GPT-6 Astra と前世代の違い｜単価・トークン効率・提供状況を比較

要点

単価だけなら値上げ。どの項目でも Astra は前世代の GPT-5.6 Sol の 2.5 倍にあたる。ただしこの比は Sol 側の暫定価格（少なくとも2026年11月21日まで）が続く間のもの。
性能差はベンチマークによって大きく違う。GPQA Diamond では1.4ポイント差だが、最難関級の数学や端末での作業、未知の環境を解く抽象推論では大きく開く。トークン課金の総額も量と手数しだいで向きが変わる。
9月22日に同じ GPT-6 世代の GPT-6 Sol と GPT-6 Luna が出た。GPT-6 Sol の単価は GPT-5.6 Sol の今の暫定価格の半分で、Astra はその5倍にあたる。Astra へ上げる前に、GPT-6 Sol で足りるかを確かめる道ができた。
Astra は API・ChatGPT Work・Codex で使えるようになった。GPT-5.6 も提供が続いているので、全面移行を急ぐ必要はない。

数字はすべて2026年9月23日に確認した公式の掲載値、OpenAI 自身の測定・推定、または本記事による単純計算である。第三者の検証でも実測でもない。比べているのは OpenAI 直課金の API トークン課金と、同社が両モデルを並べたベンチマーク値。主な相手は前世代の汎用モデル（Sol・Terra・Luna）のうち単価が最も高い GPT-5.6 Sol で、単価の比較には9月22日に出た同じ世代の GPT-6 Sol も加えた。世代を付けずに Sol と書くときは GPT-5.6 Sol を指す。ChatGPT のプラン料金と Bedrock・Azure 経由の料金は対象外。利用できる範囲はプランや経路で異なり、料金は改定されうる。推論設定の段数差や実運用の速度は測っていない。

判断が割れる3つの点
単価はいくら変わるか
単価が上がっても総額が下がりうる理由
性能はどこで差が出るか
文脈長と推論設定の違い
どの経路で使えるか
サイバーセキュリティ用途での制限
整合性は改善、思考連鎖の監視しやすさは低下
移行を急ぐ場合と待ってよい場合
1. 急ぐ理由が立つケース
2. 待っても差し支えないケース
まとめ
よくある質問
参考資料

判断が割れる3つの点

GPT-6 Astra へ移るかどうかは、単価・性能・提供状況という測る対象の違う3点で結論が分かれる。API の単価は GPT-5.6 Sol より上がる。性能差はベンチマークによって大きく異なり、端末作業や一部の高度な推論では大きく開く。その差はタスクあたりのトークン課金にも表れ、出力トークン量と所要ステップが減れば単価が上がっても総額は下がりうる。そして使える範囲はプランや経路で異なり、いま使っている経路で Astra を選べるかどうかが変わる。

この3点はどれか1つだけを見ると逆の結論に着地する。単価表を見れば高くなり、ベンチマークのスコアとコスト推定を見れば見合うことがあり、提供状況を見れば手元の経路ではまだ選べないことがある、という具合になる。どこを見るかで結論が変わるので、単価・総額・性能・提供状況を分けて置く。

単価はいくら変わるか

API 料金は 100万トークンあたりの米ドルで掲載されている。標準区分は次のとおり。

モデル	入力 (100万トークンあたり・米ドル)	キャッシュ入力 (100万トークンあたり・米ドル)	キャッシュ書き込み (100万トークンあたり・米ドル)	出力 (100万トークンあたり・米ドル)
GPT-6 Astra	10.00	1.00	12.50	50.00
GPT-5.6 Sol	4.00	0.40	5.00	20.00
GPT-6 Sol	2.00	0.20	2.50	10.00

入力 272K トークンを超えるリクエストは長文区分に入り、単価が切り替わる。

モデル (入力 272K トークン超)	入力 (100万トークンあたり・米ドル)	キャッシュ入力 (100万トークンあたり・米ドル)	キャッシュ書き込み (100万トークンあたり・米ドル)	出力 (100万トークンあたり・米ドル)
GPT-6 Astra	20.00	2.00	25.00	75.00
GPT-5.6 Sol	8.00	0.80	10.00	30.00
GPT-6 Sol	4.00	0.40	5.00	15.00

表には、2026年9月22日に出た同じ GPT-6 世代の GPT-6 Sol も加えた。GPT-5.6 の Terra と Luna、GPT-6 の Luna も同じ料金ページに並んでいるが、本記事は Astra と各世代の Sol との比較に絞るため表から外した。同じページにはセキュリティ用途向けの gpt-5.6-cyber も掲載されており単価は GPT-5.6 Sol より高いが、用途が異なるため比較対象にしない。GPT-5.6 の中でどの階層を選ぶかは別の判断になる (GPT-5.6はSol・Terra・Lunaのどれを選ぶか)。

Astra と GPT-5.6 Sol を突き合わせると、比はどの行でも同じになる。標準区分の入力は 10.00 ドル対 4.00 ドル、出力は 50.00 ドル対 20.00 ドルで、いずれも 2.5 倍。キャッシュ入力とキャッシュ書き込みの行も同じ比になる。長文区分の倍率が入力2倍・出力1.5倍で両者に共通しているため、長文区分に入っても Astra 対 Sol の比は 2.5 倍のままで変わらない。

比がどの行でも一定であることは、見積もりを立てるうえでは扱いやすい。内訳が現在どうなっていても、流れるトークン量が変わらないという前提を置くなら、Sol から Astra への置き換えはトークン課金分の請求額がそのまま 2.5 倍になるという計算で足りる。逆にいえば、量が変わらないかぎり単価差を吸収する余地はどこにもない、ということでもある。

同じ GPT-6 世代の Sol と突き合わせると、比はどの行でも5倍になる。GPT-6 Sol の単価はどの行も GPT-5.6 Sol の今の暫定価格のちょうど半分で、長文区分の倍率も共通しているため、長文区分に入っても Astra 対 GPT-6 Sol の比は5倍のまま変わらない。OpenAI は、迷ったときの最初の選択肢として Astra を、性能とコストのバランスを取るモデルとして GPT-6 Sol を案内している。GPT-5.6 Sol から移る先は Astra だけではなく、単価を下げたまま世代を上げる道もある。ただし本記事は、GPT-6 Sol の性能を Astra とも GPT-5.6 Sol とも比べていない。

ただし Astra 対 GPT-5.6 Sol の 2.5 倍という値には期限が付いている。公式の料金ページは、GPT-5.6 Sol の価格について少なくとも2026年11月21日まで適用される暫定価格だと注記している。注記が添えられているのは GPT-5.6 Sol の行で、Astra と GPT-6 Sol の価格はこの注記の射程の外にある。この暫定価格は2026年8月21日の値下げによるもので、OpenAI は値下げ前の Sol を、標準区分で入力 5.00 ドル・キャッシュ入力 0.50 ドル・出力 30.00 ドルとして案内していた (長文区分の値下げ前価格は同じ告知に含まれない)。同じ水準へ戻れば比は入力で 2.0 倍・出力で約 1.67 倍となり、項目ごとに変わる。ただし2026年9月23日に確認した範囲でも、暫定価格の終了後の価格を示す記述は見つけられなかった。公式の書き方は「少なくとも2026年11月21日まで」で、その日に終わると述べたものではない。11月下旬をまたぐ見積もりを立てるなら、比が動く場合と動かない場合の両方を置いておく必要がある。

長文区分の適用のしかたには条件が付く。公式のモデル仕様ページは、入力 272K トークンを超えるリクエストはリクエスト全体として入力2倍・出力1.5倍で課金されると記している。超えた分だけが高くなるのではなく、そのリクエストの入力も出力もまとめて割増になるという意味である。長い文脈を常用するワークロードでは、この境界をまたぐかどうかが支払額を大きく動かす場面がある。

キャッシュ入力の行は Astra で 1.00 ドル、Sol で 0.40 ドルと、入力の10分の1に置かれている。ただし安いのは読み出す側だけで、キャッシュへ書き込む側は非キャッシュ入力の1.25倍にあたり、Astra で 12.50 ドル、Sol で 5.00 ドルかかる。この倍率だと、書き込んだプレフィックスが失効までに1回でも読まれれば、通常の入力として2回送るより安くなる。一度も読まれなければ、書き込みの割増分（非キャッシュ入力の0.25倍）だけかえって高くつく (関連: LLM APIのプロンプトキャッシュでコストを削る)。なお、キャッシュ比率をどう上げても Astra 対 Sol の比は 2.5 倍から動かない。下がるのは両者の絶対額であって、単価差そのものではない。

本記事の料金・仕様は2026年9月23日に各公式ページで確認した掲載値にもとづく。料金は改定されうるため、実際に使う前に公式の料金ページで現在値を確認する必要がある。

単価が上がっても総額が下がりうる理由

タスクあたりのトークン課金は、入力・キャッシュ入力・キャッシュ書き込み・出力それぞれのトークン量と単価で決まる。各項目のトークン量は、タスク完了までの各呼び出しで流れた量の合計で、やり直しのたびに入力が再送されるため手数が増えるほど積み上がる。単価が 2.5 倍でも、出力トークンと手数がそれ以上に減れば、1タスクあたりのトークン課金は下がりうる。なお API にはトークン以外に、検索やコンピュータ操作のようなツール呼び出しごとの料金もある。本記事の計算はそこを含まない。OpenAI はこの筋で複数のベンチマーク値とコスト推定を公表している。

以下の数値はいずれも OpenAI 自身が自社の構成で測ったものであり、コスト差も同社の推定である。第三者による検証ではなく、ベンチマークの構成と手元のワークロードは別物であるため、同じ比が再現される保証はない。

ベンチマーク	GPT-6 Astra	GPT-5.6 Sol	併記された他モデル	OpenAI が示した量・コストの差
Terminal-Bench 4.0	57.9%	37.3%	Claude Fable 5.1: 55.8%	タスクあたりの推定 API コストは Sol より約9%、Fable 5.1 より約63%低い
BenchCAD (幾何一致スコア)	95.9%	83.3%	—	示された構成での推定 API コストは Sol より約43%低い
OSWorld 2.0 (レイテンシシミュレーション)	72.6% / 1タスクおよそ40分	65.7% / 1タスクおよそ75分	—	—
Agents’ Last Exam	59.3%	53.6%	Claude Opus 5: 55.5%	出力トークンは Opus 5 よりおよそ65%少ない

BenchCAD の値はツールを使った条件で測られたもので、OSWorld 2.0 の所要時間はレイテンシのシミュレーション結果であって実運用の時計そのものではない。Agents’ Last Exam の出力トークン量の比較は、それぞれが最も高いスコアを出した設定どうしの比較として示されている。

数字を額に読み替えると、下がる条件は限られる。Terminal-Bench 4.0 では、スコアが上でありながらタスクあたりの推定コストは Sol より約9%低いとされている。単価が 2.5 倍である以上、これはトークン量か試行回数、あるいはその両方が大きく減っていなければ成り立たない関係になる。Agents’ Last Exam で示された出力トークンおよそ65%減は Claude Opus 5 との比較で、Sol との量の差を示す値ではない。Sol と比べて額が示されているのは、本記事が確認できた範囲では Terminal-Bench 4.0 の約9%、BenchCAD の約43%、GPQA Diamond の約37%（Astra の低コスト設定と Sol の最高スコアの設定を比べた値）である。

ステップ数も同じ向きに積み上がる。自律実行では、失敗してやり直すたびに入力の再送と出力の再生成が積み上がる。1回で通る割合が上がれば、再試行の呼び出しが減るぶん、支払うトークン量も下がる。OSWorld 2.0 では、こうした効率差がタスク完了時間の差としても表れている。ただし、時間差をステップ数だけに分解した値ではない。生成量やツール実行、各操作のレイテンシも入りうる。

逆の条件も同じ理屈で出る。入出力が短く、推論もほとんど挟まずに1回の呼び出しで完結し、やり直しもほとんど発生しない処理では、量が減る余地が小さい。その場合は 2.5 倍の単価差がほぼそのまま請求額の差になる。要約や分類のような定型処理を大量に流す構成が、これに当てはまりやすい。GPT-5.6 Sol で推論を挟まない none を使っていた構成では、Astra に none が無いため最低でも low の推論が加わり、差が 2.5 倍を上回ることもありうる。

比がどの行でも一定なので、分かれ目の目安も単純な数になる。内訳の構成比を変えないまま、同じ仕事に流れるトークン量が今の4割を下回れば総額は下がり、4割より多く残れば上がる。実際には項目ごとに減り方が違いうる。減るのが主に出力なら、出力が請求に占める割合が大きい構成ほどこの線に届きやすい。なおこの4割は GPT-5.6 Sol との 2.5 倍という比から出た数なので、Sol の暫定価格が終わって比が変われば分岐点も動く。同じ世代の GPT-6 Sol と比べる場合は比が5倍になるため、分かれ目は GPT-6 Sol で同じ仕事を流したときの量の2割になる（GPT-6 Sol と GPT-5.6 Sol で流れる量が同じとは限らない）。

本記事は Astra を実際に動かしていない。ここで挙げた差は OpenAI の測定と推定を引いたものであり、手元のワークロードで4割の線をまたげるかどうかは、同じタスクを両方のモデルで流して支払額を突き合わせるまで分からない。全面的に入れ替えるかどうかとは別に、用途ごとにモデルを振り分けて総額を抑える組み方もある（LLMのトークンコストを抑えるモデルルーティング）。

性能はどこで差が出るか

OpenAI が GPT-5.6 Sol と直接並べたスコアを集めると、差の大きさは領域によってかなり違う。

ベンチマーク	測っているもの	GPT-6 Astra	GPT-5.6 Sol
GPQA Diamond	生物・化学・物理の大学院級の科学的推論	96.0%	94.6%
FrontierMath Tier 4 (v2)	最難関級の数学問題	97.6%	83.0%
GeneBench Pro	ゲノミクスの高度な科学的推論	37.8%	28.7%
ARC-AGI-3	未知の環境を解く抽象推論	99.9%	7.8%
Terminal-Bench Science 0.1	コードと端末ツールで科学研究のワークフローを完了する	64.6%	22.4%
Terminal-Bench 4.0	端末上のソフトウェア作業・システム設定・データ分析	57.9%	37.3%
SRE-Bench（1回で解決 / 4回以内）	ソースコードなしにバイナリを逆解析して中核ロジックを理解する	88.0% / 99.2%	55.9% / 68.7%
BenchCAD（幾何一致スコア）	多視点のレンダリングから CAD コードで3D形状を再構成する	95.9%	83.3%
Agents' Last Exam	実ソフト上での専門業務（財務モデリング・工学・メディア制作など）	59.3%	53.6%
OSWorld 2.0	コンピュータ操作（レイテンシシミュレーション）	72.6%	65.7%
ExploitBench / ExploitGym	既知の脆弱性から動作する攻撃コードを作れるか	100% / 42.4%	78.5% / 30.3%

表の値は各モデルの最も高いスコアどうしを並べたものである。BenchCAD はツールを使った条件、OSWorld 2.0 はレイテンシのシミュレーション、Agents' Last Exam は各モデルが最も高いスコアを出した設定どうしの値になる。いずれも同社自身の測定で、第三者の検証ではない。

ExploitBench と ExploitGym は評価条件下での能力値で、通常の設定の Astra はこの種の作業（脆弱性の実証コード作成）を拒否する。移行すればそのまま使える性能として数えられる行ではない。

並べると、差の大きさはベンチマークによってかなり違う。GPQA Diamond は 96.0% 対 94.6% で 1.4ポイントの差にとどまる一方、最難関級の数学を問う FrontierMath Tier 4 では 97.6% 対 83.0%、ゲノミクスの GeneBench Pro では 37.8% 対 28.7% まで開く。道具を使うかどうかだけで決まるわけではなく、問いに答える形の課題でも、難度と分野によっては大きな差が出る。さらに端末を使ってワークフローを回す Terminal-Bench Science 0.1 は 64.6% 対 22.4%、未知の環境を解く抽象推論の ARC-AGI-3 では 99.9% 対 7.8% と、桁の変わる差になる。端末作業、逆解析、CAD、コンピュータ操作も同じ向きで、いずれも Astra が上に出る。

効率の側でも差がある。OpenAI は GPQA Diamond について、Astra は低コスト設定の 94.9% でも Sol の最高スコア 94.6% を上回り、推定 API コストは約37%低いとしている。同程度以上のスコアに、より低い推定 API コストで到達するという意味で、スコア差が小さい領域でも移行の理由になりうる。

この分かれ方は、移行の判断をそのまま分ける。GPQA のように差が 1.4ポイントに収まる領域なら、スコアの上積みは小さく、判断を分けるのは同程度以上のスコアへより低い推定 API コストで到達できるかどうかになる。最難関級の数学や、道具を渡して手を動かさせる作業、前例のない環境を解かせる使い方が中心なら、差は単価が 2.5 倍でも移行を検討する理由になる水準にある。手元の用途がどちらの側にあるかは、ベンチマーク名ではなく課題の難度と形で決まる。ただし実際に得になるかを決めるのは総額の線（量が4割を下回るか）で、スコア差そのものではない。

なお OpenAI は、Astra が FrontierMath Tier 4、ARC-AGI-3、ExploitBench を飽和させたと表現している (発表本文では順に 98%、99.9%、100% と記す。表の 97.6% は同じ FrontierMath の図の掲載値で、98% はその丸めにあたる)。ARC-AGI-3 については ARC Prize Foundation の Greg Kamradt が、レベルの96%で同財団の人間の行動効率ベースラインを上回り、事実上このベンチマークで人間と同等に達したと述べている。

文脈長と推論設定の違い

「文脈をもっと長く扱いたいから新しいモデルへ」という動機は、この2つの間では成立しない。公式のモデル仕様ページを並べると、文脈まわりの値が一致している。

項目	GPT-6 Astra	GPT-5.6 Sol
コンテキストウィンドウ	1,050,000 トークン	1,050,000 トークン
最大出力	128,000 トークン	128,000 トークン
reasoning.effort の選択肢	low・medium・high・xhigh・max の5段	none を加えた6段

Astra は入力がテキストと画像、出力がテキストに対応する。文脈の枠そのものは変わらないため、長い入力を扱いたいという理由だけでは移る根拠にならない。むしろ 272K トークンを超えた時点でリクエスト全体が割増になる点は両者に共通しており、長文を投げるほど単価差の絶対額は大きくなる。

違いが出るのは推論設定の段数である。Astra は low・medium・high・xhigh・max の5段で、Sol はこれに none を加えた6段を持つ。推論を挟まない none を選べる前提でコストと応答時間を切り詰めていた構成では、移行時に呼び出し側の設定を組み直す必要が出てくる。同じ世代の GPT-6 Sol は none を含む6段で、コンテキストウィンドウと最大出力も Astra と同じ値である。ただし、段数の違いが品質や速度をどう変えるかは本記事では測っていない。段数が同じ名前でも中身が同じとは限らず、そこは実際に流して確かめる領域になる。

どの経路で使えるか

Astra は2026年9月3日に公開された。公開当日は限られた組織から提供が始まり、OpenAI はその後、API・ChatGPT Work・Codex で使えると案内している（9月9日の公式記事）。ChatGPT の通常の会話では、Astra で動く「GPT-6 Pro」を Pro・Business・Enterprise の各プランで選べる。Plus は ChatGPT Work と Codex からの利用に限られる。Enterprise では公開時から既定で無効とされ、自動では有効にならない。管理者がワークスペース全体かロールの単位で有効にする必要がある。また、Codex のクラウド実行は Astra に対応していない。

経路の違いは検証の順番を変える。支払額の比較は API を通さないと取れないため、ChatGPT で先に触れた場合は使い勝手の見当までしか付けられない。AWS Bedrock では、OpenAI の案内によると us-west-2（オレゴン）リージョンから使える。Microsoft Azure では、Microsoft が9月3日に Foundry での一般提供を発表している。Azure や Bedrock を主経路にしている場合は、使うリージョンで選べるかを確かめてから本番構成での確認に進む。新しい世代に移るときの制約が料金ではなく API 側に出る例は他にもある（Gemini 3.7 Flash への置き換えで詰まるのはAPI）。移行の可否を決める前に、利用中の経路で選べる状態かどうかを確かめる。

同時に、GPT-5.6 の側も提供が続いている。ChatGPT の料金ページのモデル比較表には GPT-5.6 Sol・Sol Pro・Terra・Luna が今も掲載されており、同じ表に GPT-6 の Astra・Sol・Luna の3行が加わった。したがって直ちに全面移行する必要はない。用途ごとに順番を決められる。

サイバーセキュリティ用途での制限

Astra は OpenAI の Preparedness Framework において、サイバーセキュリティ能力が Critical の水準に達した初のモデルとされている。これは同社自身の基準による分類だが、その分類の結果として利用側に見える制限がある。

Astra は通常の設定では、セキュアなコードレビューやパッチ適用といった一般的な防御作業には使える一方、脆弱性の実証コード作成のような高度なサイバーセキュリティ作業は拒否する。

OpenAI は公開時に、Daybreak を通じて数週のうちに制限を緩める計画を示していた。2026年9月23日時点の公式ヘルプでは、拒否を減らした Astra は Daybreak Red の承認を受けた顧客にだけ提供されており、Daybreak Blue への拡大は作業中とされている（実施日は公式資料では確認できなかった）。

この緩和には前提がある。Daybreak は時間が経てば自動的に開く枠ではない。OpenAI は、高度なサイバー機能の利用は承認された利用者が認可された作業を行う場合に限られるとし、身元・ワークスペースまたは API 組織・モデル・製品面が承認されている必要があるとしている。対象作業も一様ではなく、脆弱性のトリアージ・マルウェア解析・検知エンジニアリング・パッチ検証は Daybreak Blue の範囲、管理された脆弱性研究・実証コードの検証や作成・ペネトレーションテスト・レッドチーミングは Daybreak Red の範囲で、後者は別途の承認と保護措置を要するとされている。Red は現在、承認を受けた法人向けで、個人は直接申請できない。承認を受けても、設定を有効にするまで適用されない。

あわせて、Blue の範囲の作業で拒否を減らせる経路は、Astra の Blue への拡大を待たなくても存在する。公式の料金ページには Daybreak 向けのモデルを載せた区画があり、gpt-daybreak-blue-latest は gpt-5.6-sol を、gpt-daybreak-red-latest は gpt-5.6-cyber を指すエイリアスとして掲載されている。Daybreak Blue で拒否が減る対象には、GPT-5.6 Sol のほか GPT-6 Sol と GPT-6 Luna も含まれる。

したがってセキュリティ領域では、防御側の日常作業に使うのか、攻撃側の再現を含む検証に使うのかで結論が割れる。前者のうちコードレビューやパッチ適用なら、通常の設定の Astra でも作業は成立する。脆弱性のトリアージやマルウェア解析のように Blue の範囲に入る作業で拒否に当たる場合は、Blue の承認を受けて設定を有効にすれば GPT-5.6 Sol や GPT-6 Sol で拒否が減る（Blue では Astra は通常の設定のまま）。後者を業務の中心に据えているなら、OpenAI のどのモデルを使っても Daybreak Red の承認が前提になり、拒否を減らした Astra もその承認の先にある。まず自組織が Red の承認の対象になりうるかを確かめる。

整合性は改善、思考連鎖の監視しやすさは低下

安全性の変化は一方向ではない。前進として、OpenAI は本番用の保護を外した状態で権限の範囲を越える行動をとった割合について、GPT-5.6 Sol が48%だったのに対し Astra は0%だったとしている。これは Hugging Face のインシデントを踏まえて同社が作った自社評価の結果である。エージェントに強い権限を渡す構成ほど、この差が現れる場面が増える。

後退として、OpenAI は Astra の監視しやすさが GPT-5.6 Sol より低下したと述べている。Astra は自分の思考連鎖をより制御でき、都合の悪い情報を思考連鎖に含めにくいとされており、これは敵対的な設定での評価にもとづく。

ただしこれは OpenAI 自身が内部の監視や安全研究で扱う論点で、API の利用者が生の思考連鎖を直接読めるという話ではない。同社は生の内部思考連鎖を利用者に公開しておらず、応答に添えられる要約とは別物である。利用者の側で使えるのは、出力の検査や実行環境の制限といった外側の押さえ方になる。

移行を急ぐ場合と待ってよい場合

判断が分かれる線は、用途によってこう分かれる。いずれも本記事が引いた公式の掲載値と OpenAI 自身の測定、およびそこからの単純計算にもとづく分岐であり、手元のワークロードで同じ結果が再現されることを保証するものではない。

急ぐ理由が立つケース

長い自律実行やコンピュータ操作を含む作業。OpenAI は Terminal-Bench 4.0 でスコアと推定 API コスト、OSWorld 2.0 でスコアとシミュレーション上のタスク完了時間に差が示されているとしている。
出力トークン量が支払額の大半を占めるエージェント構成。Sol と比べて額の差が示されているのは、本記事が確認できた範囲では Terminal-Bench 4.0 の約9%、BenchCAD の約43%、GPQA Diamond の約37%（1問ずつ答える課題で、推論設定を下げた Astra と最高スコアの設定の Sol を比べた値）で、いずれも量か手数が大きく減っていなければ成り立たない値になる。Agents’ Last Exam の出力トークン65%減は Claude Opus 5 との比較で、Sol との差ではない。
CAD のように、ツールを使って形を作る作業。BenchCAD では推定 API コストが Sol より約43%低いとされている。
Codex をクラウド実行以外（CLI や IDE 拡張など）で使っている場合。クラウド実行は Astra に対応していない。OpenAI は Astra の発表で Codex のハーネスも更新したとし、Mind2Web ベンチマークで GPT-5.6 Sol での体験と比べてタスク完了が1.9倍速くなるとしている。これは Codex 経由に限った話で、API を直接呼ぶ場合の速度ではない。

待っても差し支えないケース

単価を抑えたまま世代を上げたい場合。GPT-6 Sol の単価は GPT-5.6 Sol の今の暫定価格の半分、Astra の5分の1で、Astra へ上げる前に GPT-6 Sol で足りるかを確かめられる。
推論をほとんど使わない短い単発呼び出し（要約・分類など）が中心のワークロード。量の差が出にくく、2.5 倍の単価差が請求額にそのまま乗りやすい。none を使っていた場合は、Astra に none が無いぶん差が広がりうる。
脆弱性の実証コード作成のような高度なサイバーセキュリティ作業を業務の中心に置いていて、Daybreak Red の承認をまだ持っていない場合。通常の設定の Astra では拒否され、拒否を減らした Astra は Daybreak Red の承認を受けた顧客に限られる。実証コードの作成は Red の範囲の作業なので、OpenAI のほかのモデルに切り替えても Red の承認が前提になる。Daybreak は時間の経過だけでは開かないので、自組織が Red の承認の対象になりうるかを先に確かめる。
手元の経路で Astra を選べない場合。ChatGPT の Plus の通常会話、Codex のクラウド実行、管理者が有効にしていない Enterprise では Astra を使えない。

どのケースでも、最後の確認方法は同じである。同じタスクを両方のモデルで流し、スコアではなく実際の支払額と所要時間を突き合わせる。ベンチマークの差は候補を絞るための材料で、移行の可否そのものを決める材料にはならない。料金とスコアと使える経路を突き合わせる形の判断は、他社のモデルを検討するときも同じになる（GLM-5.3はClaudeの代わりに使えるか）。

まとめ

Astra と前世代の差は、単価では負け、性能と量では勝ちうる、という構図になっている。性能差は一様ではない。GPQA Diamond では1.4ポイントの差にとどまる一方、最難関級の数学や端末での作業、未知の環境を解く抽象推論では大きく開く。単価はどの項目でも前世代の GPT-5.6 Sol より上がり、長文区分に入っても比は変わらない。ただし 2.5 倍という値は Sol 側の暫定価格が続く間のもので、公式は少なくとも2026年11月21日までと注記している。総額が下がりうる根拠は出力トークンと手数の削減にあるが、その裏づけは OpenAI 自身の測定と推定で、本記事は第三者の検証を確認していない。9月22日には同じ世代の GPT-6 Sol が、GPT-5.6 Sol の今の暫定価格の半分、Astra の5分の1の単価で加わり、移る先の候補が増えた。

安全性の変化も片側だけでは読めない。権限逸脱の評価値は改善した一方、監視しやすさは低下したと公表されている。セキュリティ用途では通常の設定で拒否される作業があり、拒否を減らした Astra は Daybreak Red の承認を受けた顧客に限って提供されている。Blue の範囲の作業なら、Blue の承認を受けて設定を有効にし、GPT-5.6 Sol や GPT-6 Sol の拒否を減らす道もある。Daybreak は時間が経てば開く枠ではないので、承認の対象になりうるかを先に確かめておく。

GPT-5.6 が並存し、同じ世代の GPT-6 Sol も選べる以上、Astra へ全面的に切り替えるか据え置くかの二択で考える必要はない。差が出るはずのワークロードから先に試し、支払額で確かめてから範囲を広げるという順序が取れる。

よくある質問

文脈をもっと長く扱いたい。それは移行の理由になるか

ならない。GPT-5.6 Sol もコンテキストウィンドウ 1,050,000 トークン・最大出力 128,000 トークンで、いずれも Astra と同じ値である。

長い入力を投げると、超えた分だけ高くなるのか

そうではない。公式のモデル仕様ページは、入力 272K トークンを超えるリクエストがリクエスト全体として入力2倍・出力1.5倍で課金されると記している。超過分だけでなく、そのリクエストの入力も出力も割増の対象になる。

公開されたなら今すぐ使えるのか

経路による。API・ChatGPT Work・Codex では使える。ChatGPT の通常の会話では、Astra で動く GPT-6 Pro を Pro・Business・Enterprise の各プランで選べ、Plus は Work と Codex からの利用に限られる。Enterprise は既定で無効なので、管理者の有効化が要る。Codex のクラウド実行は Astra に対応していない。

GPT-5.6 はまだ選べるのか

選べる。ChatGPT の料金ページのモデル比較表には GPT-5.6 Sol・Sol Pro・Terra・Luna が今も掲載されており、提供が続いている。API でも GPT-5.6 Sol は引き続き使え、同じ世代の GPT-6 Sol も選べる。

セキュリティの調査業務に使えるか

作業の種類による。Astra は通常の設定では、セキュアなコードレビューやパッチ適用といった一般的な防御作業には使える一方、脆弱性の実証コード作成のような高度な作業は拒否する。拒否を減らした Astra は Daybreak Red の承認を受けた顧客にだけ提供されており、Daybreak Blue への拡大は作業中とされている。Daybreak は承認された利用者に限って開く枠で、個人は Red を直接申請できない。一方で、脆弱性のトリアージやマルウェア解析のような Blue の範囲の作業なら、Astra の Blue への拡大を待たなくても、Blue の承認を受けて設定を有効にすれば、GPT-5.6 Sol や GPT-6 Sol の拒否を減らせる。実証コードの作成のような Red の範囲の作業は、OpenAI のどのモデルでも Red の承認が前提になる。自組織がどちらの承認の対象になりうるかを先に確かめておく。