{{1}}区切り線で分割された2枚のカード{{/1}}:{{2}}GPT-6.2 Astra{{/2}}の表示は{{3}}最初のトークンまで74秒{{/3}}、{{4}}10kトークン時で728秒{{/4}}、{{5}}100万トークンあたり$8 / $40{{/5}}、{{6}}Claude Opus 5.5{{/6}}の表示は{{7}}最初のトークンまで625秒{{/7}}、{{8}}10kトークン時で373秒{{/8}}、{{9}}100万トークンあたり$4 / $20{{/9}}、サブタイトル「{{10}}最初のトークンまでの時間、最大努力、1,000トークンのプロンプト{{/10}}」の下にあります。{{11}}OrcaRouter{{/11}}のロゴは{{12}}右下隅{{/12}}にあります。
Guides & Insights

GPT-6.2 Astra 対 Claude Opus 5.5:最初のトークンまで4分対10分

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

両モデルに同じ短いプロンプトを与え、沈黙の時間を計測する。Artificial Analysisの最大エフォートでの測定では、Claude Opus 5.5は1,000トークンのプロンプトで最初のトークンが現れるまでに625秒——10分強——かかる。GPT-6.2 Astraは同種のリクエストに74秒で応答する。どちらのモデルも一語も書かないうちに4分対10分、そして1万トークンのプロンプトでは差はほぼ8分に広がる:728秒対373秒。

私ならまずその数字から始める。見出しの比較はまったく別のところを指しているからだ。OpenAIが2026年11月17日に100万トークンあたり8ドルと40ドルでリリースしたGPT-6.2 Astraは、課金メーターの入力側・出力側の両方でClaude Opus 5.5の2倍のコストがかかる——Anthropicのモデルは2026年9月22日以来4ドルと20ドルを維持している。表示価格だけを見れば、Opus 5.5が経済的な選択だ。実際に計測された請求額は2.5倍で逆のことを示し、レイテンシの数値はまた別のことを言っている。三つは同時に真であり、その理由は、2つのモデルが同程度のスコアに到達するために使う量が大きく異なるからだ。

インデックスの2ポイント、トークンの4倍

Intelligence Index v5.0.1において、2026年11月19日時点で、両モデルを最大エフォートで実行した場合のスコアは、GPT-6.2 Astraが62.1、Claude Opus 5.5が59.1です。9項目の評価スイートでの3ポイント差は確かなリードではあるものの、一方的な圧勝ではなく、どちらのモデルでも異なるエフォート設定間のばらつきより小さいものです。

両者を分けるのは、そこに到達するためのコストだ。Artificial Analysisは、完了したIndexタスクのコストをGPT-6.2 Astraで4.00ドル、Claude Opus 5.5で10.04ドルと見積もっている。価格表は半分なのに、2.5倍だ。その仕組みはタスクあたりのトークン数にある。同じスイートで、GPT-6.2 Astraはタスクあたり約41,000出力トークンを生成したのに対し、Opus 5.5は173,000だった。3ポイント低いのに4倍の思考量であり、そのトークン数はモデルの作り方の性質であって、プロバイダーやGPU割り当てで修正できるものではない。

その逆転は、この二つを比較したどんな記事を読む前にも、しっかり腹に落としておく価値がある。というのも、それがトークン単価に関するあらゆる議論を誤解を招くものにしてしまうからだ。料金表をもとに予算を組むチームなら、Astra には2倍のコストがかかると見込むだろうが、実際に払うのは1ドルにつき40セントということになる。

ハーネスを取り付けたスコアボード

以下の数値はすべて、Artificial Analysis が同一スイートを最大エフォート設定で独自に測定したものです。これは重要です。ベンダーの表は、ベンダーが選んだ設定とハーネスで実行されているためです。例外が1つあり、その行自体で明示されています。

• インテリジェンス指数 — GPT-6.2 Astra が 62.1、Claude Opus 5.5 が 59.1(v5.0.1 時点)

• Index タスクあたりのコスト — $4.00 対 $10.04

• Indexタスクあたりの時間 — 10.7分 対 24.5分

• Terminal-Bench 4.0 — 64.1% 対 59.6%

• Terminal-Bench-Science 0.1 — 78.1% 対 59.0%、この記事の中で最大の差

• FrontierCode 2.0 — 45.4% 対 46.4%、Opus 5.5 が唯一上回っているコーディングスイート

• HLE-Diamond — 72.2% 対 67.9%

• AnalystAgent — 62.5% 対 56.3%

• HARVEY LAB-AA — 15.0% 対 4.2%、法務成果物において3.6倍の比率

• Omniscience 精度 — 68.6% 対 65.5%、ハルシネーション率は 59.1% 対 50.3%

• HealthBench — 53.5% 対 57.0%、紛れもない Opus 5.5 の勝利

• AA-3D Elo — 1,318 対 1,202。ただし、1,318 は OpenAI が Artificial Analysis の 3D アリーナで Astra について自ら報告した数値です

• コンテキストと出力 — Artificial Analysis のカタログによると、両方ともコンテキストは 1,000,000 トークン、出力は 128,000 トークン。OpenAI 自身のモデルページでは、合計 1,050,000、入力上限は 922,000 トークンと記載されています

A two-column scoreboard for GPT-6.2 Astra against Claude Opus 5.5 across six shared dimensions: Intelligence Index 62.1 vs 59.1, cost per task $4.00 vs $10.04, time per task 10.7 min vs 24.5 min, output tokens per task about 41,000 vs about 173,000, time to first token 74 s vs 625 s, and hallucination rate 59.1% vs 50.3%. The OrcaRouter logo sits in the bottom-right corner.

Claude Opus 5.5が依然として優位な分野と、それが重要な理由

Anthropicのモデルがリードしている行は偶然ではなく、それらをまとめて読むと、このモデルが何を得意としているかが分かる。FrontierCode 2.0は、実際のコードベースへの変更がメンテナーのレビューを通過するかどうかを測るもので、Opus 5.5は1ポイント上回っている。誤差の範囲内ではあるが、人間なら受け入れるようなパッチを受け入れる方向に一貫している。HealthBenchは臨床会話で、そこでは3.5ポイントリードしている。さらに、そのハルシネーション率はほぼ9ポイント低い。50.3%対59.1%で、これは正しく答えられない質問に対して、Opus 5.5のほうがそう言う可能性が高いことを意味する。

最後の行は独立した文にする価値がある。ローンチ記事には決して載らない類の数字だからだ。GPT-6.2 Astraは全知スイートでより高精度だが、無知を認めることに関してはかなり規律が緩い。誤った回答の発見にコストがかかるワークフロー——法務調査、医療要約、金融ファクトチェック——では、無知を認める率の9ポイント差はスコアの3ポイント差を上回りうる。そして、それ以外はAstraに標準化されているスタックであっても、Claude Opus 5.5をループに残しておくための唯一最大の論拠がこれである。

Anthropic自身の発表資料には、Opus 5.5のTerminal-Bench 4.0が66.4%と記載されており、これは上記の59.6%に対する数値である。これは矛盾ではない。ベンダーによる数値は、xhighエフォートでの値であり、モデルのデフォルトであるmediumではなく、Anthropic自身のハーネス上で取得されたものである。1つのベンチマークについて3つの構成の3つの数値があるからこそ、この記事の各行は情報源を明記している。

エフォートダイヤルを変えると、両方の回答が変わります

どちらのモデルも、公開されているスコアは初期設定のままのスコアではなく、デフォルト設定も対称ではありません。Claude Opus 5.5 は Claude API ではmediumエフォートがデフォルトです。上の数値はすべてmaxです。Opus 5.5 をエフォートを設定せずにデプロイするチームは、レイテンシ削減の恩恵もスコアも少なくしか得られません。そして、それがどこに位置するかを示す公開表はありません — エフォート曲線は存在しますが、独立した数値はその頂点にあります。

GPT-6.2 Astraのラダーはlowから始まり、noneを完全に拒否するため、最も安価な設定でも依然として推論設定です。これは小さなアーキテクチャ上の違いですが、実用的な結果を伴います。Astraでは誤って推論をオフにして、高速で安価な、より劣ったモデルを手に入れることはできません。一方、Opus 5.5では同様のレバーはeffortパラメータそのものであり、mediumとmaxの間が、最初のトークンにかかる10分の大半を占めるところです。

3ポイントのインデックス差が判断の決め手になるなら、その差を生み出す設定を実際に使うことになるのか確認してください。両モデルは最も高コストな構成で比較されており、デフォルトでその構成になっているのは片方だけです。

272,000トークンを超えると、テーブルが交差します

トークン単位の料金こそ、この比較に真の構造的非対称性が存在する点であり、それは見出しの料率が示唆するようなものではありません。Claude Opus 5.5 は、100万トークンの全ウィンドウを入力$4、出力$20の定額で請求し、キャッシュ読み取りは$0.20(基本入力の5%)、キャッシュ書き込みは5分間で$5、1時間で$8です。

GPT-6.2 Astraはショートコンテキストでは入力$8、出力$40を課金し、272,000入力トークンを超えるリクエストでは入力とキャッシュを2倍に、出力を1.5倍にします。ただし超過分ではなくリクエスト全体に高い料率を適用します。300,000トークンのプロンプトでそのラインを超えると、実効料率は入力$16、出力$60、キャッシュ$0.80になります。一律$4と$20のOpus 5.5に対して、Astraを安くしている4倍の出力差は、ちょうど3倍になった価格表を生き残らなければなりません。

• キャッシュ読み取り — Opus 5.5 は100万あたり$0.20、Astra は$0.40、272Kを超えると2倍の$0.80

• キャッシュ書き込み — Opus 5.5 は5分間で5ドル、1時間で8ドル、それに対して Astra は30分間で10ドル、12時間で20ドル

• 長文コンテキストの挙動 — Opus 5.5 は 1M 全体でフラット、一方 Astra は 272K を超えるリクエスト全体に対して入力2倍・出力1.5倍

• バッチ — どちらも50%割引、そして両方のウィンドウは開いたままです

これが、安価なモデルが常に正解とは限らない理由だ。大規模なモノレポを扱うコーディングエージェント、400ページの契約書を取り込むドキュメントパイプライン——日常的に数十万トークン規模のコンテキストを抱えるような作業では、Claude Opus 5.5 は高コストな選択肢ではない。プロンプトが伸びても価格が変わらないのは、両者のうち Claude Opus 5.5 だけであり、トークン効率によって Astra が稼ぐタスクあたりの優位性は、請求額に占める入力の割合が上がるにつれて縮小していく。

A long-context pricing chart split by a dashed marker at 272K input tokens: below the marker Claude Opus 5.5 at $4 in and $20 out against GPT-6.2 Astra at $8 in and $40 out, and above it Opus 5.5 still flat at $4 / $20 while Astra steps up to $16 / $60, with callout cards reading 'Cache read: $0.20 vs $0.40, then $0.80', 'Cache write: $5 an hour vs $20 for 12 hours' and 'Astra applies the higher rate to the whole request'. The OrcaRouter logo sits in the bottom-right corner.

40%のウィンドウが計算に及ぼす影響

11月17日以降、{{1}}GPT-6.2 Astra{{/1}}には、{{2}}Opus 5.5{{/2}}には対応するものがない第2の価格が存在する。Responses APIのバックグラウンドモードでは、8時間の完了ウィンドウでモデルのトークン料金がStandardより40%安く請求され——入力$4.80、出力$24、キャッシュ$0.24——2時間のウィンドウでは30%安くなる。計測されたタスクコスト$4.00に適用すると、ディープウィンドウでは1タスクあたり約$2.40となり、Opus 5.5の$10.04と対比される。

無料で手に入る利益ではなく、制約こそが興味深い部分だ。このウィンドウは Standard 処理を必要とし、ストリーミングを禁止し、Batch ジョブとレート制限の予算を共有し、プロンプトキャッシュを分割する——ウィンドウ付きリクエストで書き込まれたエントリは、Standard のリクエストからは読めない。夜間パイプラインにとっては誤差にすぎない。対話型のコーディングセッションにとっては使いものにならず、前述の最初のトークンまでの10分という数字は、あなたのワークロードがその線のどちら側にあるかをまさに決める値だ。

これが生み出す比較は異常なほど明確だ。仕事が朝まで待てるなら、GPT-6.2 Astra は完了したタスクあたりで Claude Opus 5.5 より4.2倍安く、およそ2倍速い。待てない場合、価格優位は2.5倍で、レイテンシの優位も依然としてあるが、その10分は、あなたが選んだ待ち行列のものではなく Opus 5.5 の最初のトークンのものだ。

両ベンダーが一致する唯一の点

両モデルは同じ方向で同じ安全基準をクリアした。OpenAIの6.2システムカードは、Preparedness Frameworkの下でGPT-6.2 AstraをサイバーセキュリティについてはCriticalしきい値、生物・化学能力についてはHighに位置づけており、その結果、ローンチ時には高リスクのサイバー支援に対する拒否がより厳しくなって出荷された。これは自社ドキュメントも認めているとおり、一部の正当な脆弱性研究を制限する。Claude Opus 5.5はAnthropicの同等の制度の下にある。あなたの仕事が防御的セキュリティツールである場合、両モデルはその一部に対して反発するだろう。そして現在、どちらのベンダーも、別途説明している専用のサイバープログラムへのアクセスの代替として、割引されたバックグラウンドウィンドウを提供していない。

それは双方にとって実際のコストであり、上記のどの数値にも現れない。それを織り込んで計画せよ。無制限のエクスプロイト支援を前提とするワークフローは、どちらのモデルでも失敗し、その失敗はベンチマーク結果ではなく拒否のように見えるだろう。

選ぶこと、そして選ばないこと

もし一つを選ばなければならず、あなたの仕事が科学技術計算、長期的な専門成果物、あるいは自分で管理できるスケジュールで答えが届く類のものであるなら、GPT-6.2 Astra は数字が付くあらゆる軸——スコア、タスクあたりのコスト、実時間、そして忍耐と引き換えにさらに40%を得る選択肢——で勝る。あなたの仕事が臨床的であるか、モデルが無知を認める姿勢がその能力の上限よりも価値を持つほど事実重視であるなら、Claude Opus 5.5 のほうが優れた道具であり、2.5倍の割増はその規律の対価だ。日常的に25万トークンを超えるコンテキストを扱うなら、料金表だけで決まり、Opus 5.5 のほうが大幅に安い。

ほとんどの本番システムは、その賭けに出る必要はない。両モデルはOrcaRouter上の単一のキーの背後に存在する — anthropic/claude-opus-5.5はレビューと検証のパス用で、OpenAIのルートがそれと並び、プロバイダーの定価のままマークアップ0%、つまりどちらか一方のベンダーが値下げすれば、それが実施されたその日に同じキーへ反映される。計画と最終レビューをOpus 5.5に、実行と分析の大部分をGPT-6.2 Astraに振り向ける構成は、どちらか一方だけを選ぶ場合よりもはるかに安く済み、さらにOpusルートの自動フェイルオーバーがあるからこそ、プロバイダーが不調な1時間に、10分の初回トークン到達時間が10分の障害になってしまうのを防げる。これが、ほとんどのチームが最初の請求書を受け取った後にたどり着く形であり、最初からルーティングしていれば最初の請求書の前から利用できる。

この判定を変えるものは何か:独立したGPT-6.2 Astraスコアを中程度のエフォートで測った場合だ。これは、Opus 5.5と同じだけ考えるよう求められたときにレイテンシの優位性が保たれるかどうかを示すだろう。さらに、ハルシネーション行での2回目の測定サイクル。これは、ここで唯一、金銭では解決できない理由で安価なモデルに不利な根拠となる数字だ。

The Artificial Analysis model page for GPT-6.2 Astra, an independent third-party measurement site, showing the model's Intelligence Index score and its measured latency and per-task cost panels.