GPT-6 Astra 対 Grok 4.6：インデックスの同点が崩れ、価格差はティア次第

GPT-6 AstraとGrok 4.6は、このページが2026年9月4日に最初に公開された時点では、両者を順位づけする唯一の独立系スコアボード上で同水準だった。これが、このページが撤回しなければならない一文だ。2026年9月16日時点のArtificial Analysis Intelligence Index（バージョンv4.3、10件の評価）と照らし合わせると、GPT-6 Astra（max）は53、Grok 4.6（high）は44に位置しており、かつては同点だった。もう一つの訂正は、あなたがクリックした見出しにあるものだ。同じ日に確認したOpenAIの料金表では、GPT-6 Astraは100万入力トークンあたり$10.00、100万キャッシュ済み入力トークンあたり$1.00、100万出力トークンあたり$50.00。xAIの料金表ではGrok 4.6が$2.00、$0.50、$6.00となっている。標準入力に対しては5倍。出力に対しては8.3倍。キャッシュ済み入力——ほとんどの本番トラフィックが実際に課金される項目——に対しては2倍だ。単一の倍率など存在せず、単一の倍率があると主張していたこのページの版は、4行の料金表をスローガンに丸め込んでいた。これは新規リリースではなく更新だ。GPT-6 Astraは2026年9月3日からのOpenAIのフラッグシップであり、Grok 4.6は2026年8月12日からのxAIのフラッグシップだ。それ以降に変わったのは、測定結果、提供状況、そして計算だ。

乗数は決して単一の数値ではなかった

ベンダーが2026年9月16日に公表するとおりの2つの料金表から始めよう。なぜなら、下流のすべてがその階層構造を引き継ぐからだ。Open​AIはGPT-6 Astraを、100万入力トークンあたり$10.00、100万キャッシュ済み入力あたり$1.00、100万キャッシュ書き込みあたり$12.50、100万出力あたり$50.00と記載し、料金表を短コンテキスト列と長コンテキスト列に分けている。長コンテキスト閾値（この料金表で報告されている数値では272,000入力トークン）を超えると、リクエスト全体が次の料金に再設定される：入力$20.00、キャッシュ$2.00、出力$75.00。BatchとFlexは標準料金の半額、Fastモードは2倍で請求される。x​AIはGrok 4.6を、500,000トークンのコンテキストウィンドウに対して、100万入力あたり$2.00、キャッシュ$0.50、出力$6.00と記載しており、リクエストが200,000プロンプトトークンに達すると、リクエスト全体が次で請求される：入力$4.00、キャッシュ$1.00、出力$12.00。これらはベンダーの料金表であり、実測値ではない。

それらを並べてみると、昔の見出しの倍率は分解される。標準入力：$10.00 対 $2.00 で5倍。出力：$50.00 対 $6.00 で8.3倍。キャッシュ入力：$1.00 対 $0.50 で2倍。長コンテキスト入力：$20.00 対 $4.00 で再び5倍 — しかし長コンテキスト出力は $75.00 対 $12.00、つまり6.25倍。昔のタイトルにあった5は、でっち上げではなかった。それはスローガンの服を着た4行カードの1行であり、どの行を引用するかで答えは4倍変わる。この対決に1つの数字だけを出す人は、あるティアを選んでいて、それがどれかを教えていない。

このペアをトークン単価の計算だけでは十分に説明できない2つ目の理由があり、しかもそれは逆方向に働く。同じ作業を終えるのに両モデルが同じトークン数を使うわけではなく、Artificial Analysisのタスクあたりコスト指標——Intelligence Index評価を実行する際の加重平均コスト——では、エフォート設定を揃えれば、トークンあたりが高価なモデルのほうが完了したジョブあたりでは安い。2026年9月16日のAA自身のモデルデータによると、GPT-6 Astraはhighエフォートで$1.72のインデックスタスクあたり、Grok 4.6はhighで$1.86となる。理由は同じ記録のトークン数にある。Astraはインデックス全体を実行するのに出力トークン60Mを使うのに対し、Grok 4.6は94M、タスクあたりでは出力トークン27kに対し36kだ。入力レートが5倍でも、トークン消費がおよそ3分の2なら、わずかに先行する.

AA 自身の比較ページにある見出しの組み合わせは、また別のことを言っており、どちらも事実だ。AA のページは GPT-6 Astra をmaxでトップに据えている — タスクあたり $3.26、インデックスは 53 — それに対するのは Grok 4.6 の high、$1.86 で 44。そう読むと、割増分はコスト面では何も買っていないように見える。同じ high effort で揃えて読めば、Astra はインデックス 51 対 44 で、タスクあたり 10 セント安い。どちらの数値があなたの予算に属するかは、Astra を max で走らせるつもりか high で走らせるつもりかで完全に決まる。そして AA のページは、それを選ばせてはくれない。これは以前のタイトルにあった単一の乗数と同じ失敗であり、一段下の話だ。

指数の同点は消え、正直な読み取りは見た目よりも狭い。

このページが最初に書かれたとき、両モデルは Artificial Analysis Intelligence Index で61に位置し、記事全体は価格を軸に展開していた。その知見はもはや再現しない。2026年9月16日時点で読んだボードでは、GPT-6 Astra (max) が53、Grok 4.6 (high) が44だ。両モデルともエフォート設定のはしごを完全に公開しており、そのはしごは AA が比較ページに掲載する単一の行よりも重要だ。AA 自身のモデルデータによると、GPT-6 Astra は53 (max)、53 (xhigh)、51 (high)、50 (medium)、46 (low) で、Grok 4.6 は44 (high)、44 (xhigh)、43 (medium)、35 (low) だ。最も近い一致設定である high 対 high では、差は7ポイントである。

同じ呼吸で二つの注意点を挙げておくべきだ。第一に、インデックスは再構成された。現在公開されているバージョンは v4.3 で、100件の——いや、10 件の評価——AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1——から構築されており、9 月上旬のボードとは異なるモデル集団を対象としている。生じている 9 ポイントの差の一部は、どちらかのラボが何か新しいものを出したというより、再調整によるものであり、このページを前回のものと比較する読者は、二つの異なる物差しを比べていることになる。第二に、この 2 つのエントリーは推論努力設定が揃っていない。AA の比較では Astra の max と Grok 4.6 の high が組み合わされており、max 対 high の比較は同一条件の比較ではない。10 の評価を束ねたインデックスにおける 9 ポイントの差について安全に言える解釈は、現実的だが控えめな隔たりであり、圧勝ではないということだ。いくつかのモデルは、両者の数ポイント上下の範囲に集中している。言えるのは、このページが以前述べていたことの逆である。独立したスコアボード上では、この 2 つはもはや互換ではなく、より高価なほうが先行している。

スピードは、このページの以前のバージョンではAstraについて空欄にせざるを得なかったが、今では測定されている——そして待ち時間の数値のほうが、より際立つ半分だ。Artificial Analysisが計測したGPT-6 Astra（max）は毎秒52.9出力トークンで、Grok 4.6（high）の57.7に対してであり、長い生成では体感できる差だが、ルーティング判断を作り変えるべき差ではない。初回トークンまでの時間は話が別だ。Astraは334.04秒、Grok 4.6は38.63秒であり、エンドツーエンドの応答時間は343.48秒対47.31秒。Astraは答える前に数分間考える。バッチや夜間のエージェント作業ではそれは見えないが、インタラクティブな用途では決定的な数値であり、しかもどちらの料金表にも載っていない。

Astra自身のベンチマークシート、そして誰が何を言うことを許されるのか

OpenAIのGPT-6 Astraに関する見出しの数字は、すべてベンダー報告によるもので、ここではそのいずれも再現されていない。FrontierMath Tier 4で98%、ExploitBenchで100%——OpenAIの前のフラッグシップであるGPT-5.6 Solの78.5%に対して——そしてARC-AGI-3で99.9%。これらは発売時の報道が繰り返した数字であり、そのうち2つは、実際に受け取ったよりも強い懐疑をもって見られるべきだ。

まずARC-AGI-3。99.9%という数字は、OpenAIのプロバイダーアダプターハーネスによるものだ。このベンチマークを運営するARC Prizeは、別途62.7%という数値を、同じモデルがプロバイダー中立のStandardハーネスで実行した場合について、その実行費用$26,098とともに計測している。ARC Prize自身の注記によれば、このアダプターはリクエスト間でOpenAIの推論状態を保持するため、この2つの数値は別々のものを測っており、同じ測定であるかのように引用されるべきではない。その差の大きさは、どんな議論よりもこの点をよく示している。アダプター下で「none」推論のAstraは96.7%を記録し、Standardハーネス下での自身の最大推論スコアをおよそ34ポイント上回っている。2番目の数値は、モデルが行っていない仕事をハーネスがしているということだ。

FrontierMath Tier 4 がもう一方です。98% というのは、OpenAI 自身が開発資金を出したベンチマークについての OpenAI 自身の報告です。ローンチ週の比較表の少なくとも 1 つは、同じ結果を 97.6% と記載しています。どちらもベンダー報告として扱い、どちらも確定したものとはみなさないでください。

ハーネス議論を経てもなお生き残るものは、保持する価値がある。ARC Prizeはまた、Astraが完了したレベルの96%で、テストされた人間の中央値よりも少ない行動数を使ったことを発見した。約500人の参加者から得た人間ベースラインに対して、レベルあたり平均51.7%少ない行動数であり、この効率性の結果はアダプターに依存しない。そしてARC Prizeは、AstraがAGIであると主張しているわけではないと明言した。環境は有界かつ決定論的であり、ベンチマークを飽和させることは汎用的能力の証明にはならない。独立系コーディング分野では、DatacurveのDeepSWE v1.1——91のアクティブなオープンソースリポジトリにまたがる113タスク——がGPT-6 Astraを74.1%で掲載している。それは、突出した結果というよりは強い結果である。そのボードのトップは団子状態であり、上位エントリが互いに数ポイント以内に収まるボードは、能力についてと同じくらい不確実性についてのボードである。執筆時点では、同等の設定におけるGrok 4.6の数値はそこに公表されていなかったため、この次元は片側しかない。

2つの動作方式、そしてコントロールにおける実質的な違い

たとえスコアが僅差でも、この2つはあなたがそれらをどう操縦するかについて一致していない。Grok 4.6 は明示的な推論努力ダイヤルを備えた単一の強力なモデルであり、リクエストにどれだけの思考が値するかを自分で決め、それに対して定額を支払う。GPT-6 Astra は自力でより長く実行し、確定する前にレビューのために一時停止するように作られている。また、サイバーセキュリティリスクに関する同社のPreparedness Frameworkの下で、同社が「critical」と評価した最初のOpen​AIモデルでもある——これはベンダーによる自己評価であり、外部の調査結果ではない——そしてOpen​AI自身も、以前のフラッグシップと比べて監視可能性が低下したことを認めている。だからこそ、最も許容度の高い設定は、公然と販売されるのではなく、審査済みパートナーに限定されている。セキュリティチームにとって、その制限は利点だ。納期があり、決定論的で操縦可能な出力を求める開発者にとっては、割増料金を払ってまで手に入れる摩擦でしかない。

スコアボード、ラベル付き

• インテリジェンス（独立系） — エフォートを揃えた high 対 high の比較：GPT-6 Astra 51、Grok 4.6 44。AA の比較ページでこの2つを組み合わせると、Astra（max）53 対 Grok 4.6（high）44。Artificial Analysis Intelligence Index v4.3、2026年9月16日時点。互角ではない。差の大きさは組み合わせ方次第だ。

• 定価、標準ティア（ベンダー料金表、2026年9月16日時点） — GPT-6 Astra は入力 $10.00 / 出力 $50.00 / キャッシュ $1.00（100万あたり）。Grok 4.6 は入力 $2.00 / 出力 $6.00 / キャッシュ $0.50（100万あたり）。入力では5倍、出力では8.3倍、キャッシュ入力では2倍。

• 定価、ロングコンテキスト（同一カード、同一日付） — GPT-6 Astra：リクエスト全体がロングコンテキストのしきい値を超えたものとして $20.00 / $2.00 / $75.00 に再価格設定。Grok 4.6：リクエスト全体が 200K プロンプトトークンで $4.00 / $1.00 / $12.00 に再価格設定。

• タスクあたりのコスト（独立） — エフォートを揃えた比較、high対high：GPT-6 AstraはIntelligence Indexのタスクあたり$1.72、Grok 4.6は$1.86。AAの比較ページで両者を組み合わせると、Astra（max）$3.26に対してGrok 4.6（high）$1.86。Artificial Analysis、2026年9月16日閲覧。

• レイテンシ（独立系） — GPT-6 Astra：初回トークンまで334.04秒、エンドツーエンドで343.48秒。Grok 4.6：38.63秒と47.31秒。Artificial Analysis、2026年9月16日閲覧。このページで最大の差。OrcaRouter自身による同一モデルの掲載情報では、7日間における初回トークンまでの時間のp50が6.71秒、p95が10.00秒と記録されているが、これは応答内の別の時点を測定したものであり、AAの数値とは比較できない — 両者を同じ文に並べて、あたかも同種のものであるかのように扱ってはならない。

• 速度（独立） — GPT-6 Astra は最大で毎秒52.9出力トークン。Grok 4.6 は高設定で毎秒57.7トークン。Artificial Analysis、2026年9月16日閲覧。

• エージェント型コーディング（独立） — GPT-6 AstraはDatacurveのDeepSWE v1.1で74.1%。執筆時点では、同じボード上に比較可能なGrok 4.6の実行結果は公開されていないため、この次元は片側のみとなっている。

• サイバーと推論（ベンダー報告） — GPT-6 Astra：FrontierMath Tier 4 98%、ExploitBench 100%、ARC-AGI-3 はOpen​AIのプロバイダーアダプター上で99.9%——これに対し、ARC Prizeが独自にStandardハーネスで測定した値は62.7%。Open​AIによる報告であり、本記事では再現されていない。

• 今すぐアクセス — 両モデルはOrcaRouterを通じて1つのキーで呼び出し可能。Router掲載料金、2026年9月16日時点：GPT-6 Astraは100万トークンあたり$10.00 / $50.00、コンテキストは1.05Mトークン、Grok 4.6は100万トークンあたり$2.00 / $6.00、コンテキストは500Kトークン。

このページのグラフィックについて一つ注記します。というのも、それらには本文がただし書きを付けている数値が載っているからです。ヒーローカードとスコアボードは、Artificial Analysis が最初に示しているのと同じ組み合わせ、つまり GPT-6 Astra を最大推論設定で、Grok 4.6 を high 設定で対戦させる組み合わせを掲載しています。そのため、スコアボードの知能行は最大エフォートのスコアを表示し、コスト行は high エフォートのコストを表示します。どちらの数値も AA のもので、どちらも最新であり、同じエフォート設定から出たものではありません。上の本文では、違いが重要になる箇所では、エフォートを揃えたペアを示しています。このページの以前の版には、61 対 61 という指数の読みに基づいて作られた 4 つのグラフィックが載っていました。それらは注記を付けるのではなく差し替えられました。なぜなら、記事が撤回する主張をヒーローカードが断言するのは、ヒーローカードが何もないより悪いからです。

可用性が変わったため、ルーティングの答えも変わります

このページの最初のバージョンでは、GPT-6 Astra は OrcaRouter に掲載されておらず、Grok 4.6 は掲載されている、と報告せざるを得なかった。今では両方ともカタログに揃っている——GPT-6 Astra はモデル ID openai/gpt-6-astra で Open​AI の定価、Grok 4.6 は grok/grok-4.6 で x​AI の定価。OrcaRouter 掲載の料金、2026年9月16日閲覧。Astra のエンドポイントもカタログ項目ではない。同じ掲載には、過去7日間で1億8,070万トークンのトラフィックが記録されており、ルーター掲載、同日閲覧。

これは特にこの組み合わせで重要です。なぜなら、2つのカードはティアの形が異なるからです。プロバイダーの定価を0%のマークアップで請求するルーターは、リクエストが実際に該当するティアをそのまま適用します。長コンテキストのしきい値を下回るAstra呼び出しは当社側では再価格設定されず、200Kを超えるGrok 4.6呼び出しはxAIのルールで再価格設定され、当社のルールではされません。当社側のすべての料金は 0%のマークアップでパススルーされます — ベンダーの数値はそのまま支払う数値であり、ベンダーがそれを変更した場合、変更は同じ日に同じキーで有効になります。両方のモデルを1つのキーで使う場合、ワークロードをそれらの間で分割すること、つまり難しい自律作業をAstraに担当させ、ボリュームをGrok 4.6に担わせることは、2つ目の契約ではなくルーティングの変更です。自動フェイルオーバーとは、一方の経路でのレート制限が障害ではなくルーティングイベントになることを意味します。また、ルーティングDSLを使えば、安価なモデルに下書きをさせ、高価なモデルに確認させたいときに、2つを1回の呼び出しに組み合わせられます。

保険料は誰が支払うべきですか

GPT-6 Astra を買うべきなのは、あなたの作業が、現在の GPT-6 Astra が測定可能な形で優位に立っている領域にある場合だ。独立系インデックスは、AA が公開している設定において、このモデルを Grok 4.6 と明確に区別しており、DeepSWE v1.1 の結果は実際の独立した数値であり、ベンダー自身のベンチマークシートも、ハーネスに関する注意点を添えれば、真にフロンティアと言える。予算はトークン単位ではなくタスク単位で立て、長コンテキストのしきい値に注意せよ。ここが、1 回のリクエストが高価な呼び出しであることをやめ、非常に高価な呼び出しに変わる地点だ。Grok 4.6 を買うべきなのは、実際の予算に耐える料金でフロンティアに近い推論を求め、さらに両者のうちより速い計測済み出力と、2 つではなく 1 つの崖を備えた価格構造を求める場合だ。

この対戦の修正された要約は、5倍の差が何の価値も生まないということでも、両者が互角だということでもない。そうではなく、差はあらゆるティアで実在し、その比率はどのティアを見るかによって変わるということ、性能差も今や実在するということ、そして両者が同じ方向を指しているということである——これは、このページが2026年9月4日に述べていたことの正反対であり、倍率に関するスローガンよりも、両者のどちらかを選ぶためのより良い理由である。