GPT-6.2 Astraの価格分析用タイトルカード。メイン見出しは「GPT-6.2 Astra」、サブ行は「トークン20%オフ、タスク36%オフ」。その上に「Artificial Analysis Intelligence IndexでGPT-6 Astraと比較して測定」と読めるキャプションがあり、右側には「トークンあたり価格」が-20%、「タスクあたりコスト」が-36%と表示され、こちらは矢印が目に見えて長くなっている。フッターには「価格はOpenAIの公表レートに基づく。タスクあたりコストはArtificial Analysisに基づく」と記載。右下隅にOrcaRouterのロゴがある。
Guides & Insights

GPT-6.2 Astraがトークン価格を20%削減。タスクの請求額は36%減少。

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

OpenAIによるGPT-6.2 Astra2026年11月17日のリリースには、10秒で確認できる見出しがあります。入力トークン100万個あたり8ドル、出力トークン100万個あたり40ドルで、GPT-6 Astraの10ドルと50ドルに対するものです。これは料金メーターの両方向で明確に20%の削減です。実際に請求額が動くかどうかを決める数字は別で、しかもより大きいものです。Artificial Analysisの測定では、GPT-6.2 AstraはIntelligence Indexタスクあたり4.00ドル、GPT-6 Astraは6.24ドルです。これは1単位の作業を完了するコストの36%削減であり、トークンあたりのコストの削減ではありません。

Both numbers are true, and the gap between them is the whole story. A price cut tells you what the meter charges. A cost-per-task figure tells you what the meter charged and how many times it ran. GPT-6.2 Astra charges less per token and burns fewer of them getting to the same place, so the savings compound. Where they stop compounding — long-context requests, cache writes, and the reasoning-item rules — is where this article spends its second half.

同じタスクが36%安く——そしてそれが表示価格以上に大きな意味を持つ理由

Artificial AnalysisはGPT-6.2 AstraのIntelligence Indexスコアを62と評価しており、追跡対象87モデル中3位で、GPT-6 Astraの57(13位)から上昇した。コスト数値は同一の評価スイート上で算出されており、それによって比較が公平になる。同じタスク、同じハーネス、同じ採点で、変わるのはモデルだけだ。能力の5インデックスポイント向上と同時に、タスクあたりのコストは36%低下した。

その組み合わせは異例です。ほとんどのリリースでは一方と引き換えに他方を犠牲にします。より賢いモデルを得るためにタスクあたりのコストを増やすか、より安いモデルを得るために弱いモデルを受け入れるかです。ここでは前世代と比べて両方の数値が良い方向に動いており、これは単なる位置づけの変更ではなく、世代を重ねた真の効率改善がどのようなものかを示しています。

重要な6つの数値を並べて比較。価格はすべてOpenAIが公開している標準ティアの料金です。指数とタスクあたりのコストの数値はArtificial Analysisによる独自の測定値であり、OpenAIのものではありません。

• 入力 — GPT-6.2 Astra は100万トークンあたり$8.00、対して GPT-6 Astra は$10.00

• 出力 — 100万トークンあたり$40.00($50.00に対して)

• キャッシュ済み入力 — 100万あたり$0.40、95%割引(90%割引の$1.00に対して)

• Intelligence Index — 62(87中3位)対 57(87中13位)

• Indexタスクあたりのコスト — $4.00 対 $6.24

• コンテキストウィンドウ — 合計1,050,000トークン、うち最大入力922,000トークン、最大出力128,000トークン

キャッシュ行に注目してください。割引率は90%から95%に拡大し、そしてそれが適用される基準料金は$10から$8に下がったため、キャッシュされた入力トークンは以前は$1.00かかっていたのが現在は$0.40です — 60%の削減で、見出しの3倍です。ワークロードが長いシステムプロンプトと短いユーザーターンで構成されているなら、20%をかなり上回る恩恵を受けています。

A single-column scoreboard titled 'GPT-6.2 Astra — the scoreboard' with six rows reading 'Intelligence Index: 62, #3 of 87', 'Input price: $8.00 / 1M', 'Output price: $40.00 / 1M', 'Cached input: $0.40, 95% off', 'Cost per Index task: $4.00' and 'Context window: 1,050,000', with a footer noting that pricing is per OpenAI's published rates and index and cost-per-task figures are per Artificial Analysis. The OrcaRouter logo sits in the bottom-right corner.

節約が漏れ出してしまう場所

3つの仕組みがその36%を食い削っています。しかも3つとも隠されているのではなく文書化されているのです — コンテキストの予算を確定する前に、料金ページと移行ガイドを読んでおきさえすればよいのです。

272Kの崖

GPT-6.2 Astraのコンテキストウィンドウは1,050,000トークンですが、それを埋め尽くすかなり前に料金体系が変わります。リクエストの入力が272,000トークンを超えると、入力とキャッシュ済み入力は標準料金の2倍、出力は1.5倍で課金され、その倍率はリクエスト全体に適用され、境界を超えたトークンだけが対象ではありません。300,000トークンのプロンプトでは、最後の28,000トークンだけに割増がかかるのではなく、300,000トークン全体に2倍の料金がかかります。

入力100万トークンあたり16ドルでは、1回の300K呼び出しはモデルが一言も書く前に4.80ドルかかる。その直前に——271,999トークンでは——同じ作業は2.17ドルで済んだはずだ。これは20%の削減分を一足飛びに返上することであり、それ以上でもある。なぜなら、この崖はなだらかな傾斜ではなく不連続だからだ。以前のウィンドウに収まっていた長文書作業は今や、単に予算を増やすだけでなく、意図的なチャンキング戦略を必要とする。

キャッシュ書き込みは別の行です

キャッシュからの読み取りは安価です。しかし、キャッシュを満たすのは無料ではありません。キャッシュへの書き込みは100万トークンあたり10ドルで課金され、標準の入力料金を上回ります。深く、頻繁に無効化されるプロンプトキャッシュは、読み取りで節約できる以上に維持コストがかかる可能性があります。経済的に有利なのは、多くのターンにわたって存続する安定したプレフィックスであり、これはまさにOpenAI自身の移行ノートが推奨するパターンです。

ドロップされた推論項目

この世代以降、APIは会話の途中で履歴の変更を検出するとreasoning itemを破棄します。変更とは、プレフィックスの編集、モデルのダウングレード、エンドユーザーまたは組織の変更です。モデルがそのコンテキストを失うと、回答の質が下がり、すでに済ませた作業を再導出するために多くのトークンを消費する可能性があります。請求書に表れるのはこの2つ目の影響です。ターン間でシステムプロンプトを編集するインテグレーションは、同じ推論に対して知らず知らず二重に支払うことになり、36%の節約は丸め誤差のように見えるでしょう。

修正は財務的ではなくアーキテクチャ上のものだ。応答間で設定を変更するときもプレフィックスを変えなければ、以前の入力はキャッシュ対象のままになり、同時に推論も保持される。一つの習慣が請求書の両方の行を守る。

推論設定は予算配分の判断です。

GPT-6.2 Astra は reasoning.effort を none に設定することを受け付けません。OpenAI の移行ガイドでは、新しい統合は medium から開始し、既存の none または minimal 設定は low にマッピングするよう述べています。推論優先モデルとしては驚くことではありませんが、推論非対応の前世代モデルからモデル文字列を単純に差し替えると、移行計画が示唆するよりも悪い回答と大きな請求額の両方を生むことになります。

推論トークンは出力として課金されます。100万トークンあたり40ドルの場合、長いエージェント実行における低設定と高設定の差は、丸め誤差ではありません。多くの場合、それはタスクコストにおける最大の単一変数です。計測された「Intelligence Indexタスクあたり4.00ドル」という数値は、Artificial Analysisが用いた労力設定を前提としています。あなたの数値は、あなたの設定に依存します。労力設定は、他の何かに手を付ける前に調整すべき最初のコストレバーとして扱ってください。

A screenshot of OpenAI's developer documentation page for GPT-6.2 Astra, showing the model description, a pricing table of $8.00 input, $0.40 cached input and $40.00 output per million tokens, a 1,050,000-token context window with 922,000 max input and 128,000 max output, and a May 18 2026 knowledge cutoff.

そのローンチが実際に改善したこと、そして改善しなかったこと

値下げは、モデルが少なくとも同等以上に優れている場合にのみ価値がある。長期的なホライズンと科学的評価では、GPT-6.2 Astra は決定的に前進した。Terminal-Bench-Science は GPT-6 Astra の 63.3% から 78.1% に上昇し、Terminal-Bench 4.0 は 64.1% に達する。AA-AnalystAgent は 62.5%、AA-3D は 1,318 Elo、Harvey の LAB-AA は 15.0% だ。何ステップにもわたって実行され、タスクに集中し続ける必要があるエージェント型の作業にとって、それはまさに望ましいプロファイルであり、36% の背後にあるトークン効率を生み出すプロファイルでもある。

パイプライン全体を切り替える前に、それがうまく動かなかった2つの箇所を把握しておく価値があります。

1つ目は競技プログラミングです。FrontierCode-AA 2.0ではGPT-6.2 Astraが45.4%で、48.8%のClaude Fable 5.2にまだ後れを取っています。Astraは他の分野では大きく差を詰めましたが、難しいコーディングでは主導権を握れていないため、作業負荷が主にFrontierCode型であるチームにとっては、能力面を理由に移行する必要性は薄く、当てはまるのは価格の論拠のほうです。

2つ目は停滞よりも悪い。AA-Omniscienceでは、GPT-6.2 Astraの幻覚率が59.1%で、GPT-6 Astraの49.8%から上昇している。知らないときにも、より進んで答えようとする。これは品質問題を装ったコスト問題だ。自信満々の誤答を検出し、破棄し、再実行する必要があると、トークンを二重に費やすことになり、再実行こそ、慎重に積み上げたタスクごとの計算が崩れるところだ。誤答の検出にコストがかかるワークフローなら、値下げを節約とみなす前に検証ステップを設けるべきだ。

A screenshot of the Artificial Analysis model page for GPT-6.2 Astra showing an Intelligence Index of 62 ranked third of 87 models, input pricing of $8.00 and output of $40.00 per million tokens, a 95% cache discount, and a cost of $4.00 per Intelligence Index task ranked 57th of 86.

パイプラインを賭けずに価格を手に入れる

GPT-6.2 Astra は、OpenAI 自社の API および複数のサードパーティプラットフォームを通じて利用できます。本日時点では OrcaRouter のカタログには掲載されていないため、今週中に呼び出す場合はベンダーに直接アクセスすることになります。上記の料金分析の内容は、どこから呼び出すかに左右されません。ただし、呼び出し方については、今から計画しておく価値のある点が2つあります。なぜなら、それは移行を始めて3週間ほどでチームを悩ませるのと同じ2つの点だからです。

1つ目はフェイルオーバーです。昨日リリースされたモデルには、あなたのトラフィックにおける実績がありません。正直なアドバイスとしては、置き換え対象のモデルの代わりに使うのではなく、そのモデルと並行して動かすことです。両方を単一のOpenAI互換エンドポイント経由でルーティングし、プロバイダー間で自動フェイルオーバーを効かせれば、36%があなたのワークロードでも本当なのかを判断している間に、ある上流で障害が起きても、それがユーザーにとっての障害にはなりません。OrcaRouterはGPT-6 Astra、GPT-6 Sol、GPT-6.1 Solを提供しているため、Astraの前身に対するA/Bテストを、2つ目の契約もクライアント側のコード変更もなしに、1つのキーで実行できます。

第二は価格のパススルーです。OrcaRouterは0%のマークアップで請求します——プロバイダーの定価そのまま、変わりありません。これは特に今回のようなリリースで重要です。ベンダーの値下げは、それがベンダーの料金に反映されたその日にあなたの料金にも反映され、再交渉も価格改定の遅れもありません。GPT-6.2 Astraがカタログに加われば、上記の$8と$40がそのまま表示される数字であり、マークアップされた版ではありません。

その代わりに得られるのは、クリーンな比較だ。同じ評価セットを今日GPT-6 Astraで実行し、実際の作業強度設定のもとでのタスクあたりの実コストを記録すれば、36%が妥当かどうかを判断する基準となるベースラインが手に入る。このステップを省くチームの多くは、結局自分たちの作業負荷ではなく宣伝文句を測ることになり、272Kの崖を高くつく形で知ることになる。

今、動くべきなのは誰か、そして待つべきなのは誰か

ワークロードが長期的なエージェント作業、およそ250,000トークン未満の文書分析、あるいは科学的でターミナル駆動の作業であれば、今すぐ移行を。Terminal-Bench-Scienceの63.3%から78.1%への跳躍は、何が実現可能かを変えるほど大きく、トークン効率は値下げと相まって効果を複合的に高めます。

プロンプトが日常的に272,000トークンを超えるなら、慎重に動いてください。崖は大きな予算に報いるのではなく、それを罰します。チャンク化するか、倍の予算を見込むかです。

待って、少なくともまずA/Bテストを。あなたの作業が難しい競技プログラミングを多く含むなら——FrontierCode-AA 2.0は依然としてClaude Fable 5.2を有利に評価している——、あるいは自信満々の誤答があなたの領域で高くつくなら、49.8%から59.1%へ上昇したハルシネーション率は、それがデフォルトになる前に、それ自体を測定する価値がある。

どの場合でも、請求書を比較する前に、推論の労力を意図的に設定してください。20%は料金ページに、36%はリーダーボードにあります。どちらもまだあなたの請求額ではありません。