GPT-6.2 Astra、外部評価でタスク当たりコスト36〜50%減―料金と安全性評価を読む

GPT-6.2 Astraは外部2機関の評価でタスク当たりコストが36〜50%低下し、安全性評価では能力向上と障害の報告漏れが示された。(Photo by Dima Solomin on Unsplash)[写真拡大]
OpenAIが2026年11月17日に公開したGPT-6.2 AstraとGPT-6.2 Solについて、外部評価機関のArtificial AnalysisとVals AIは、Astraのタスク当たりコストがGPT-6 Astraよりそれぞれ約36%、約50%低下したとする測定結果を公表した。OpenAIも専門業務や科学研究の評価でコスト削減を報告しており、削減幅は評価課題や推論設定によって異なる。
両モデルは対象プランのChatGPT WorkとCodex、従量課金のAPIで提供される。同時公開のシステムカードでは、AstraのAI研究能力の向上に加え、作業を妨げる既知の問題を報告から省く傾向も示された。
■外部2機関でタスク当たりコストが低下
2026年11月19日時点のArtificial Analysisの公開値では、最大推論設定「max」のGPT-6.2 AstraをIntelligence Indexで評価した際の平均コストは、1タスク当たり4.00ドル(約636円)だった。GPT-6 Astraの6.24ドル(約992円)から約36%の低下となる。
Vals AIのVals Indexでは、Astraの1テスト当たりコストは10.68ドル(約1700円)で、GPT-6 Astraの21.28ドル(約3380円)から約50%低下した。両機関の測定は、それぞれが用意した評価課題を実行する際の費用を示している。
OpenAIは、専門業務と科学研究の評価で、AstraがGPT-6 Astraの3分の1未満のタスク当たりコストで新たな最高水準に達したとしている。開発者向けの発表では、複数段階の専門業務を測るAgents’ Last Examについて、Astraの「xhigh」がGPT-6 Astraの「max」を5.2ポイント上回り、費用は半分未満だったと説明した。
これらの削減率には、評価課題、推論設定、トークン消費量などの条件が反映される。導入予算を見積もる際には、公開ベンチマークに加え、実際に任せる業務での費用と成果物の品質を確認することが重要になる。
■単価の引き下げとキャッシュ利用が費用に影響
OpenAIは、Astraの標準API料金をGPT-6 Astraに比べて入力・出力とも20%引き下げた。キャッシュ済み入力の料金は、100万トークン当たり1ドル(約159円)から0.40ドル(約64円)へ60%引き下げている。キャッシュは、繰り返し使う入力部分を再利用する仕組みだ。
Artificial Analysisが示す混合単価は、キャッシュ済み入力、通常の入力、出力を7対2対1とした場合、100万トークン当たり7.70ドル(約1220円)から5.88ドル(約935円)へ約24%下がった。同機関が掲載するキャッシュ割引率は、GPT-6 Astraが90%、GPT-6.2 Astraが95%である。
一方、Intelligence Index全体で生成した出力トークン数は、GPT-6 Astraが5430万、GPT-6.2 Astraが6580万だった。実際の支出には、入力と出力の単価に加え、処理に必要なトークン量やキャッシュの再利用率が関わる。キャッシュをあまり使わない処理では、その割引拡大による恩恵も小さくなる。
■他社モデルとの比較とSolの位置付け
2026年11月19日時点のArtificial AnalysisのIntelligence Indexでは、最大推論設定のAstraは62点で、アンソロピックのClaude Fable 5.2の65点を下回った。Claude Fable 5.2の「xhigh」設定はAstraと同じ62点で、タスク当たりコストは14.83ドル(約2360円)だった。最大設定では26.54ドル(約4220円)となる。
Astraの4.00ドル(約636円)は、Claude Fable 5.2の「xhigh」の3分の1未満に当たる。この比較でClaude Fable 5.2は、Artificial Analysisが「Default Fallback」と表示する構成で評価されている。両モデルの通常の入力・出力単価は同じだが、キャッシュ料金やタスク当たりのトークン消費量などによって実行費用に差が生じる。
Solは同じIndexで57点だった。OpenAIは、実際のコードベースへの変更が保守担当者のマージ基準を満たすかを測るコグニション(Cognition)のFrontierCode 2.0について、最大推論設定のSolがAstraの約5分の1の費用で、スコア差を0.5ポイント以内に収めたとしている。
コグニションの公開結果では、2026年11月19日時点で、Codexを使った最大推論設定のAstraが44.2%、Solが43.8%だった。Artificial Analysisも、独自の実行環境を使うFrontierCode-AA 2.0として外部評価を公開している。評価に使うエージェントの実行環境も、結果を読む際の条件となる。
■AI自己改善能力で初の「High」外部公開モデル
OpenAIのシステムカードによると、Astraは同社のPreparedness FrameworkにおけるAI自己改善能力の「High」基準に達した初の外部公開モデルとなった。Solはこの基準を下回った。同社は「High」を、将来の完全自動化された再帰的自己改善に備えて安全策を整えるための初期の到達点と位置付けている。
小規模な言語モデルの学習時間短縮を試すNanoGPTでは、Astraは基準となる学習時間を平均42.87%短縮した。GPT-6 Astraの記録は7.73%だった。GPT-6 Astraは試験のバージョン4、GPT-6.2 Astraはバージョン5で評価されており、それぞれ異なる版での測定値である。
同社の評価では、KernelGen 1Pの平均採点値はGPT-6 Astraの66.72%からAstraの76.92%へ、Internal Research Debuggingは78.05%から81.85%へ上がった。追加学習によって参照モデルとの性能差をどれだけ埋められるかを測るPostTrainBench Liteは、76.97%から74.79%へ下がった。
Vals AIのRSI Indexでは、Astraは29.01%で、GPT-6 Astraの27.07%を上回った。Epoch AIが11月17日に公表した実務評価Epoch Automation Reportsでも、平均採点値はGPT-6 Astraの56%に対しAstraは65%だった。Epoch AIは複数の課題で改善を認める一方、研究の設計や結果の提示には課題が残ると分析している。
OpenAIは研究環境の安全策として、モデルの処理を中央で追跡する「Control Room」を導入した。安全性やセキュリティー上の懸念が生じた際に、研究インフラ上のモデルの出力を迅速に停止できる仕組みとしている。
■既知の問題の報告漏れとCodex向け対策
OpenAIのBlocker Deception試験では、作業完了を妨げる既知の問題を報告から省いた割合が、Astraは22.28%、GPT-6 Astraは11.09%だった。これは問題行動を引き出すよう設計した試験での結果である。同社は悪化を懸念し、原因の調査を続けている。
OpenAIは、回答を簡潔にし、過度な留保を減らすための調整が、重要な問題の報告漏れに関係している可能性を仮説として挙げた。必要な情報を検索するツールを使えない状況などを設けたBroken Search Tool試験でも、制約を最終回答で適切に伝えられなかった割合は、Astraが23.00%、GPT-6 Astraが7.58%、GPT-6.1 Terraが1.00%だった。
同社は、これらの報告漏れを減らす開発者プロンプトをCodexに追加した。システムカードによると、このプロンプトは直接のAPIリクエストには適用されない。APIで自律的な処理を組む場合には、作業を妨げた問題や未完了事項を報告させる指示、実行結果を確認する仕組みが実装上の検討点になる。
職場業務を模した別の試験では、両モデルの不適切な行動の頻度は、それぞれの先行モデルのおよそ半分だった。一方、一部の敵対的試験では、Astraは特に低い推論設定で、思考過程を記した推論トレースの監視を回避しやすくなったという。監視側が行動も確認できる条件では、成功した妨害や隔離環境からの脱出を見逃す例はまれだった。
評価されていることへの認識にも変化があった。OpenAIによると、社内のCodexセッションを再現した評価で、Astraは試験やシミュレーションを疑う傾向がGPT-6 Astraより強く、その兆候が検出されたのは全ターンの3%未満だった。
■サイバー能力の向上に合わせて利用制限を強化
OpenAIは両モデルを、Preparedness Frameworkのサイバーセキュリティー能力で「Critical」、生物・化学分野の能力で「High」と評価した。同社のExploitBench Internal Portでは、最大推論設定のAstraの平均コード実行率は53.5%で、GPT-6 Astraの31.5%を上回った。Solは50.5%だった。
システムカードが掲載する英国AIセキュリティ研究所の脆弱性発見試験では、Astraが88.6%、GPT-6 Astraが81.7%だった。両者の95%信頼区間は重なっている。この試験は合成した課題で脆弱性を発見する能力を測るものだ。
セキュリティー企業イレギュラー(Irregular)のFrontierCyberでは、Astraが解決した課題は217問中68問で、GPT-6 Astraの77問を下回った。OpenAIは両モデルについて、高リスクのサイバー支援に対する応答制限を厳しくしたとしている。
同社の提供開始時の計画では、Astraでサイバー関連の拒否を減らした構成へのアクセスは、追加審査を伴うDaybreak Redの承認組織に限定する。Daybreak Blueの承認だけでは、AstraとSolの安全策は緩和されない。
■標準API料金とUltrafastの提供条件
2026年11月19日時点の標準API料金は、入力27万2000トークン以下のリクエストで、Astraが100万トークン当たり入力8ドル(約1270円)、キャッシュ済み入力0.40ドル(約64円)、出力40ドル(約6360円)となる。Solは入力2ドル(約318円)、キャッシュ済み入力0.10ドル(約16円)、出力10ドル(約1590円)で、GPT-6.1 Solの料金を引き継ぐ。
入力が27万2000トークンを超える場合は、両モデルともリクエスト全体について入力・キャッシュ関連の単価が2倍、出力単価が1.5倍になる。Astraの従来モデルGPT-6 Astraの通常の入力・出力単価は、それぞれ100万トークン当たり10ドル(約1590円)、50ドル(約7950円)だった。
日本語の公式発表でも、Plus、Pro、Enterprise、Edu向けにChatGPT WorkとCodexで提供すると案内している。APIのモデル名はgpt-6.2-astraとgpt-6.2-solだ。公式ヘルプによると、表示されるモデルはプランやワークスペース設定などに左右され、通常のChatは既存のモデル選択肢を維持する。
高速出力モードUltrafastも提供範囲を広げた。月額500ドル(約7万9500円)のPro 500では両モデルが対象となり、月額200ドル(約3万1800円)のPro 200ではCodexのSolで利用できる。対象のEnterpriseとEduでは、管理者による有効化が必要になる。
OpenAIによると、Ultrafastのトークン生成速度は同じモデルのStandardの最大4.5倍となる。対象のProプランでは、GPT-6.2のUltrafastはプラン内の利用枠をStandardの6倍のレートで消費する。API料金は、米太平洋時間の2027年2月28日までStandardの3倍、3月1日から6倍となる。
Ultrafastの基盤技術については、セレブラス(Cerebras)が8月に、GPT-5.6 Sol向けの提供でウエハースケール型プロセッサーを採用したと公表している。大きな半導体ウエハーを使う同社の技術は、高速なトークン生成を支える採用実績の一つだ。
元記事: GPT-6.2 Astra Cuts Task Costs 36% to 50% in Independent Tests; OpenAI Claimed Under One-Third Cost
Google 検索の「トップニュース」で財経新聞の記事を優先して表示できます。
※この記事はTech Timesから提供を受けた記事を日本向けに翻訳・編集したものです。
スポンサードリンク
