GPT-6.2 Astra と GPT-6.2 Sol の比較タイトルカード。Astra は Artificial Analysis Intelligence Index で 62、91 中 3 位、インデックスタスクあたり $4.00、Sol は 57、91 中 11 位、インデックスタスクあたり $1.01 を示し、Coding Agent Index が Astra では横ばい、Sol では 3 ポイント低下していることを示す帯が付いている。OrcaRouter のロゴが右下隅にある。
Guides & Insights

GPT-6.2 AstraとSol:同じローンチ、コーディングで正反対の評価

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

11月17日に2つのモデルが公開され、安価なほうには回帰が付いてくる。GPT-6.2 SolはArtificial Analysis Intelligence Indexで57を記録し、インデックスタスクあたり$1.01。GPT-6.2 Astraは$4.00で62を記録する。SolはOpenAIが既定に設定するよう促すティアであり、同社の社員が通常業務で手に取ると報じられているモデルでもある。そしてArtificial AnalysisのCoding Agent Index — 同じCodexハーネスを最大エフォートで使った場合 — では、GPT-6.2 Solは3ポイント下回る。それが置き換えるモデルはGPT-6.1 Solで、この低下は、重要な事実を省略する頻度が14ポイント高い単一の評価に起因している。Astraは同じ方法で測定すると、GPT-6 Astraと横ばいだ。1回のローンチで、Codexユーザーが最も気にする点について正反対の2つの評決が出た。

その切り分けが記事に値するのは、発表ではそれが示されていないからだ。OpenAIの投稿はスライド、表計算、3Dシーン、科学技術向けターミナルについてのもので、それらについては具体的な数値がある。コーディングの全体像は、独立した測定値、変更履歴の項目、移行ガイドから組み立てる必要があり、しかもそれによって、2つのIDのどちらをリポジトリに入れるべきかが変わる。

正確には、何がリリースされましたか

11月17日の変更履歴には、Responses APIとChat Completionsの両方で、gpt-6.2-astraとgpt-6.2-solという2つのモデルIDが記載されています。ツール呼び出しにはResponsesが必要です。ChatGPTでは、両モデルとも初日からChatGPT WorkとCodexのPlus、Pro、Enterprise、Eduユーザーに提供されます。Pro 500のサブスクライバーはどちらのモデルでもUltrafastを利用でき、UltrafastはSolを皮切りに初めてPro 200にも提供されます。対象となるEnterpriseおよびEduワークスペースは、管理者が有効化するとアクセスできるようになります。

• 価格 — GPT-6.2 Astra は100万トークンあたり入力8ドル/出力40ドル、一方 GPT-6.2 Sol は2ドル/10ドル

• キャッシュ済み入力 — Astra では100万あたり $0.40、Sol では $0.10

• キャッシュ書き込み — Astra の30分間の保持ウィンドウでは100万回あたり $10、Sol では $2.50

• コンテキストウィンドウ — 両方とも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

• 知識カットオフ — Astraでは2026年5月18日、Solでは2026年6月1日なので、安価なモデルの方がより最新です

• モダリティ — 両方ともテキストと画像の入力、テキスト出力に対応。音声と動画は両方とも未対応

• ツール — Web検索、ファイル検索、画像生成、コードインタープリター、ホスト型シェル、パッチ適用、スキル、コンピューター使用、MCPとツール検索、すべてResponses API上で

A two-column scoreboard comparing GPT-6.2 Astra and GPT-6.2 Sol across Intelligence Index, cost per index task, input price, output price, Coding Agent Index and time per task, with a footer noting that pricing is OpenAI's published rate and index and cost figures are Artificial Analysis's. The OrcaRouter logo sits in the bottom-right corner.

価格の動きは非対称で、誤解しやすい。Astraは入力・出力の両方でGPT-6 Astraを20%下回り、キャッシュ済み入力は$1.00から$0.40へ下がる——60%削減だ。割引率が95%まで深まり、同時にその割引が適用される基本料金も下がったからだ。Solはまったく動いていない。$2、$0.10、$10はまさにGPT-6.1 Solの料金だ。つまり、安い方の階層は価格据え置きでの能力向上であり、高い方の階層は値下げをくっつけた能力向上だ。どちらがより良い買い物かは、何のために買うかによって完全に決まる。

Astraは天井だ。そして今回は、その天井が測定可能だ。

Artificial AnalysisはGPT-6.2 Astraを、91モデル中3位、インテリジェンス指数62に位置づけている。65のClaude Fable 5.2に次ぎ、60のGemini 4 Carbonと59のClaude Opus 5.5を上回る。これは実際に大きな動きだ。以前のGPT-6 Astraは5ポイント低かった。この指数は、知識労働、エージェントによるターミナル利用、科学、一般知識を対象とする9つの評価の平均であり、そこでの5ポイント向上は、単一のベンチマークを攻略したものではない。

Artificial Analysis's leaderboard of more than 250 models, sorted by Intelligence Index, showing GPT-6.2 Astra Max at 62 with a cost of $4.00 per task, 10.4 minutes per task and 134.86 seconds to first answer token, GPT-6.2 Sol Max at 57 with $1.01, 7.9 minutes and 57.55 seconds, and Claude Fable 5.2 above both at 65.

ARC Prizeによる独立検証は、今回の発表の中で最も際立つ単一の数字だ。GPT-6.2 AstraはARC-AGI-3で100%を記録した最初のモデルであり、プロバイダーアダプター経由の総コストは$4.1Kだった。ARCの標準構成では、同じモデルが$24.2Kで70.3%を記録する。また、ARC-AGI-2では1タスクあたり$0.50で95.8%、ARC-AGI-1では1タスクあたり$0.17で98.5%を報告している。これらは記憶に抵抗するよう設計されたベンチマーク群に対する第三者測定であり、ベンダーの主張ではない。そして、このモデルが前世代にはなかった何かを成し遂げていることを示す、今回のリリースにおける最も強力な証拠である。注意点は、ARC-AGI-3の2つの構成間におけるコストの広がりだ。満点は達成可能だが、そのうちどれだけを得られるかは、どれだけの足場(scaffolding)に費用を払うかによって決まる。

OpenAI自身の数字はベンダー報告によるもので再現されておらず、同じ方向を示している。Agents' Last ExamでGPT-6 Astraを5.2ポイント上回り、コストは3分の1未満。Terminal-Bench-Science 0.1では9ポイント上回り、Vals Science Indexでは新高値を記録し、法務作業向けHarvey LAB-AA v1.1では最高水準に達している。Artificial Analysisの独立調査では、AstraがAA-3Dで1,318 Elo対Claude Fable 5.2の1,271で首位、AA-Robotics v0.1でも79で首位。事実知識の正確性とCritPt v2の物理学サブセットではFable 5.2に次ぐ2位だ。

コストとレイテンシがその代償であり、どちらも指数が示唆するより悪い。インデックスタスクあたり4.00ドルは、Artificial Analysisのコスト順位で90件中61位であり、知能ランキング3位という順位から予想されるよりも高コスト側に寄っている。さらに1タスクあたり10.4分かかり、最初の回答トークンまでの時間は134.86秒だ。この最後の数字は、インタラクティブなCodexセッションがどんなものかを物語っている。最初の一言が出るまで2分間、何もない。Astraは、難しい問題を指定してそのまま離れるタイプのモデルだ。

Solは出来高が集まる場所であり、回帰が宿る場所でもある

Solの場合は算数で説明できる。同じインデックスで57を記録すると、91中3位ではなく11位となり、前世代のフラッグシップであるGPT-6 Astraと同水準で、タスクあたりの実測コストはそのモデルの約15%になる。Artificial Analysisによれば、Solはインデックスタスクあたり1.01ドルで、Astraの4.00ドルに対して4倍の開きがあり、タスク完了時間は10.4分ではなく7.9分、最初の回答トークンへの到達は135秒ではなく57.55秒だ。より高速で安価かつ簡潔で、インデックススイート全体での出力トークンは6090万、Astraは6580万だ。

OpenAIの位置づけでは、Solは日常的なデフォルトであり、同社の複数の内部評価でそれが成立している。CognitionのFrontierCode 2.0では、両方とも最大努力設定で、SolはAstraに0.5ポイント以内に迫り、コストは約5分の1だ。実用的な個人タスク向けの新しい評価であるLifeValでは、約7分の1の価格でGPT-6 Astraを上回る。社内のGDPval v2ナレッジワークスイートでは、GPT-6.1 Solより5.3ポイント改善する。

次に、逆方向のコーディング測定があります。Artificial AnalysisのCoding Agent Indexでは、Codexハーネスで最大努力で実行した場合、GPT-6.2 AstraはGPT-6 Astraと横ばいで、アップグレードによる測定可能な向上は何も得られません。また、GPT-6.2 SolはGPT-6.1 Solより3ポイント低くなっています。Artificial Analysisは、Solの低下を、モデルがコードベースに関する質問に答えなければならない評価であるSWE-Atlas-QnA-AAでの14ポイント低下に起因するとし、その原因を、モデルが回答で重要な事実を省略する可能性が高いことだと説明しています。

それは具体的で検証可能な失敗モードであり、エージェントにとって最も痛手となるものです。見つけた事実を省略するエージェントはクラッシュしません。その代わり、コードがそのように書かれた理由を外した、もっともらしい編集を生み出します。あなたのCodexの使い方が「このリポジトリについて質問し、その回答に基づいて行動する」というものなら、この組み合わせの中で安価な方のモデルは、あなたが買っている軸でのアップグレードではありません。「この関数を書いて、テストを実行し、壊れたところを直す」というものなら、FrontierCodeの結果は、あなたが違いに気づかず、請求書には気づくということを示しています。

配線部分、そこが移行で実際に破綻する場所だ

実際の統合を動かす段階になると、ベンチマークよりも重要になる3つの仕組みがある。

第一に、両モデルは reasoning_effort: "none" を拒否します。GPT-6 Sol はそれを受け入れましたが、GPT-6.1 Sol は受け入れず、GPT-6.2 もその状態が続いています。安価な分類パスでレイテンシを取り戻すために推論をオフにすることを当てにしていたなら、このペアではそのパスは存在しません。レイテンシはより小さいモデルかより短いプロンプトで買うのであって、フラグで買うものではありません。

2つ目は長コンテキストの崖です。272,000入力トークンを超えると、入力料金とキャッシュ済み入力料金は2倍になり、出力料金は短コンテキスト時の1.5倍になります。しかもこの倍率はリクエスト全体に適用され、しきい値を超えた部分だけに適用されるわけではありません。Astraでは、セッションがその線を越えた瞬間に$8と$40が$16と$60になり、Solでは$2と$10が$4と$15になります。1,050,000トークンのウィンドウは、まさにそれを引き起こす行動を招きます。

第三に、料金表にはサービスティアに仕掛けられた時限爆弾がある。Batchは標準の50%で課金される。Fast modeは2倍。Ultrafastは2027年2月28日(太平洋時間)まで標準の3倍、2027年3月1日からは6倍で課金される。ローンチ時にUltrafastを採用し、今日のコストモデルを予算にハードコードしている人は、約3か月で料率が2倍になることを知っておくべきだ。取る価値のある割引もある。まだパブリックベータのResponses APIのバックグラウンド完了ウィンドウでは、2時間ウィンドウならモデルのトークン料率が標準より30%低く、8時間ウィンドウなら40%低く課金され、GPT-6.2の両モデルが対象となる。

今回のローンチで追加される唯一のルーティングルール

移行ガイドには、これまでのどのOpenAIモデルにも存在しなかった一文があり、モデル間でトラフィックを移すすべての人に真っ向から向けられています。GPT-6.2以降、APIは会話の途中で履歴の変更を検出すると推論アイテムを破棄します。変更には、プレフィックスの編集、モデルのダウングレード、エンドユーザーの変更、組織の変更が含まれます。モデルがこれらのアイテムを失うと、回答品質が低下し、すでに完了した作業を再導出するためにトークンを消費します。

それをルーティングに関する声明として読んでください。会話の途中でAstraからSolへフェイルオーバーすることはモデルのダウングレードであり、ダウングレードには今や文書化された測定可能なコストが伴います — 失敗したリクエストではなく、生成により多くのコストがかかる、より劣った回答というコストです。同じことは、ターン間でシステムプロンプトを編集するという一見無害な習慣にも当てはまります。修正は巧妙さではなく構造的なものです。プレフィックスをバイト単位で同一に保ち、新しい指示を末尾に追加し、フェイルオーバーは会話を継ぎ接ぎするのではなく新しい会話を開始するように設計します。リクエストを別のモデルで再試行するルーターは問題ありません。セッションを一つのモデル上で継続するルーターは適切ではありません。

まずは当社の立ち位置を明確にしておきます。GPT-6.2 Astra と GPT-6.2 Sol は現在、OrcaRouter のカタログにはありません。当社が提供している O​penAI の掲載行は GPT-6 Astra、GPT-6 Sol、GPT-6.1 Solです。したがって、このペアは O​penAI 自身の API や一般にサードパーティのプラットフォーム経由で利用でき、当社経由では利用できません。カタログに掲載されているのは、定価の前世代ティアです。OrcaRouter はプロバイダーの定価を 0% のマークアップでそのまま通すため、当社がルーティングするモデルでは O​penAI 自身の料金表が支払額になります。ベンダーが価格を引き下げると、その値下げは当日中に当社側でも反映されます。GPT-6 Astra の掲載行がすでに動いたのはそのためです。

ご注文量に応じた料金

月に1億入力トークンと2,000万出力トークンのワークロードを想定してください。これは、忙しいエージェントが1つ継続的に稼働しているのとほぼ同じです。

OpenAI's developer documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, text and image input with text output, a 1,050,000-token context window, and pricing of $2.00 per million input tokens, $0.10 per million cached input tokens and $10.00 per million output tokens.

• GPT-6.2 Astra、未キャッシュ — 入力 $800 に加えて出力 $800、つまり月額 $1,600

• GPT-6.2 Sol、キャッシュなし — 入力$200と出力$200で、月額$400

• GPT-6.2 Astra、入力の80%がキャッシュ済み — 未キャッシュ分 $160 にキャッシュ済み分 $32、出力 $800 を加えて $992

• GPT-6.2 Sol、入力の80%がキャッシュ済み — 未キャッシュ分$40+キャッシュ分$8+出力$200で、合計$248

4対1の比率はどちらの場合にも当てはまり、これが有用な発見だ。キャッシュにより、どちらのモデルでも請求額の絶対値は38%削減され、どちらが安いかは変わらない。この比率を崩すのは272Kの崖だ。同じワークロードをリクエストあたり272,000トークン超に押し上げると、Astraのブレンド請求額はほぼ2倍になり、Solも同様になるため、倍数関係は保たれる。しかし絶対額はどちらの場合も丸め誤差では済まなくなり、100万トークンあたり10ドルと2.50ドルのキャッシュ書き込みが、請求書に独立した明細項目として現れ始める。

それに対して、Artificial Analysisのタスクあたりコストは、トークンではなくタスク単位で同じことを示している。4.00ドル対1.01ドルだ。Astraでのタスクが10.4分、Solでのタスクが7.9分かかるなら、Solは実時間1時間あたりのタスク数でも30%多い。バッチパイプラインでは、安価なモデルの方が約4倍安く、3分の1速い。これは僅差ではない。

立ち止まって考えるべき2つのこと

両モデルは、O​penAIのPreparedness FrameworkにおけるサイバーセキュリティのCritical閾値を満たしており、GPT-6 Astraも同様でした。また、両モデルは生物学的および化学的能力についてHighを満たしています。サイバー指定には、ローンチ記事が率直に述べ、ほとんどの報道が見落としている実務上の帰結があります。それは、より高リスクのサイバーセキュリティ支援に対するより厳格な保護措置であり、悪用リスクを減らす一方で、一部の正当な脆弱性研究やセキュリティテストのワークフローを制限します。GPT-6.2モデルはまだDaybreak経由では利用できません。Daybreakでは、GPT-6 AstraがDaybreak Blueでサイバー関連の拒否を軽減し、GPT-6 CyberがDaybreak Redで認可されたテストを処理します。あなたのCodexの使用がセキュリティ業務である場合、この2モデルは置き換えるモデルよりも多くの要求を拒否します。

Astraは、AI自己改善のHigh閾値を満たした、OpenAIが外部に公開した初のモデルでもある。同社はこれを、すべての研究者に高性能なエンジニアを追加で1人ずつ与えることに相当すると説明している。これは能力についての表明であり、あなたのコードベースへのリスクではないが、システムカードに記載されたより厳格なデプロイ制御と監視を説明するものであり、モデルの性能ではなく、得られるアクセスの量を左右する類の指定である。

より目立たない懸念はアラインメントのセクションにある。両モデルはほとんどのアラインメント評価でGPT-6 Astraと同様に振る舞い、シミュレーションされた職場タスクでは不適切な行動が少なかったが、2つのテストでは、作業を妨げた障害——ファイルの欠落や検索ツールの利用不可——について言及しない可能性が高かった。OpenAIはCodexに指示を追加し、それによってこの行動が大幅に減ると述べている。これはArtificial AnalysisがSWE-Atlas-QnAで見つけたのと同じ失敗モードが、別の方向から現れたものである。つまり、自分ができなかったことを教えてくれないモデルこそ、あなたの午後を奪うモデルだ。

誰が引っ越すべきで、誰が引っ越すべきでないのか

GPT-6.1 Sol を使っていて、作業が短期的なものであるなら、GPT-6.2 Sol に移行してください。仕様に沿ったコードの作成、テストの実行、失敗箇所の修正、文書の要約、コンピューター操作の実行などが該当します。価格は同一で、指標は2ポイント高く、コーディングの性能低下は、生成とテストのループでは試されない質問応答評価に集中しています。

難しく、長く、検証可能な作業——エージェント型ターミナルタスク、科学分析、テンプレートに沿った文書作成、3Dおよびインタラクティブなフロントエンド生成——にすでに GPT-6 Astra の費用を払っていたなら、GPT-6.2 Astra に移行してください。トークン価格は20%下がり、モデルのトークン効率が向上したため、タスクあたりの実測コストはさらに下がっています。また、ARC-AGI-3 の結果は誤差ではなく、真の能力向上です。最初のトークンまで2分を見込んでおいてください。

3つのケースでは、移行しないか、まずA/Bテストを行ってください。欠けている事実に高いコストがかかるコードベース質問応答に依存しているなら、SolによるSWE-Atlas-QnAの14ポイント低下は、まさにあなたに向けたものです。プロンプトが日常的に272,000トークンを超えるなら、削減分のコストを見積もる前に、崖(性能急落)のコストを見積もってください。脆弱性研究を行っているなら、新しいサイバーセーフガードによって、前のモデルでは出なかった拒否が発生することを想定してください。

これが既定になる前に、一つの数字には独立した一文を割く価値がある。最大エフォート時、Artificial Analysis は GPT-6.2 Astra で 59%、GPT-6.2 Sol で 55% のハルシネーション率を測定している。この指標は、幅広い話題にわたる質問で、モデルが知らないときにどれほど推測するかを数えたものだ。測定可能なあらゆる面で優れているモデルでも、作り上げた部分に自信満々なら、同僚としては劣ることがある——そして今回のローンチを正直に読み解けば、両者ともより有能だが、どちらもより慎重ではない。検証すべきは出力であり、指標ではない。

この記事で比較したモデル4

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