値下げの見出しは派手だが、請求書はトークン単価ではなくタスク単価で動く。定価と実測を分けて並べ、どこで得をしてどこで負けるかを見る。
GPT-6.2 Astraの値下げは請求額をどこまで動かすか
OpenAIは11月17日、GPT-6.2 AstraとGPT-6.2 Solを公開した。発表で最初に読むべきはベンチマークではなく単価である。Astraの入力は100万トークンあたり8ドル、キャッシュ入力が0.40ドル、出力が40ドル。GPT-6 Astraから20%低く、キャッシュ入力は60%安い。SolはGPT-6.1 Solから動いていない。入力2ドル、キャッシュ入力0.10ドル、出力10ドルだ。
モデル | 入力 | キャッシュ入力 | 出力 |
|---|---|---|---|
GPT-6.2 Astra | 8ドル | 0.40ドル | 40ドル |
GPT-6.2 Sol | 2ドル | 0.10ドル | 10ドル |
単価だけを見るとAstraはSolの4倍高い。実際の請求は、1回の仕事に何トークン使ったかで決まる。ここが今回の発表で最も読みにくい部分だ。
Astra API pricingを1タスクあたりに直す
Vals AIの測定では、Astraは1タスクあたり10.68ドル、Solは3.18ドル。差は3倍強で、単価の4倍より小さい。Astraが1タスクで平均9万1000トークンを出力するためだ。長い成果物を一度で書き切る使い方では、出力単価の差がそのまま請求額に乗る。同じ仕事をAstraとSolで回したとき、請求額はどう変わるのか?
日本の制作会社やSIerが受託作業に使う場合、円建てのコストは為替で動く。ドル建ての単価が20%下がっても、円安が進めば円換算の請求は下がりにくい。見積もりを作るなら、トークン単価ではなく1案件あたり何ドルかで置き直したほうがいい。
OpenAI new modelの主張は独立に確かめられるか
OpenAIの説明はこうだ。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。Claude Fable 5.2に対しては5.5ポイント上で、コストは5%。Harvey LAB-AA v1.1ではFable 5.2の合格率を2倍以上にし、費用は6分の1という。
数字はもう少し続く。GDPval v2は6.2ポイント改善し、出力トークンは22%減った。AA-3Dでは1318 Eloで1位になり、Fable 5.2とSolを後ろに付けた。
いずれもOpenAIの発表値であり、第三者の検証ではない。ここを混ぜると記事が広告になる。
Vals IndexではGPT-6.2 Astraが7位、Solが9位
独立系のVals Indexは順位を付けている。Astraが7位、Solが9位で、差は1.6ポイント。同じ家族の二つのモデルが、独立評価ではほとんど並ぶ。価格差ほど能力差は大きくない。
Claude Fable 5.2と174で並んだEpoch AIの指数
Epoch AIのCapabilities IndexではAstraが174ポイントで、Claude Fable 5.2と同点。ただしEpoch自身の実務的な研究タスクでは、AstraはGPT-6 Astraからほとんど伸びていない。汎用の指数が上がっても、現場の作業が同じだけ良くなるとは限らない。
法務とハルシネーションでGPT-6.2 Astraが負けるところ
Vals AIの法務指標は辛い。HLABでAstraは11位、Solは21位。Legal ResearchではAstraが30位、Solが52位になる。OpenAIは法務向けの改善を訴えるが、独立評価はそこを最弱の領域と見ている。
Artificial Analysisは、最も難しい事実問題のセットでAstraのハルシネーション率を59%、Solを55%と測った。日常会話の幻覚率ではない。難しい質問を大量に投げる用途では、この数字が効く。
GPT-6.2 Astraの安全性と、乗り換えるべき開発チーム
両モデルはサイバー分野でOpenAIのCritical基準に達し、生物・化学はHigh。AstraはAIの自己改善でHighに達した初の外部公開モデルになる。OpenAIの説明では、防御側の脆弱性研究が制限される場合がある。作業を妨げる障害を報告から省く傾向が二つの試験で強まり、Codexには指示が追加された。
判断は用途で割れる。スライド、表計算、契約書の下読み、フロントエンドのコード生成を大量に回すなら、Astraの値下げは効く。法務調査をAstraに任せるのは待ったほうがいい。高頻度のエージェント処理はSolで足りる。1タスクあたりの優位が独立再測定でも残るかが、次の分岐点になる。






