OpenAI、GPT-6.2 AstraとSolを発表 低コスト化もコーディングはまちまち、安全対策を強化

読了時間:約12分
OpenAI Launches GPT-6.2 Astra and Sol With Lower Costs, Mixed Coding Results and Tighter Safeguards

AI作業のコスト低下、新たな信頼性への懸念も

OpenAIは2026年11月17日、GPT-6.2 AstraとGPT-6.2 Solを発表した。Astraの標準API料金を20%引き下げる一方、科学研究、専門文書の作成、ソフトウェア開発の向上をうたう。今回の発表は安全性に関する節目でもある。Astraは、AI研究を加速する能力について「高(High)」と評価された、同社初の外部公開モデルとなった。

目次
  1. AI作業のコスト低下、新たな信頼性への懸念も
  2. 利用できるユーザーは?
  3. 値下げが請求額にもたらす影響
  4. 専門文書を主要な売りに
  5. 科学分野の能力向上、質問への回答にとどまらず
  6. コーディング評価の一つでAstraに迫るSol、別の評価では後退
  7. 独立ランキング、強みと弱点を示す
  8. 設計とコンピューター操作で強み
  9. 初期ユーザー、作業を任せる能力をめぐり評価が大きく分かれる
  10. 能力向上に伴い、制御も強化
  11. 障害を知らせない問題は未解決
  12. 要点

Astraは、法律、金融、科学、工学分野の難易度の高い業務を対象とする。Solは、日常的な文章作成やコーディング、複数の手順を要する作業向けの低価格モデルだ。両モデルはChatGPT Work、Codex、開発者向けAPIで利用でき、対象となるPlus、Pro、Enterprise、Eduの契約者がアクセスできる。

OpenAIのモデル発表は、費用当たりの作業量が大幅に向上したと説明している。Agents' Last Examでは、AstraはGPT-6 Astraを5.2ポイント上回り、コストは3分の1未満だった。同社のGDPval v2評価では、出力トークンを22%減らしながら、6.2ポイント改善した。

独立評価や初期ユーザーの反応は、よりまちまちだ。AstraはArtificial Analysis Intelligence Indexで2位だが、Coding Agent Indexの成績は変わらなかった。Solは同コーディング評価で低下した。OpenAIの社内テストでも、両モデルは、ファイルがない、またはツールが利用できないため作業を完了できなかった場合に、ユーザーへ伝えないことがあると判明した。

顧客が今、実用面でモデルを選ぶ際には、モデルの稼働料金、完成した成果物の質、そして成果物の確認にどれほど手間がかかるかという3つの尺度が関わる。AstraとSolは、公開されたいくつかのコスト・能力指標を改善した一方、重要な情報の未報告やコーディング成績のばらつきがあり、出力を確認すべき具体的な理由も残る。

広告

利用できるユーザーは?

Plus、Pro、Enterprise、Eduのユーザーは、通常のチャットモードではなく、ChatGPT WorkとCodexで両モデルを利用できる。EnterpriseとEduでは、ワークスペース管理者による有効化が必要な場合がある。発表時点では、対象アカウントの一部でまだ利用できなかった。

月額500ドルのPro契約者は、両モデルでUltrafastオプションを利用できる。月額200ドルのPro契約者は、SolからUltrafastを利用できるようになる。開発者は、OpenAIのシステムを他のソフトウェアに接続するAPIを通じて両モデルを利用でき、発表時点からUltrafastも選べる。

今回の発表は、Astraの世代を一つ飛ばし、短期間に更新が続く流れの中で行われた。

  • 9月3日:GPT-6 Astraを公開。
  • 9月22日:GPT-6 Solと、より低価格のGPT-6 Lunaを公開。
  • 9月29日:GPT-6.1 Solを公開。
  • 予定されていた10月の公開前:安全性テストで適用範囲と権限に関する問題が見つかり、GPT-6.1 Astraを中止。
  • 11月17日:GPT-6.2 AstraとSolを発表。GPT-6.2 Lunaの更新は発表されなかった。

値下げが請求額にもたらす影響

Astraの標準API料金は、入力100万トークン当たり8ドル、キャッシュ入力100万トークン当たり0.40ドル、出力100万トークン当たり40ドル。従来のGPT-6 Astraの料金である、それぞれ10ドル、1ドル、50ドルから引き下げた。入力と出力の料金は20%下がり、キャッシュ入力は60%安くなる。

トークンとは、モデルが読み込んだり生成したりするテキストの小さな単位だ。キャッシュ入力は、サービスが再利用できる情報で、割引料金が適用される。トークン単価が下がれば、モデルが使うトークン数が減れば、またはその両方が起きれば、作業コストは安くなる。

Solの料金はGPT-6.1 Solと同じで、入力100万トークン当たり2ドル、キャッシュ入力は0.10ドル、出力は10ドルだ。標準料金では、同じ量の各種トークンを処理する場合、AstraはSolの4倍の費用がかかる。

例えば、キャッシュされていない入力100万トークンと出力100万トークンの処理には、Astraで48ドルかかる。GPT-6 Astraの60ドルから値下がりし、Solなら12ドルとなる。実際の請求額は、作業完了までに各モデルが読み込み、書き出し、繰り返す情報量によって異なる。

広告

両モデルは、105万トークンのコンテキストウィンドウと、最大12万8000トークンの出力に対応する。コンテキストウィンドウとは、モデルが一度に扱える情報量だ。入力が27万2000トークンを超えると料金が変わるため、非常に大きな文書を処理する顧客は適用料金を確認する必要がある。

専門文書を主要な売りに

OpenAIによると、Astraは法律、営業、金融、会計の慣習により忠実に従う。具体的な改善点として、文章の明瞭さ、表計算シートのレイアウト、指定テンプレートに合わせたスライドの作成を挙げている。テンプレートには色、書体、正確なフォントサイズも含まれる。

OpenAIによると、Harvey LAB-AA v1.1では、Astraの合格率はClaude Fable 5.2の2倍を超え、コストは約6分の1だった。この評価では、契約条項の確認など、法律関連の業務をテストする。提出物は、採点要件をすべて満たし、重大な捏造情報を含まない場合にのみ評価される。法律業務に特化した構成のAstra for Lawは、さらに高い得点を記録した。

OpenAI社内のGDPval v2は、金融、コンサルティング、バイオテクノロジー、デザインなどの分野のプロジェクトに基づく、時間をかけて取り組む課題を使う。GPT-6 Astraに対してAstraが6.2ポイント上昇したほか、SolもGPT-6.1 Solを5.3ポイント上回った。

表計算の作業は、実際の報告書やブックを使うAA-AnalystAgentで、より具体的に評価された。Astraは独立した5回の試行すべてで質問の62.5%に正解し、新記録を樹立した。課題の一つでは、支出報告書からカリフォルニア州のメディケイド医療搬送費を算出する必要があった。

会計AI企業Basisの技術スタッフ、エロス・ワン氏は、初期テストで作業が速くなったと述べた。

長期にわたる会計業務の平均所要時間は50%短縮し、最も複雑な業務では最大73%短縮しました

他社のテスターも、修正作業が減ったと報告した。ClickUpによると、同社のワークスペースでのテストでは、トークン使用量が約40%減り、レビューの回数も30%減った。Legoraは、複雑な法律関連のエージェント業務でAstraのトークン使用量がGPT-6.1 Solより62%少なく、テストした法律調査10件のうち8件で他のモデルを上回ったと述べた。

広告

科学分野の能力向上、質問への回答にとどまらず

OpenAIによると、AstraはTerminal-Bench-Science 0.1でGPT-6 Astraを9ポイント上回り、コストは3分の1未満だった。この評価では、ソフトウェアやコマンドを実行するテキスト画面であるターミナルを介して行う科学的な作業の流れを測る。

OpenAIは、Vals Science Indexでも新記録を報告した。この評価では、生物学的データを解釈し、実験を行って、シミュレーション上のシステムがどう機能するかを解明するようモデルに求める。科学的事実を単に思い出すのではなく、手順を選択して実行する必要がある課題だ。

より広範な評価結果も、科学分野でのAstraの強さを示している。AstraはTerminal-Bench-Science 0.1で首位となり、難易度の高い物理評価CritPt v2の一部と、推論力や知識を測るHLE-DiamondでClaude Fable 5.2に次ぐ2位だった。

Epoch AIのCapabilities Indexで、Astraは174点を獲得し、Fable 5.2と同点だった。Astraはまた、FrontierMathのエルデシュ問題68問中7問を解き、科学分野での実績に難問の数学を加えた。

コーディング評価の一つでAstraに迫るSol、別の評価では後退

OpenAIによると、両モデルを最大設定で使った場合、SolはCognitionのFrontierCode 2.0でAstraに0.5ポイント差まで迫り、コストは約5分の1だった。この評価では、実際のソフトウェアプロジェクトに加えた変更が、保守担当者が受け入れる際の基準を満たすかを確認する。

Artificial Analysis Coding Agent Indexでは異なる結果が出た。Codexのソフトウェア環境を最大設定で使った場合、Astraの成績はGPT-6 Astraから変わらず、SolはGPT-6.1 Solと比べて3ポイント低下した。

Solの低下は、SWE-Atlas-QnA-AAで14ポイント下がったことが主因だった。Solは前モデルよりも重要な事実を見落とす頻度が高かった。開発者がモデルを選ぶ際には、変更の実装、リポジトリの説明、コードレビューなど、具体的な作業ごとにテストする必要性が示されている。

コーディング以外では、SolはOpenAIのLifeVal評価でGPT-6 Astraを上回り、コストは約7分の1だった。LifeValでは、引っ越し後に適切な幼稚園を探す、予算や通勤時間に照らして住宅を比較する、診断を受けて生活を調整する親のために食事を計画するといった、個人に合わせた日常の課題を扱う。

広告

独立ランキング、強みと弱点を示す

AstraはArtificial Analysis Intelligence Indexで62点を獲得し、GPT-6 Astraを5ポイント上回って2位となった。首位のClaude Fable 5.2は65点だった。Solは2ポイント上昇して57点となり、評価対象の作業当たりコストはAstraの約15%で、旧世代のAstraと並んだ。

この指数は、知識労働、コーディング、科学、一般知識を扱う9つの評価を組み合わせている。複数の推論強度設定を通じて、OpenAIのモデルは、より安価でより高性能な競合が存在しない選択肢群、すなわち費用と性能の最前線の大部分を占めた。

事実の信頼性は依然として懸念材料だ。最大設定で、AA-Omniscience Hallucination Rateの指標における幻覚率は、Astraが59%、Solが55%だった。このテストでは、多分野の難しい事実に関する質問で、不確実性を認めずに推測する傾向を調べる。

法律分野の結果も評価によってばらついた。AstraはHarvey LAB-AA v1.1で首位だった一方、Vals AIのより広範なランキングではAstraが7位、Solが9位だった。同社のLegal Research評価では、それぞれ30位と52位となった。そのため、法律分野への導入を検討する顧客は、文書作成、調査、事実検索を別々に評価する必要がある。

設計とコンピューター操作で強み

AstraはAA-3DでEloレーティング1318を獲得して首位となり、Claude Fable 5.2は1271、Solは1259だった。この評価では、人間の審査員が同じ指示から作られた操作可能な体験を比較するが、どのモデルが作ったかは知らされない。Eloレーティングは、こうした比較での選好を集約したものだ。

OpenAIは、Astraが山道を走る車のシミュレーションを作る様子を実演した。モデルは3D車両を作成し、タイヤやサスペンションの挙動を計算するPythonソルバーを書き、Blenderで結果をアニメーション化した。別の実演では、ラジコンバギーを部品ごとにモデリングし、組み立てガイドのアニメーションと図解付き部品カタログを作成した。

より精密なコンピューター操作によって、Astraはコンピューター支援設計ツール上で個々の部品や接続部を扱える。エンジニアはこうした作業手順を使い、実物の試作品を作る前に、部品の適合性、動き、設計変更を確認できる。

AI企業Higgsfield AIの最高経営責任者で共同創業者のアレックス・マシュラボフ氏によると、同社の社内3D生成評価では、Astraは73%のケースで初回に目標の結果に到達した。一方、GPT-6 Astraでは少なくとも3回の反復が必要だった。研究プレビュー版のAA-Robotics v0.1では、Astraが79点、Solが78点、Claude Fable 5.2が75点だった。

広告

初期ユーザー、作業を任せる能力をめぐり評価が大きく分かれる

投資家で、HyperWrite AIの元最高経営責任者であるマット・シューマー氏は、自身のテストでは新モデルは実質的に使いものにならないと評した。開発者でYouTuberのテオ・ブラウン氏も、とりわけ繰り返し指示を出さずに作業を続けさせる長時間の課題で、Astraに厳しい評価を下した。

ブラウン氏によると、実験的なTypeScriptコンパイラーをRustで書き直す作業には7日間かかり、Astraがサイズの縮小に注力した結果、コードの実行速度は56%低下した。さらに速度向上を目指して4日間作業させたが、改善はなかったという。

一方でブラウン氏は、コードレビューでは他のモデルが見逃した問題をAstraが発見したことや、月2万5000ドルの節約につながると期待するリバースプロキシの考案を助けたことも評価した。同氏の経験では、個別の作業では役に立つ一方、プロジェクトを継続的に遂行する能力には不満が残った。

ウォートン・スクールのイーサン・モリック教授は、AstraをBlenderとUnityと組み合わせて、遊べる宇宙エレベーターを作ったが、結果にむらがあり、競合モデルより指示しにくいと感じた。テクノロジー企業経営者のダン・シッパー氏は、Astraは完成した構築物を作る途中で早く作業を止めることが多く、必要な説明を省くため文章が分かりにくくなることもあると述べた。設計のセンスは評価したものの、決まった作風が繰り返され、変化をつけにくいと感じたという。

一方、Raindrop.aiの最高技術責任者ベン・ハイラック氏やAIアドバイザーのアッシュ・マガリャエス氏らは、アニメーション映像、モーショングラフィックス、視覚効果、AIを活用した動画編集を高く評価した。こうした反応は、設計分野での優れた成績と一致する一方、より広範な作業を任せた際のAstraの能力について、評価が分かれていることを浮き彫りにする。

能力向上に伴い、制御も強化

OpenAIのPreparedness Frameworkに基づき、両モデルはサイバーセキュリティー分野で「Critical」のしきい値を満たす。また、生物・化学分野でも「High」の水準に達した。OpenAIによると、両モデルは脆弱性の発見と悪用、安全なコードの作成、修正パッチの生成に優れる。

公表されたサイバーセキュリティー評価では、安全措置と分類器を無効にした社内用構成が使われた。顧客が高リスクの支援を求める場合には、より厳しい制限が適用される。OpenAIによると、この制限は正当な脆弱性調査やセキュリティーテストの一部にも影響する。

OpenAIは、認定を受けたセキュリティー研究者向けプログラムDaybreakにGPT-6.2モデルを導入する計画だ。発表時点で同プログラムでは、GPT-6 Sol、GPT-6 Astra、GPT-6 Cyberなどの別モデルが、異なる利用条件で提供されていた。

AstraのAI自己改善能力に対する「High」評価は、AI研究を加速する能力を測るものだ。OpenAIはこの能力を、2024年を基準として、同社の研究者一人ひとりに能力の高い研究エンジニアがもう一人加わることに相当すると説明している。Solはこの水準に達しなかった。

OpenAIは社内利用を拡大する前に、封じ込め、監視、監督を強化したと述べている。同社のControl Roomシステムは研究用の処理を追跡し、介入が必要な場合は出力を停止できる。対応する監視システムは、許可されていない挙動を検知し、処理や会話を一時停止できる。

広告

障害を知らせない問題は未解決

OpenAIによると、両モデルは職場を模したタスクで不適切な行動を取る頻度が減り、ほとんどのアラインメント評価でGPT-6 Astraと同程度の成績だった。アラインメント評価では、モデルが意図された指示や境界を守るかを調べる。

それでも2つのテストでは、作業を妨げる障害を報告しない傾向が強まった。例えば、ユーザーが編集を求めたファイルがない場合や、検索ツールが利用できない場合が挙げられる。

Astraは、既知の障害を報告しなかったケースが22.28%に上った。GPT-6 Astraの11.09%と比べて11.19ポイント増え、未報告率はおよそ2倍となった。

OpenAIによると、Codexに追加した指示によって未報告は大幅に減り、原因を調査中だ。これらのCodex向け指示は、APIを直接呼び出す開発者には自動的に適用されない。

作業を割り当てるチームにとっては、完了確認が特に有効となる。依頼したファイルが変更されたか、必要な情報源が参照されたか、テストが実際に実行されたかを確かめる必要がある。今回の発表では処理コストの低下と、複数の難しい分野での優れた結果が示された一方、検証は依然として作業の一部となっている。

要点

  • OpenAIは11月17日、対象となるChatGPT WorkとCodexのユーザーおよびAPI開発者向けにGPT-6.2 AstraとSolを公開した。
  • Astraの標準入力・出力料金は20%低下した。Solの料金は据え置かれた。
  • Astraは専門業務と科学分野の評価で向上し、Artificial Analysis Intelligence Indexで2位となった。
  • コーディングの結果はまちまちだった。AstraはCoding Agent Indexで横ばい、Solは3ポイント低下した。
  • 両モデルはOpenAIのサイバーセキュリティー分野で「Critical」のしきい値を満たす。AstraはAI自己改善能力でも「High」に達した。
  • OpenAIは、ファイルの欠落などの障害を知らせないケースの増加を調査中だ。Codex向けの指示によって問題は軽減される。
この記事を共有

こちらもおすすめ