GPT-6.2 AstraはSolの4倍の価格。基本はSolにし、Astraは成果で選び、切り替える前に移行ノートを読む

2026年11月18日
8 min read

2026年11月18日
8 min read
OpenAIが10月のGPT-6.1 Astraのリリースを取りやめてから1か月、次のモデルが出た。11月17日、GPT-6.2 AstraとGPT-6.2 SolがChatGPT Work、Codex、APIに登場した。主役はAstraで、OpenAIは「最も難しいプロジェクト」向けのフロンティアモデルと位置づけている。しかし多くのスタートアップにとってより役立つニュースはSolだ。トークン単価はAstraの4分の1で、OpenAI自身の数値でも、スタートアップが実際に行う仕事の多くでAstraに迫っている。もう一つの役立つニュースは移行ガイドの中にある。壊れてもエラーにならない変更がいくつも含まれているのだ。
役割も価格も異なる2つのモデルだ。
gpt-6.2-astraで、入力100万トークンあたり$8、出力100万トークンあたり$40。gpt-6.2-solで、入力100万トークンあたり$2、出力100万トークンあたり$10。価格差は単純だ。Astraのトークン単価は、入力も出力もSolの4倍である。興味深いのは、その差額で実際に何が得られるかだ。
OpenAI自身の数値では、多くの場合それほど得られない。発表では「Solは実際のコードベースへのマージ可能な変更で、約5分の1のコストでAstraにほぼ並ぶ」とされている。システムカードでは、GPQA Diamondで両者の差は1ポイント(Astra 97.0%、Sol 96.0%)で、SEC-Bench ProではSolがわずかに上回る(88.34%対86.75%)。
最も難しい長時間の作業では差が開く。システムカードの表では、Sandbox BenchでAstraが目標の36.4%を解決したのに対しSolは25.0%、PostTrainBench Liteでは74.79%対44.89%、NanoGPTでのベースライン時間の短縮は42.87%対14.59%だった。いずれも、モデルが難しい技術的問題に助けなしで長時間取り組む必要があるタスクだ。
使うべきパターンはこれだ。スタートアップがモデルに送るものの大半は日常業務である。文章作成、情報抽出、要約、ツール呼び出し、ふつうのコードを書くこと。それにはSolを既定にする。Astraは、Solでは終わらない仕事をAstraなら終えられると自社のテストで示された、ごく一部のタスクに使う。
トークン単価4倍は、既定値ではなく意思決定だ。
modelの文字列を変えるのは簡単な部分だ。ガイドには、必ずしも目に見える形では失敗しない変更が並んでいる。
サンプリングパラメーターがなくなる。「Chat Completionsのリクエストを移行する際は、temperature、top_p、logprobs、top_logprobsを省く」。Responsesではtemperature、top_p、top_logprobsを省き、includeからmessage.output_text.logprobsを外す。再現性のある出力のためにtemperature: 0に頼っていたり、信頼度スコアに対数確率を使っていたりするなら、その設計は変える必要がある。
ツール呼び出しにはResponses APIが必要。「GPT-6.2 AstraとGPT-6.2 SolはChat Completionsに対応するが、ツール呼び出しにはResponsesが必要」。Chat Completionsとツールで作ったエージェントは、モデル名を差し替えるだけでは済まない。
履歴を編集すると推論が失われる。「GPT-6.2以降、Responses APIは、会話の途中での履歴の編集(プレフィックス編集)や特定のモデル変更(ダウングレードを含む)の後、推論アイテムを破棄する」。その場合、「回答の質が下がり、モデルが以前の作業を繰り返すためにより多くのトークンを使うことがある」。トークン節約のために過去のターンを削ったり書き換えたりするエージェントや、Astraでセッションを始めてSolに引き継ぐエージェントは、ここでその代償を払う。
振る舞いも変わる。 ガイドによれば、Responsesではトップレベルのinstructionsがinputの後ろに付加されるようになった。Astraは「既定でより簡潔で直接的」なので、以前の「簡潔に」という指示が効きすぎるかもしれない。また、モデルは「次のステップを提案して確認を待つことがある」。監視なしで動くエージェントは、これを停止と受け取ってしまう。OpenAIが勧める対処は、「作業を進めるために妥当で取り消し可能な前提を置き、それを明示する」よう指示することだ。推論の強度について、ガイドはmediumから始め、「現在noneかminimalを使っているなら、代わりにlowを使う」よう勧めている。
どれも作り直しは要らない。必要なのは、既定の選択、テスト、短いチェックリストだ。
# route.py — one place decides which model a task gets
from openai import OpenAI
client = OpenAI()
# Tasks promoted to Astra because your own evals showed a difference
ASTRA_TASKS = {"research_report", "long_refactor"}
def run(task_type: str, prompt: str, tools: list):
model = "gpt-6.2-astra" if task_type in ASTRA_TASKS else "gpt-6.2-sol"
return client.responses.create( # tool calling requires Responses
model=model,
input=prompt,
tools=tools,
reasoning={"effort": "medium"}, # was "none" or "minimal"? use "low"
# no temperature or top_p: not supported on GPT-6.2
)
両方で自社の評価を実行する。 ログから実際のタスクを50件選び、SolとAstraで実行し、顧客と同じ目線で結果を採点する。差がはっきり見え、4倍の価格に見合う場合にだけ、そのタスク種別をAstraに移す。それ以外はすべてSolのままにする。
ツール呼び出しをResponses APIに移す。 エージェントがChat Completions経由でツールを使っているなら、モデルを変える前に、まずこれを移行する。同時にtemperature、top_p、対数確率のオプションを外し、それらに依存していたロジックを置き換える。
会話の途中で履歴を編集しない。 過去のターンを削ったり書き換えたり、セッション途中でモデルを切り替えたりすると、推論が破棄され、節約した以上のトークンを使うことがある。モデルはセッションの開始時に選び、そのまま使い続ける。移行中にキャッシュ設定も変えるなら、OpenAIの12時間プロンプトキャッシュについての記事でコストを解説している。
プロンプトを読み直す。 回答が短くなりすぎたら「簡潔に」を削る。監視なしで動くエージェントには、立ち止まって質問するのではなく、妥当で取り消し可能な前提を置いてそれを明示するよう指示する。その後、同じ評価をもう一度実行する。
製品がセキュリティに関わるなら
システムカードによれば、両モデルともサイバーセキュリティ能力でOpenAIのCritical閾値に達しており、OpenAIは「リスクの高いサイバーセキュリティ支援に対する既定の制限を強化し、より許容的なアクセスには追加の審査を求める」としている。セキュリティツールを作っているなら、既定では拒否が増えると考え、その審査に備えておくべきだ。モデルの能力が上がるほどエージェントのスコープの重要性も増す。OpenAIが前回のAstraを見送った理由もそこにある。GPT-6.1 Astraの中止につながったスコープの問題については別の記事で書いた。
コンテキストウィンドウや最大出力。 発表、ガイド、筆者が読んだモデル一覧のいずれにも記載がない。
Solの価格が5分の1であること。 トークン単価では4分の1だ。「約5分の1のコスト」は、あるコーディング評価におけるOpenAIのタスクあたりの数値であって、価格ではない。
ベンチマークが独立したものであること。 上記の数値はOpenAI自身のものだ。独立した指標も独自のランキングを公表しているが、筆者は確認していないので取り上げなかった。
旧モデルの提供終了時期。 筆者が読んだ範囲では、GPT-6.1 SolやTerraの提供終了日は見つからなかった。
2026年11月17日、OpenAIはGPT-6.2 Astra(入力・出力100万トークンあたり$8と$40)とGPT-6.2 Sol($2と$10)を、ChatGPT Work、Codex、APIで公開した。OpenAI自身の評価では、日常業務やコーディングの多くでSolはAstraに迫り、最も難しい長時間の技術タスクではAstraが明確に上回る。移行ガイドでは、サンプリングパラメーターが廃止され、ツール呼び出しにはResponses APIが必要になり、会話途中の編集やモデル変更の後には推論が破棄される。
創業者にとって、既定の選択は自ずと決まる。仕事の大半にはSolを使い、自社のテストで差が示された特定のタスクだけをAstraに移し、モデルを変える前にAPIの変更に対応しておく。
今週は、実際のタスク50件を両モデルで実行し、ツール呼び出しをResponses APIに移し、temperatureとtop_pを削除し、モデルの選択をコードの1か所にまとめよう。
出典:OpenAI Developer Community「GPT-6.2 Astra and Sol are now available(2026年11月17日)」 — 両モデルの説明、提供範囲、Ultrafast、APIのモデル名と価格、SolとAstraのコーディング比較。OpenAI「GPT-6.2 AstraとSolのシステムカード(2026年11月17日)」 — 評価の数値、サイバーセキュリティの評価区分、強化された既定の制限。OpenAI「Using GPT-6.2」 — 移行時の変更点、推論の強度、プロンプトの指針、データレジデンシー。第4節のルーティングコードは筆者による例示であり、第2〜5節の読み解きは筆者によるもの。
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.