制限になったので無制限（そうでもないけど）のLunaを使い倒したら「割れた鏡」が見えた
こんにちは黒パグです🐾
黒パグのChatGPTは、普段ほぼSolである。
重い。遅い。だが、複雑な仕事を最後まで追いかけるなら、今のところこれが一番しっくりくる。
そんな調子で使っていたら、当然のように週間利用上限が死んだ。
2026年8月18日、手元のアプリ画面ではエージェント機能の週間利用上限が0％。1日前に250追加したにも関わらずクレジットは89しか残っていなかった。そしてこの記事を書いているときには3………
終わった
この記事を書いている段階では全員に来てるわけではないので引き続き情報集め中
「頼れる長女がダウンした日」
さて、どうするか。
追加クレジットを燃やしてもいい。しかし、せっかくなので普段あまり長時間使わないLunaへ切り替えた。
無制限のLunaを使い倒してやろう。
…………。
はい。無制限です。
……ただし、何でも無制限という意味ではありません。
OpenAIは2026年8月、Free／Goユーザー向けにGPT-5.6 Lunaによるテキストチャットを無制限化すると発表した。一方、ファイルなど一部機能には引き続き制限があり、Codexなど別の実行環境には独自の利用枠も存在する。
つまり「Lunaそのものが完全無制限」ではなく、「通常のテキストチャットが無制限」という話である。
なのでタイトルは「無制限（そうでもないけど）」とした。
8月17日から18日にかけて、雑談、壁打ち、文章作成、制約付きベンチなどを続けた。
「GPT-5.6 天体三姉妹の紹介」
最初の印象はよかった。
速い。軽い。会話が止まらない。
適当な会話なら、かなり気持ちいい。
ところが、仕事をさせると妙なことが起きる。
途中までは進む。
検証もする。
失敗にも気づく。
でも、終わらない。
長く使うほど、そこに奇妙なものが見えてきた。
鏡である。
ただし、一枚のきれいな鏡ではない。
割れた鏡だった。
雑談相手としては、かなり気持ちいい
まず書いておくと、Lunaは弱いモデルではない。
「Sol（ソル）：完璧主義の長女」
「Terra（テラ）：調整役の次女」
「Luna（ルナ）：軽快なスプリンターの三女」
短いやり取りではかなり快適だった。返答が速く、こちらのテンションにもすぐ合わせる。話題を次々に投げても流れが止まりにくい。軽い壁打ちや、考え始めるための相手としては使いやすい。
普段の雑談だけなら、Solより気持ちいい場面すらある。
ただ、こちらを映す力が少し強すぎる。
言葉遣い、テンション、前提、評価軸。こちらが差し出したものを、すぐ反射して返してくる。
自然な会話では長所である。一方、判断が必要な場面では迎合にも見えた。
いわゆるシコファンである。
しかもファイナルファンタジーレベル。
「Lunaの魔法：シコファン（迎合性）」
こちらが乗れば向こうも乗る。会話としては楽しい。
しかし、こちらの意図をよく理解しているように見えることと、依頼を正しく完遂できることは同じではない。
ここは念のため線を引いておくことにする。
今回、私が「迎合的」と感じたことと、後述する制約タスクの失敗に因果関係があると証明したわけではない。長い会話履歴で私の文体へ寄った可能性もある。あくまで長時間利用中に同時に見えた二つの現象である。
速い。しかし、仕事が終わらない
Lunaで最も気になったのは、途中までは進むのに、最後の成果物まで届かない場面が繰り返し現れたことだ。
問いには答える。方針も出す。検証もする。失敗にも気づく。
だが、そこで終わる。
「魔法が解ける瞬間」
こちらが欲しいのは「失敗しました」という報告ではない。
条件を満たした成果物である。
この違いは、短い雑談ではほとんど見えない。多段の作業、厳密な文字数、複数条件の同時充足、生成後の自己検証まで要求すると、急にはっきりした。
500文字回文ベンチ
最初に試したのは、日本語の完全回文だった。
(※黒パグが新モデルに毎回やるベンチマークの一つ。 幼稚園児にわかる極座標ラプラシアンの導出 Python使用可も黒パグベンチマークの一種)
題材は「GPT Lunaの特徴」。約500文字で作り、生成後にPythonで正規化し、逆順と一致するか自己検証させた。
ちなみにSolではこのタスクは時間がかかるが完了できる。
結果。
正規化後の文字数 419文字
約500文字 不合格
完全回文 False
Python自己検証 実行
最終判定 失格
LunaはPythonを使い、自分の出力が条件を満たしていないことを認識した。
生成して、検証して、失敗を報告した。
しかし、合格する成果物へ修正して戻ってこなかった。
「検証しました。失格です」
いや、知っている。
直してくれ。
8行×24文字の制約タスク
次は、全8行をそれぞれ正確に24文字へそろえ、各行の先頭と末尾にも指定した文字列を配置する制約タスクを試した。特定語の出現回数にも条件を設け、最大3回まで自己修正させた。
こちらもPythonによる検証までは行った。
修正回数 3回
Python実行 あり
各行の文字数 25、24、25、24、24、25、25、25
全条件合格 False
最終判定 最大修正回数に達して失格
「厳密制約タスクの壁」
8行中3行は24文字に合っている。残り5行は25文字。
惜しい。
だが、厳密制約では25文字は24文字ではない。
ここでも見えたのは同じ構造だった。
失敗を認識する能力と、成功するまで修正する能力が分離している。
「修正ループを閉じられない」
なお、この二つだけでLuna全体を断定する気はない。
各課題は今回の会話内での観測であり、反復試行を重ねた統計ではない。SolやTerraへ同一条件で同数の試行を行った対照実験でもない。推論設定、会話履歴、表面側の仕組みも結果へ影響しうる。
回文自体が難題でもある。
したがって、ここから言えるのは「Lunaは厳密制約が苦手だ」ではない。
今回の条件では、失敗を検出したあと、合格まで修正ループを閉じられなかった。
そこまでである。
でも実務では、その「そこまで」が重い。
公式の想定用途と照らしてみる
OpenAIはLunaを、速く低価格で、大量かつ明確で反復可能な仕事に向くモデルとして案内している。抽出、分類、変換、構造化要約などである。
一方、複雑で曖昧な仕事、深い調査、判断や仕上げが必要な文書にはSolを勧めている。
これは今回の体感と大きく矛盾しない。
雑談や軽い壁打ちは速い。小さく区切られ、正解の形が見えている仕事にも置きやすい。だが、長い工程をまとめ、検証し、修正し、最後の一枚へ戻す仕事ではSolとの差が見えやすくなる。
ただし、少し面白い点もある。
今回失敗した二つは、曖昧な相談ではない。むしろ条件の明確な反復可能タスクだった。
つまり「明確な仕事なら必ず一発で完遂する」という話でもない。正解の形が明確だからこそ、人間や外部コードが不合格をはっきり判定できた、とも言える。
他の利用者はどう見ているか
SNSや技術記事も確認した。
評価は割れている。
Redditには、Lunaは安く、速く、実用的なコーディングを低コストで回せるという高評価がある。「実質的に無制限に近い」と感じている利用者もいた。
別の48時間利用報告では、解き方は知っているが一度で終わらせず、小さな手順を5回、6回と回ってしまうという指摘があった。
日本語の実務記事では、見落としの損失が大きい長時間ワークフローにはSol、人間が一つずつ確認しながら進める作業にはLuna、という使い分けが紹介されている。
このあたりは、私の観測とかなり近い。
速さと価格を評価する声は強い。
一方で、長い仕事では人間の確認を外しにくい。小刻みに進み、完遂までのループが増えるという報告もある。
ただしSNS報告の多くはCodexや外部エージェント環境である。今回の通常チャットとは、システムプロンプト、ツール、推論設定、実行基盤が違う。
同じLunaという名前でも、完全な再現実験ではない。
ここでは「私だけがそう感じたわけではない」という補助線として扱う。答え合わせにはなるが、証明にはならない。
自己検証できることと、完遂できることは違う
LLM評価では「自己検証できるか」がよく見られる。
もちろん重要である。誤りを正解として確定するより、自分で失敗を検出できるほうがいい。
しかし、実務ではその先がある。
検出した。
原因を特定した。
修正した。
もう一度検証した。
合格した成果物を納品した。
ここまで終わって、初めて仕事が完了する。
「自己検証できること ≠ 完遂できること」
今回観測した範囲のLunaは、前半には強かった。会話を進め、案を出し、コードを動かし、失敗を説明する。
ところが後半、修正ループを閉じて最終成果物へ収束させるところで止まりやすかった。
速い返答が積み重なるので、作業が進んでいる感覚はある。
振り返ると納品物がない。
速いことと、仕事が早く終わることは別である。
なぜ「割れた鏡」なのか
Lunaは、こちらをよく映す。
テンションを映す。語彙を映す。期待を映す。
一つひとつの返答は自然である。こちらの意図をよく理解しているようにも見える。
だが、長時間の会話や複雑な仕事になると、断片が最後に一枚へ戻らない。
会話は続いている。
検証もしている。
失敗も認識している。
それでも依頼は終わっていない。
だから、ただの鏡では足りなかった。
割れた鏡である。
「なぜ『割れた鏡』なのか？」
断片ごとはよく映る。むしろ気持ちよく映る。
その反射を、理解や完遂と取り違えると危ない。
「SolとLunaの徹底比較」
今回の使い分け
雑談、短い質問、軽い壁打ち、初期案、言い換え。人間がその場で確認できる小さな仕事なら、Lunaはかなり快適だった。
厳密な文字数、複数条件の同時充足、長い工程、自己修正を繰り返して合格へ収束させる仕事。そのまま納品する成果物。
こちらは途中確認と外部検証を入れたほうがいい。
「初心者のための実践的使い分けガイド」
結論。賢く見えるかではなく、最後までやるか
Lunaは軽快だった。
雑談は楽で、短いやり取りは速い。価格と利用量まで含めれば、魅力はかなり大きい。
一方、複雑な仕事では、返答速度より「修正ループを閉じられるか」を見たほうがいい。
説明できるか。
失敗を見つけられるか。
ではない。
条件を満たした成果物を、最後まで持ってこられるか。
私が見たいのはそこだ。
Lunaは、こちらをよく映す鏡だった。
ただし、長く向き合うと亀裂が見える。
割れているから使えないのではない。
割れている場所を知らず、全部が一枚につながっていると思うのが危ないのである。
「賢く見えるかではなく、最後までやるか」
追伸。
いつも交流してくださっている、やっさんから素敵な「黒パグ時計」をいただきました。ありがとうございます。
やっさんの記事はこちらから↓
https://note.com/large_iguana6415%0A
こうして記事や創作を通じてつながれることも、noteを続けていてよかったと思う瞬間のひとつです。
いつも黒い黒パグの記事をお読みいただいている読者の皆様、スキ、コメントありがとうございます！
皆様が読んでいただけるから続けることができています。
#生成AI #ChatGPT #GPT56 #GPTLuna #Luna #LLM #AI活用 #AIエージェント #プロンプト #ベンチマーク #自己検証 #制約タスク #LLM評価 #AI検証 #黒パグ
