は、商品情報が薄いまま生成することです。商品名と価格だけを渡すと、AIはもっともらしい特徴を補って書いてしまいます。素材や産地、効果を推測で書かれると、景品表示法上の問題になりかねません。直近の支援案件で観測したのは、化粧品の説明文で、商品情報にない「保湿成分配合」という一文が紛れ込んだ例でした。回避策は、プロンプト1のように「商品情報にない事実は書かない」「不足は【要確認】として列挙する」と明記し、手順4の点検で事実の一致を確かめることです。
2つ目の失敗は、キャッシュが効かない書き方をしてしまうことです。共通の指示文の中に「本日は{日付}です」のような変わる情報を入れたり、商品ごとの情報を先頭に置いたりすると、キャッシュが効かず、毎回通常の単価で課金されます。回避策は、共通部分を完全に固定した文面で先頭に置き、変わる情報はすべて後ろにまとめることです。
3つ目の失敗は、安さを理由に全商品を一度に差し替えることです。説明文を一斉に書き換えると、検索順位や転換率が変わったときに、どの変更が原因か分からなくなります。食品ギフトのある中規模店舗の事例では、全商品の説明文を同じ週に差し替え、売上が動いた理由を追えなくなりました。回避策は、売上の小さい商品群から一部ずつ差し替え、2〜4週間ごとに効果を確かめながら範囲を広げることです。
KPI設計と費用・工数の目安
追うべきKPIは、1本あたりの生成費用、点検での作り直し率、差し替え後の転換率、作業時間の4つです。生成費用は手順5の実測で把握し、作り直し率は手順4の判定で測ります。作り直し率が高い場合は、商品情報の書式か共通の指示文に問題があるサインです。
費用の目安は、前述の試算どおり、1,000本で標準約1.45ドル、Batch利用で約0.73ドルです。点検役に上位モデルを使う場合、その費用が生成費用を上回ることもあります。たとえば、点検役にGPT-6 Solを使い、1本あたり入力3,000トークン・出力500トークンとすると、1,000本で入力6ドル、出力5ドルの合計11ドルほどになります。それでも人件費と比べれば小さく、品質を担保する費用として妥当な水準と判断します。
ChatGPTの画面から使う場合は、無料プランと月額8ドルのGoプランでGPT-6 Lunaが使え、月額20ドルのPlus以上ではSolも使えるとされています。ただし、画面上での利用は1本ずつのコピー&ペーストになり、1,000本規模の作業には向きません。数十本までは画面で、それ以上はAPIで、という切り分けが現実的です。
工数の目安として、編集部で実際に運用しているプロンプトでは、共通の指示文と商品情報の書式を固めるのに1〜2日、最初の100本の生成と点検に1日、残りの生成と点検に数日ほどかかります。人が1本15分かけて書く場合の250時間と比べると、作業時間は大幅に短くなりますが、商品情報の整備と点検にかかる時間は残ります。商品マスタの項目が整っていない店舗では、生成より先に、素材や産地などの情報をそろえる作業が最も時間を取ります。
今後の展望と独自考察
今後の焦点は、生成そのものの費用がほぼゼロに近づくなかで、差がつくのが「商品情報の質」と「点検の仕組み」になる点です。1,000本の説明文が1ドル前後で作れるようになると、説明文を作ること自体は差別化の要因になりません。どの店舗でも同じように作れるからこそ、元になる商品情報がどれだけ正確で具体的か、誤りを防ぐ点検がどれだけ機能しているかが、商品ページの質を分けます。
低価格モデルの競争も続いています。Anthropicは2026年10月にClaude Haiku 5.5を発表し、入力0.10ドルの価格帯に入ってきました。その詳細はClaude Haiku 5.5の速報記事にまとめています。同じ価格帯で複数の選択肢がある状況では、1つのモデルに依存せず、生成と点検で別のモデルを使い分ける構成が、品質と費用の両面で有利になります。自社サーバーで動かせるオープンモデルという選択肢もあり、Muse GlimmerをApache 2.0で使う方法を解説した記事では、データを外部に出さずに説明文を作る手順を紹介しています。
品質面の注意点として、第三者の評価では、GPT-6 Lunaは前世代より事実の誤りが減ったとされる一方、上位のSolと比べると事実の誤りを含む傾向が強いと報告されています。商品説明文は事実の正確さが売上と信頼に直結する文章です。Lunaは「型に沿った文章を大量に作る」役割に絞り、事実の確認は商品情報と点検に任せるという分業が、安さを生かす前提になります。上位モデルとの使い分けは、GPT-6 SolのEC活用を解説した記事もあわせて参考にしてください。
AIエージェントの普及も見逃せません。ChatGPTやGeminiのショッピング機能、AIエージェントによる商品比較が広がると、商品説明文は人だけでなくAIに読まれる文章にもなります。素材、サイズ、利用シーンといった事実が整理されて書かれている説明文ほど、AIに正しく理解され、推薦されやすくなると考えます。その意味でも、商品情報を整え、事実だけで書く説明文の価値は上がっていきます。
よくある質問
GPT-6 Lunaとは何ですか？
GPT-6 Lunaとは、OpenAIが2026年9月23日に公開した、GPT-6系で最も安価な大量処理向けのモデルのことです。APIの標準料金は100万トークンあたり入力0.10ドル、出力0.50ドルです。コンテキストは1,050,000トークン、最大出力は128,000トークンで、テキストと画像を入力できます。
商品説明文1,000本で本当に2ドル以下に収まりますか？
はい、本記事の前提では標準料金で約1.45ドル、Batch APIで約0.73ドルに収まります。前提は、1本あたり入力2,000トークン、出力と推論で2,500トークンです。説明文が長い、推論の強さが高いなどの条件では費用が増えるため、最初の10本で実測してから見積もってください。
キャッシュとBatch APIはどちらを使うべきですか？
急ぎでない一括生成ならBatch API、すぐに結果が欲しい処理ならキャッシュを優先するのが基本です。Batch APIは入力と出力が半額になる代わりに、結果の受け取りが最大24時間後になるからです。どちらの場合も、共通の指示文を固定して先頭に置く書き方にしておくと、費用を抑えやすくなります。
生成した説明文をそのまま楽天市場に掲載してもよいですか？
いいえ、点検を経てから掲載してください。AIは商品情報にない事実を補って書くことがあり、素材や効果の誤りは景品表示法上の問題になりかねないからです。上位モデルによる自動点検と、人による抜き取り確認を組み合わせる運用をおすすめします。
ChatGPTの無料プランでも使えますか？
はい、無料プランと月額8ドルのGoプランではGPT-6 Lunaが使えるとされています。ただし、画面上の利用は1本ずつの作業になり、1,000本規模の生成には向きません。数十本まではChatGPTの画面で、それ以上はAPIで処理するのが現実的です。
GPT-6 SolやClaudeと比べて品質は劣りますか？
上位モデルと比べると、事実の誤りを含む傾向は強いと第三者評価で報告されています。そのため、型に沿った文章の大量生成はLuna、事実の点検や難しい商品の説明文はSolやClaudeなどの上位モデル、という使い分けが合理的です。まず数十本で品質を比べてから役割を決めてください。
APIを使うには何が必要ですか？
OpenAIのAPIアカウントを作成し、支払い方法を登録してAPIキーを発行する必要があります。プログラムを書けない場合は、表計算ソフトや業務自動化ツールのAPI連携機能を使う方法もあります。社内に開発担当がいない場合は、最初の仕組みづくりだけ外部に依頼し、運用は社内で回す形が負担を抑えやすい選択肢です。
まとめ
GPT-6 Lunaは、商品説明文1,000本を標準料金で約1.45ドル、Batch APIなら約0.73ドルで生成できる水準まで、大量生成の費用を下げました。費用の大半は出力と推論のトークンで、共通の指示文を固定してキャッシュを効かせ、急がない処理をBatchに回すことで、さらに抑えられます。ただし、安く作れるほど誤りも大量に出回るため、商品情報の整備と点検の仕組みが前提です。まず10本で実測し、プロンプト1〜5の順で、売上の小さい商品群から差し替えを始めてみてください。
参考文献
- OpenAI Developers「GPT-6 Luna」
- OpenAI Developers「Pricing」
- OpenAI「Introducing GPT-6 Sol and Luna」
- eesel「GPT-6 Luna pricing」
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
