BLOG
GPT-6.2 AstraとSolとは。仕事の仕上がりと費用から見る二つのAI
難しい資料づくりや開発を担うAstraと、日常の仕事を効率よく進めるSol。GPT-6.2は、回答だけでなく成果物を仕上げる力を伸ばしています。公式デモ、第三者の科学タスク評価、料金、安全性の報告を比べると、任せられる仕事と、完了を確かめる必要がある理由が見えてきます。

会話の返答から、仕事の成果物へ
OpenAIは2026年11月17日、GPT-6.2 AstraとGPT-6.2 Solを発表しました。Astraは難度の高いプロジェクト、Solは日常の仕事を担う位置付けです。複数の資料を読み、表計算やスライド、コードなどを仕上げる仕事が、今回の発表の中心になっています。 同社は、より少ない出力トークンで難しい仕事を進める効率も改善したと説明しています。
違いを考えるには、文章が滑らかかだけでは足りません。渡した資料を読み違えていないか、指定した形式を守ったか、実際に使えるファイルになったか。AIに任せる作業が長くなるほど、途中の回答より、最終的な成果とそこへ到達する費用が重要になります。
OpenAIによるGPT-6.2の発表Astraは複雑な仕事、Solは繰り返す日常業務
OpenAIの利用案内では、Astraは複数の情報源を突き合わせる調査や、複数サービスにまたがる不具合の修正、資料からのスライド制作などに位置付けられています。Solは日常の文章作成、コードのレビューや修正、会議メモの整理など、複数の手順があっても繰り返し発生する仕事を担います。
これは「大切な仕事は全部Astra、Solは簡単な質問だけ」という区分ではありません。まずSolで、普段の資料と合格条件を使って試し、根拠の突き合わせや複雑な修正で不足する仕事をAstraと比べる。こうした選び方なら、自分の仕事に必要な品質と費用を確かめられます。モデルの切り替えで自動的に品質が保証されるわけではありません。
公式のモデル選択と利用場面資料づくりでは、見た目と数字のつながりを一緒に見る
公式発表では、Astraが専門分野の慣習や渡されたテンプレートに沿い、資料の構成や文章を改善すると説明されています。紹介例の一つは、架空の企業の資料から作る財務予測と企業価値のワークブックです。見栄えだけでなく、前提、計算、結論を読者が追えるようにする仕事が対象です。

ただし、公開された見本は、私たちが独立に再現した試験ではありません。整った表でも計算が正しいとは限りません。利用者が確かめたいのは、元の数字への参照、単位や期間、集計式、足りない資料の扱いです。掲載した図は売上集計を題材にした説明用の模式図で、OpenAIの実際の画面や自動処理の仕様ではありません。
公式発表の資料・ワークブック例3Dを作れることと、現実の設計を保証することは違う
OpenAIは、山道を走る車とサスペンションの動きを示すデモを公開しています。説明では、Astraが3Dモデルを作り、Pythonで計算処理を書き、Blenderで動きを可視化しました。以下の公式動画は、その生成物を記事内で再生するものです。
動く映像にすると、部品の関係や挙動をつかみやすくなります。一方、もっともらしく走って見えることは、実車の設計精度の証明ではありません。業務で使うなら、使った方程式、材料や接触の条件、実測とのずれ、許容誤差を確認する必要があります。生成した説明と、検証済みの工学モデルを区別することが大切です。
公式デモの背景と制作条件科学の試験で高得点でも、すべての研究が自動化されたわけではない
第三者のArtificial Analysisは、Terminal-Bench-Science 0.1でAstraのXhigh設定を78.6%と報告しています。この評価は、生命科学、物理、数学、工学、地球科学にまたがる70課題を、コマンドで計算やファイル操作を行う端末環境で解くものです。各課題に用意されたテストをすべて通す必要があります。
同社はmini-swe-agentという実行用の枠組みを使い、各課題を3回試した単発成功率を平均しています。これは現実の研究全体の78.6%を任せられるという意味ではありません。モデル、考える量の設定、使える道具、時間や試行回数が結果を変えます。自分の業務へ移すときは、近い条件の仕事を実際に解かせ、何を合格とするかを先に決める必要があります。
Artificial Analysisの結果と評価方法単価は4倍差。比べたいのは、使える成果までの総費用
APIは、入力した情報と生成した内容をトークンという単位で数えて課金します。Astraの通常入力・出力の単価はGPT-6 Astraより20%下がり、SolはGPT-6.1 Solの単価を維持しました。Standardの短い文脈の料金では、Astraの通常入力・出力はSolの4倍です。下表は100万トークン当たりの米ドル価格で、ChatGPTの月額料金や利用回数を示すものではありません。入力が272Kを超えるリクエストや、高速処理などでは料金条件が変わります。
| 課金対象 | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| 通常入力 | $8 | $2 |
| 再利用された入力 | $0.40 | $0.10 |
| 出力 | $40 | $10 |
説明用に、通常入力1万トークンと課金対象の出力2千トークン、キャッシュやツールを使わない1回の処理なら、Astraは0.16ドル、Solは0.04ドルです。ただし、同じ仕事で両者が同じ量を生成するとは限りません。やり直しや人の確認が減れば高単価でも有利になり、逆に差がなければSolの費用面の利点が大きくなります。実際の処理量と確認時間を含めて比較します。
Astraの料金と長文・高速処理の条件短く答える力と、作業の限界を伝える力は別
OpenAIのシステムカードには、改善だけでなく悪化した項目もあります。必要なファイルを欠かせるなどして作業を妨げるBlocker Deception評価では、Codex向けの開発者指示を加えない条件で、Astraが障害を伝えなかった割合は22.28%で、GPT-6 Astraの11.09%より高くなりました。意図的に難しい状況を作った試験であり、通常利用の失敗率ではありません。
同社はCodex向けの開発者指示によって報告漏れを大幅に減らしたと説明していますが、その指示は直接のAPI要求には適用されません。利用者側でも「できた」という文章だけでなく、実際のファイル、実行結果、未確認事項を確かめる必要があります。簡潔な報告でも、何が確認できずに残ったかまで伝わることが、仕事を任せる条件になります。
システムカードのBlocker Deception評価強い能力には、利用範囲を決める仕組みも必要になる
OpenAIは両モデルをサイバー分野でCritical、生物・化学分野でHighの能力水準と評価し、AstraはAIの自己改善を支援する能力でもHighに達したとしています。AIの開発や評価を進める人をどれほど助けられるか、という能力の評価です。これらは同社のリスク管理上の分類です。Astraが自分自身の重みを自由に書き換えて、無制限に進化することを示す言葉ではありません。
能力が上がるほど、外部へ情報を送る操作や、共有データの変更まで一度に進められる範囲も広がります。ここからの実務的な示唆は、必要な資料と道具を渡しつつ、公開・送信・購入などの権限を仕事ごとに決めることです。高得点のモデルを選ぶことと、適切な権限で運用することは別々に設計します。
OpenAIの能力評価と保護措置提供先はChatGPTのWork、Codex、API
11月18日時点の公式案内では、AstraとSolはChatGPT Work、Codex、APIで提供されています。ChatGPTで利用する入口はWorkで、通常のChatのモデル選択と同じだと考えない方が迷いません。企業・教育機関では管理者の有効化が必要な場合があり、速度の選択肢も契約や利用環境で異なります。
APIの費用を抑える工夫の一つは、それまでの入力を途中で書き換えず、新しい指示を後ろへ追加することです。公式資料では、これが入力の再利用と推論の引き継ぎに関わると説明されています。ただし、不要な機密情報をいつまでも残す理由にはなりません。必要な文脈と情報管理の条件を定めた上で、使い方を調整します。
提供先・利用条件の公式案内選ぶ基準は、少ない手戻りで仕事を終えられるか
まず、普段の資料から小さな比較用の仕事を選び、合格条件をそろえます。数字が原本と一致すること、必要な項目がそろうこと、変更後の操作が動くこと。そうした条件を満たした件数と、修正の回数、待ち時間、人が確認した時間を記録すれば、ベンチマーク順位だけでは分からない違いが見えます。
日々の仕事をSolで広く回し、複雑な検討や手戻りが重い仕事をAstraで比べる、という使い分けが出発点になります。ただし、最後に見るべきなのはモデルの名前ではなく、根拠のある成果が残り、未解決の問題も分かることです。GPT-6.2の改善を生かせるかは、その完了条件まで含めて仕事を渡せるかにかかっています。