見出し「GPT-6.2 Astra vs Gemini 4 Argon」、サブタイトル「まだ購入できない15ポイントの差」、3つの根拠チップ「Intelligence Index: 62.1 vs 52.56」「Hospital-bench: 62.4% vs 46.9%」「Argon: 発表済み、モデルIDなし」を備えたタイトルカードを生成。フッターには、GPT-6.2 Astraが2026年11月17日に出荷された一方、Gemini 4 Argonは2026年9月30日に発表され、エンドポイントが存在しないと記載。
Guides & Insights

GPT-6.2 Astra 対 Gemini 4 Argon:まだ買えないギャップ

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

GPT-6.2 AstraとGemini 4 Argonは3つの独立した評価ボードにそろって登場し、そのすべてで同じモデルが実行ごとのばらつきより大きい差で勝利している。2026年11月20日に公開された20モデルのエージェント型管理評価であるHospital-benchでは、GPT-6.2 Astraは平均62.4%、フルパス率29.2%を記録し、Gemini 4 Argonは46.9%と16.7%だった。Blueprint-Bench 2では差は0.614対0.544。Artificial Analysis Intelligence Indexでは、最大努力を揃えた条件で62.1対52.56となる。これは同インデックスで15ポイントのリードであり、クリーンなタスク完了でおよそ8件対14件に相当し、議論の余地はない。

争点は、その比較が選択を描写しているかどうかだ。OpenAIは2026年11月17日にGPT-6.2 Astraを出荷した。価格は入力100万トークンあたり8ドル、出力100万トークンあたり40ドル。Googleは2026年9月30日にGemini 4 Argonを発表したが、まだ出荷していない。モデル識別子も、Gemini APIエンドポイントも、セルフサービス割当も、一般提供日もなく、アクセスはサインアップページではなくFairwind Program経由だ。存在する価格——100万あたり2.00ドルと10.00ドル——は料金表であって、プログラム外の誰かが支払っている請求書ではない。したがって、この対決を正直に枠づけるなら、どのモデルに標準化するかではない。そうではなく、この二つのうち一方は選択肢であり、他方はベンチマーク項目だということだ。そして15ポイントの差は、何を買うかではなく、何を待っているかを教えてくれる。

各モデルが実際に何なのか

GPT-6.2 Astraは、長期にわたるプロフェッショナル業務向けのOpenAIのフラッグシップモデルです。1,050,000トークンのコンテキストウィンドウ、最大出力128,000トークン、テキスト・画像・ファイルにわたるマルチモーダル入力に対応します。推論は常に有効で、エフォートはlowからmaxまで設定可能です。また、chat-completions形式とネイティブのResponses APIの両方に対応し、バックグラウンドモードも含みます。GPT-6ラインでOpenAIのラインアップの頂点に立つ3番目のモデルであり、GPT-6 Astraから変わった点のうち運用上重要なのは次の2つです。課金メーターの両方向で20%削減、そしてキャッシュ入力の60%削減で、$1.00から$0.40になります。

G​emini 4 Argonは、G​oogleのG​emini 4ファミリーの第4層に位置し、Proの下、Hydrogenの上にあり、NeonとCarbonが中間を占めている。公開されているカードは、それ自体が情報を与えるほど簡素だ。1Mトークンのコンテキスト、テキストと画像の入力、Artificial Analysisが測定する行としての高推論構成、そして2ドルと10ドルという料金。公開された出力トークン上限はなく、文書化されたツール使用サーフェスも、コンテキストキャッシュの文書も、モデルIDもない。これと、同じファミリーが、ネイティブの関数呼び出し、構造化出力、OpenAI互換とネイティブのgenerateContentという両方の経路を網羅する完全な説明を備えて提供しているCarbonを対比せよ。Argonにはカードと価格、リーダーボードの行がある。まだ製品はない。

その非対称性が、以下のすべての枠組みを決める。2つのモデルがどちらも利用可能なら、直接比較は購入判断だ。一方が利用可能で他方が発表済みの場合、その比較は実際には3つの問いが積み重なったものだ。能力差はどれほど大きいか、価格優位性はどれだけ持続するか、そして2番目の問いが意味を持つには何が起きる必要があるか。最後の問いが興味深い。なぜなら価格優位性には、あらかじめ期限が明記されているからだ。

3つのボード、1つの方向性

両モデルは同じ3つの評価に登場しており、それらは3つの異なる組織によって3つの異なる手法で実施されている。それら全体での一致はこの比較における最も強力な証拠であり、規模に関する不一致は2番目に強力な証拠である。

• Hospital-bench の平均 — GPT-6.2 Astra 62.4% 対 Gemini 4 Argon 46.9%、15.5ポイント差

• Hospital-bench のフルパス — Astra 29.2%(48件中14件)対 Argon 16.7%(48件中8件)

• Blueprint-Bench 2 — Astra 0.614 対 Argon 0.544、0から1のスケールで0.070の差

• インテリジェンス指数 v5.0.1 — Astra 62.1 対 Argon 52.56、いずれも最大エフォートで

• Indexタスクあたりのコスト — Astra $4.00 対 Argon $1.99(同一スイートで測定)

• 100万あたりの入力価格 — Astra $8.00 対 Argon $2.00(11月30日まで)、以降は $4.00

A generated three-row comparison card titled 'Three boards, one direction', with row one reading 'Hospital-bench 62.4% vs 46.9%', row two 'Blueprint-Bench 2 0.614 vs 0.544' and row three 'Intelligence Index v5.0.1 62.1 vs 52.56', column headers 'GPT-6.2 Astra' and 'Gemini 4 Argon', and the footer 'Three independent evaluators, three different methods'.

Hospital-bench の結果は、それが測定する内容ゆえに独立した行に値する。この評価では、エージェントに13の接続システムにまたがる131のツールが与えられ、320床の病院における48の事務作業——事前承認、却下された請求、記録請求——に取り組ませる。これは、これらのボードのいずれにおいても、エージェントが実際に雇われて行う仕事に最も近いものであり、そこでの差は3つの中で最大で、平均スコア15.5ポイントである。合格率の列はArgonにとってさらに悪い。完全に完了したタスクで8件対14件、43%の不足であり、これは半分しか終わっていない事前承認が部分点ではなく却下請求になるベンチマークである。

Blueprint-Bench 2 は3つの差の中で最も小さく0.070であり、2つのモデルが性質上最も近い項目でもある——どちらも一連の写真から間取りの接続グラフを再構築しており、このタスクはドメイン知識よりも長期的な一貫性を重視する。Argon がそこで0.07以内まで迫りつつ、総合指数では9.5ポイント後れを取っていることは、その強みがどこにあるかについての真のシグナルだ。またこれは、人間に関わる重要度が最も小さいボードでもあり、引用する前に覚えておく価値がある。

価格面の優位性には期限がある。

比較全体を再編する事実はこれです。Gemini 4 Argonの料金表は、2026年11月30日まで100万トークンあたり入力2.00ドル、出力10.00ドルです。12月1日には4.00ドルと20.00ドルになります。これは噂でも予測でもありません。公表されたスケジュールであり、Argonの経済性にとって最も重大な点です。なぜなら、その日にモデル自体は変わらないからです。

• 100万あたりの入力 — Argon は現在 $2.00、12月1日から $4.00、Astra は $8.00 で据え置き

• 1M出力あたり — Argon は本日 $10.00、12月1日から $20.00;Astra は $40.00(一律)

• キャッシュ入力 — Argon は本日 $0.10、以降 $0.20、Astra は $0.40、一律

• Indexタスクあたりの実測コスト — Argonは現在$1.99、後には約$3.98、Astraは$4.00

• 272Kを超えるコンテキスト — Argonには公開されたロングコンテキスト枠がありません。Astraはリクエスト全体を$16および$60で再価格設定します

今日、Argonはトークンあたりの価格がAstraの4分の1で、完了したIndexタスク1件あたりの価格は半分です。9.5ポイント劣るモデルにとって、これは意味のある割引です。12月1日以降はトークンあたりの価格が2分の1になり、IndexタスクあたりのコストではAstraとほぼ並びます。その時点では、タスクあたりで安いモデルが同時にスコアの低いモデルでもあり、コストの論拠はまったく機能しなくなります。

2つの仕組みにより、現行の優位性でさえ見た目より小さくなる。1つ目は、Astraの長コンテキストの崖が現実に存在する一方、Argonのそれは非公開だという点だ。272,000プロンプトトークンを超えると、Astraはリクエスト全体を入力$16、出力$60で再価格設定する。Astraでの300Kトークンのエージェント実行は、モデルが1トークンも出力する前に入力だけで$4.80かかる。これは直前の271,999トークンでは$2.17だったのに対してだ。ワークロードがエージェント的で長いなら、その崖は1回のリクエストで4倍のトークン優位を消し去りうる。そうでないなら、支払っている1.05Mウィンドウを使うことはそもそもなかったはずだ。

第二に、トークン価格はタスクコストではない。Artificial Analysis は両モデルを同一の評価スイートで測定し、Argon は 1.99 ドル、Astra は 4.00 ドルと報告している。これは料金表が示唆する 4 対 1 ではなく、2 対 1 の比率だ。Argon は回答に到達するためにより多くのトークンを消費するか、より多くのターンを要するか、その両方だ。これは安価なモデルに典型的な形であり、予算策定の基準にすべき数値はタスクあたりの請求額だけだということを意味する。

15の点は何でできているのか

最大努力を揃えた条件での9.5ポイントのインデックス差は大きな数字であり、インデックスを単一の判定として扱うのではなく、その差がどこから来るのかを具体的に示す価値があります。Artificial AnalysisのIntelligence Indexは9つの評価の平均であり、両モデルが同じ評価で失敗しているわけではありません。Astraの優位性はエージェント的および長期的なホライズンの構成要素に集中しており、これはHospital-benchが示す位置でもあります。一方、Argonが競争力を持つ個別の知識・推論タスクではその差は縮まります。

そのパターンは、2つのモデルがどのように構築されているかと整合している。Astraは常時思考と最大まで設定可能なエフォートを備えた推論モデルであり、エフォート設定はスコアと請求額の両方に効く最大の要因だ。Argonの公開されている行はその高推論構成であり、これはG​oogleが上限ではなくバランス点として位置づける設定だ。このファミリーにxhighの段階はない。「各モデルが達成できる最善」を比較するとき、あなたはAstraのmaxと、Argonの一段下を比較しており、その差はアーキテクチャを反映するのと同じくらい、そのことも反映している。

反対側には実際の注意点があり、それはAstraに不利に働く。より長く推論するモデルは、同じトークン価格でもタスクあたりのコストが高くなるモデルであり、AstraのIntelligence Indexタスクあたり20.2分はスイート中央値を大きく上回っている。15ポイントのリードは金額だけでなく実時間も費やして買われたものであり、レイテンシに敏感な製品——顧客対応エージェントやサポートのトリアージループ——では、実用的な比較は中程度のエフォートのAstra対高エフォートのArgonであり、その差は9.5ポイントよりかなり小さく、コスト像もそれに伴って変わる。

呼び出し可能なもの

以上はすべて可用性に帰着します。というのも、今日この比較を実際に左右するのはこの次元だからです。2026年11月20日時点で、GPT-6.2 AstraはOrcaRouterのカタログにありません — 当社がルーティングしているOpenAIモデルは、Hospital-benchで46.7%を記録するGPT-6 Astraと、GPT-6.2 Solが57.6%および25.0%を記録するGPT-6 Solラインです。Gemini 4 Argonもここではルーティングできません。より明白な理由は、Googleがルーティング先となる識別子を公開していないことです。

つまり、この対決の両者はいずれも当社のエンドポイントでは利用できない。対決記事としては異例の着地点であり、飾らずに明言しておく価値がある。今日利用できるのは、両陣営とも前世代だ。O​penAIのGPT-6 AstraとGPT-6.2 Sol、G​oogleのG​emini 4 CarbonとG​emini 4 Neonである。この4つはいずれもプロバイダー定価のまま、マークアップを一切上乗せせずに課金される。そのため、ベンダーの値下げは次回の契約更新時ではなく当日に料金へ反映される。プロバイダー間の自動フェイルオーバーにより、あるモデルのレート制限でバッチが止まることはない。また、ルーティングDSLを使えば、連携を書き換えることなくタスククラスをモデルに固定できる。

• 現在呼び出せるもの — GPT-6 Astra、GPT-6.2 Sol、Gemini 4 Carbon、Gemini 4 Neon

• できないこと — GPT-6.2 Astra(11月20日時点で当社のカタログにありません)、Gemini 4 Argon(公開されているモデルIDがどこにもありません)

• その差がどれほどの価値か — Hospital-benchでは15.5ポイント、Intelligence Indexでは9.5、Blueprint-Bench 2では0.070

・後から切り替えるコスト — 識別子さえ存在すれば、モデル文字列は1つだけ

A generated pricing timeline card titled 'The price advantage has a date on it', with rows reading 'Argon today $2.00 in / $10.00 out per 1M', 'Argon from 1 December 2026 $4.00 in / $20.00 out', 'Astra, flat $8.00 in / $40.00 out' and 'Cost per Index task: Argon $1.99 now, about $3.98 after; Astra $4.00', over a footer noting Argon's pricing is a published schedule and the model itself does not change on 1 December.

実用的な推奨は、スコアではなく日付から導かれる。今月、エージェント型の管理業務向けにフロンティアな O​penAI モデルが必要なら、GPT-6.2 Sol は当社カタログの中で Hospital-bench 表の首位に最も近いものであり、2つの O​penAI 選択肢のうち安い方で、トークンあたりの費用は4分の1だ。G​oogle モデルが必要なら、Carbon と Neon はどちらも提供中で、一部のサブ評価では Argon の指標を上回っている。どちらもこの記事が名目上扱っているモデルではなく、そうでないふりをするのは、読後感はよくてもルーティングを誤る類のことだ。

何がこの読みを変えるだろうか

三つの進展が答えを変えるだろう。その第一は、Gemini 4 Argonの提供開始だ。公開されたモデル識別子、セルフサービス型エンドポイント、文書化されたツール利用サーフェスがあれば、これは製品と料金表の比較から購入判断へと変わる——そして、52.56のインデックス行が実際のAPIとの接触に耐えるかどうかも決着するだろう。なぜなら、出回っているすべてのArgonの数値は、ほとんど誰も実行できない構成に由来するからだ。

2つ目は2026年12月1日です。レートカードの倍増はこの比較における最大の経済的イベントであり、しかも発生日が既知です。もしArgonのタスクあたりコストが試算どおり$4.00付近に着地すれば、完了したIndexタスクあたりのコストではAstraと同水準になる一方で9.5ポイント劣後し、Argonの採用根拠は具体的な論点に集約されます——競争力のあるタスク、トークン消費がより少ないワークロード、すでにFairwind Programに参加しているチームです。実測コストが予測を下回れば、「安価だがやや劣る」という位置づけは持続可能であり、これは価格における真の二強対決になります。

第三は、Hospital-benchの2回目の実行です。11月20日の公開は単一のキャンペーンで、方法論ページもタスクセットも実行ログもなく、48タスクでの15ポイント差は、誰かがそれを標準化する前に再測定に値する強い結果です。その表内の世代間比較は、最も動きにくい部分です。GPT-6.2 Astraが62.4%でGPT-6 Astraが46.7%、クリーンな完了が8.3%から29.2%へというのは、ノイズを生き残るのに十分な大きさの跳躍です。

つまり、その15ポイントは本物で、価格優位性は一時的なものであり、この比較はまだ選択にはなっていない。GPT-6.2 Astra は、両者が同じボードに並ぶあらゆる場面でより優れたモデルであり、その差は実際のエージェント作業に最も近い評価で最大になる。そして、今日実際に呼び出せるのは二者のうちこれだけだ。Gemini 4 Argon は、リーダーボードの一行と、その唯一の利点に有効期限が付いた料金表にすぎない。前者を買い、後者を注視し、12月1日にこれを読み直すといい。そのとき、どちらのモデルも動かないまま計算が変わる。

The Hospital-bench leaderboard graphic from the 20 November 2026 X thread, headed 'Hospital-bench' with the methodology line about the administrative operations of a 320-bed hospital across 13 connected systems, labelled 'Top 10 of 20 models' with 'Mean score' and 'Pass rate' columns. The two rows this comparison turns on read GPT-6.2 Astra 62.4% / 29.2% at the top and Gemini 4 Argon 46.9% / 16.7% in ninth, with the rest of the field between them.

この記事で比較したモデル2

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新