OpenAI、GPT-6.2 AstraとSolをリリース。価格引き下げだがベンチマーク結果は混在
OpenAIは2026年11月17日にGPT-6.2 AstraとSolを発表しました。APIコストは削減されましたが、複雑なコーディングタスクでは競合モデルと比較してパフォーマンスにばらつきが見られます。
英語の原文から自動翻訳されました。
OpenAIは2026年11月17日、2つの新しいフロンティアモデルであるGPT-6.2 AstraとGPT-6.2 Solを導入しました。これらのアップデートにより、開発者にとって大幅な価格削減が実現し、ハイエンドな能力と日常の効率性のバランスを図ることを目指しています。初期テストでは、コスト削減と競合システムに対する生性能の間で複雑なトレードオフが存在することが明らかになっています。
何が起きたか
今回のリリースでは、モデルラインナップが2つの明確な階層に分けられました。GPT-6.2 Astraは困難でリソース集約的なプロジェクトを対象としており、GPT-6.2 Solは通常の開発作業向けの汎用オプションとして位置づけられています。両方とも、識別子 gpt-6.2-astra および gpt-6.2-sol を介してAPIから即座に利用可能です。Simon Willisonは、これらの新しいエンドポイントをサポートするためにLLMツールをバージョン0.38に更新しており、開発者コミュニティでの迅速な採用を示唆しています。
価格は市場動向における大きな転換点を表しています。GPT-6.2 Astraの入力トークンは100万あたり8ドル、出力トークンは100万あたり40ドルです。これは前世代のGPT-6 Astra(入力10ドル/出力50ドル)に対して80%の価格水準です。キャッシュされた入力価格はさらに低下し、100万あたり1ドルから0.40ドルになりました。この構造はClaude Fable 5.2の価格設定と一致しており、この特定の性能階層において直接競争を生み出しています。GPT-6.2 Solは既存の2ドル/10ドルの価格帯を維持しており、これは旧型のGPT-5.6 Solのコストの半分のままです。
性能評価では結果が混在しています。複雑なThree.jsアニメーションのリクエストを含む比較テストでは、GPT-6.2 AstraもSolも、Claude Fable 5.2やGemini 4 Carbonほど優れたパフォーマンスを発揮できませんでした。このタスクでは、OpenStreetMapデータを使用してヨンカーズの地図をメカキャラクターに変形させる必要がありました。モデルは機能するコードを生成しましたが、視覚的な実行精度は競合他社に劣っていました。さらに、ユーザーからのフィードバックでは、長時間実行されるタスクにおけるAstraのエージェント的振る舞いに起因する使い勝手の問題が浮き彫りになっています。
仕組み
これらのモデルは標準的なトランスフォーマーベースのアーキテクチャ内で動作しますが、新しい価格水準を実現するために最適化された推論パスウェイを利用しています。キャッシュされたトークンに対する大幅な割引は、長いコンテキストセッションのための状態管理の改善を示唆しています。これにより、エージェントは以前の入力を再処理する全コストを負担することなく、長期間のインタラクションを通じて情報を保持できます。このメカニズムは、モデルが数時間にわたる操作でコンテキストを維持しなければならないエージェント型ワークフローにとって重要です。
AstraとSolの違いは、計算リソースの配分と推論の深さにあります。Astraは、マルチステップの問題に取り組むために、テストで使用された「Ultra」設定のようなより高い努力レベルを採用しています。並列タスクを処理するためにサブエージェントを生成・管理することも可能です。しかし、この複雑さは新たな失敗モードをもたらします。ブロックされた場合、モデルは内部実装の詳細をユーザーに提示し、人間のオペレーターには無関係なファイルパスやシステム状態について質問することがあります。この振る舞いは、クエリをユーザーに提示する前に内部推論プロセスをフィルタリングする能力にギャップがあることを示しています。
主要な詳細
- GPT-6.2 Astra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ドルで提供され、Claude Fable 5.2と同等の価格です。
- Astraのキャッシュされた入力トークンは100万あたり0.40ドルで、従来の1ドルから大幅に削減されています。
- GPT-6.2 Solは、先行モデルと同様の入力100万トークンあたり2ドル、出力100万トークンあたり10ドルの価格を維持しています。
- Three.jsアニメーションベンチマークでは、両方の新モデルがClaude Fable 5.2およびGemini 4 Carbonを下回りました。
- Astraは複数のサブエージェントを管理できますが、ブロックされた際に難解な技術的質問を行うことでユーザーを混乱させる可能性があります。
- 新しいモデルへのサポートは、リリース直後にLLMバージョン0.38に追加されました。
なぜ重要なのか
ソフトウェアエンジニアや技術系創業者にとって、価格調整により高性能モデルが本番環境での使用によりアクセスしやすくなります。キャッシュされたトークンコストの削減は、特に長時間続くエージェント型セッションに依存するアプリケーションに恩恵をもたらします。開発者は、過剰な費用なしにより複雑な自律型ワークフローを可能にするため、コンテキストウィンドウを長時間開いたままにできるようになりました。これはOpenAIのトップティアモデルのコスト構造を主要な競合他社と整合させ、単なる価格ではなく、パフォーマンスと信頼性への焦点を強いています。
しかし、性能ギャップは、コスト効率性がすべての領域において優位性を意味するわけではないことを強調しています。創造的コーディングタスクにおいてClaude Fable 5.2やGemini 4 Carbonの視覚的および論理的整合性に追いつけないことは、チームが多モデル戦略を維持すべきであることを示唆しています。最新のOpenAIモデルのみを使用することは、生成UIや複雑な空間推論などの専門分野で劣った出力につながる可能性があります。さらに、Astraのコミュニケーションスタイルで報告されている混乱は、ワークフローの停滞を防ぐために慎重なプロンプトエンジニアリングと監督を必要とします。
できること
- APIクライアントを更新し、
gpt-6.2-astraおよびgpt-6.2-solエンドポイントをすぐに使用して、より低いレートにアクセスしてください。 - Astraの100万トークンあたり0.40ドルの価格を活用するために、入力トークンのキャッシュ戦略を実装してください。
- ワークロードを完全に移行する前に、Claude Fable 5.2およびGemini 4 Carbonに対して具体的なユースケースをベンチマークしてください。
- Astraからの難解な内部質問についてエージェントログを監視し、アプリケーションレイヤーにフィルタリングロジックを追加してください。
- 2ドル/10ドルの価格帯で十分な性能を提供する通常のコーディングタスクにはGPT-6.2 Solを使用してください。
- 「Ultra」努力レベルは、深い推論が必要なタスクでのみテストしてください。遅延が増加し、混乱が生じる可能性があるためです。



