GPT-6 Astra最速解説：料金・ベンチマーク・100万トークン級コンテキスト

OpenAIは2026年9月3日、フラッグシップ推論モデル「GPT-6 Astra」（APIモデルID: gpt-6-astra）を発表した。単一のdenseな推論モデルで、推論エフォートは5段階に設定可能、テキストと画像を入力してテキストを出力するマルチモーダル構成である。コンテキスト長は約105万トークン級（出典により1M〜1.1Mと幅がある）、最大出力は128Kトークン、知識カットオフは2026年4月30日となっている。料金は入力$10・出力$50（1Mトークンあたり）と、GPT-5.6の値下げとLuna/Terraで言及した先代のGPT-5.6 Solと比べて約2.5倍の単価で、OpenAIが公開APIで販売した中で最も高価なモデルとなった。

GPT-6 Astraの位置づけは「あらゆる用途で安価なモデルを置き換えるものではない、専門特化のフロンティアモデル」である。GPT-5.6 Solからの主な変更点は、推論エフォートの5段階化、コンテキスト長の拡大（105万トークン級）、そして数学・科学・エージェント的なコーディングタスクでのベンチマークスコアの大幅な向上だ。一方で単価はSol比で約2.5倍に上昇しており、あらゆるタスクに投入するのではなく、単価に見合う難度のタスクに絞って使う設計思想が明確になっている。競合のClaude Fable 5.1 / Mythos 5.1やGemini 3.8 Flashと比べても、Astraは汎用性より特定領域での性能を優先したモデルと言える。

OpenAIの発表資料によれば、GPT-6 Astraの料金は以下の通りである（1ドル=約150円換算）。バッチ処理は通常料金の半額、応答速度を優先するFastモードは通常料金の2倍となる。

注意すべきは、入力272,000トークンを超えるリクエストで発生する「価格の崖」である。この閾値を超えると入力・キャッシュ入力の単価が2倍、出力の単価がリクエスト全体で1.5倍に切り替わる。長文脈を活用する用途では、実際のトークン数が272Kの境界をまたぐかどうかで請求額が大きく変わるため、事前にプロンプト全体のトークン数を見積もっておく必要がある。

OpenAIの発表資料に基づく主要ベンチマークの結果は以下の通りである。

ARC-AGI-3のスコアが62.7%から99.9%まで大きく振れるのは、モデル単体の能力ではなくタスク実行を補助する外部スキャフォールド（探索戦略や試行回数の制御プログラム）の設計に結果が強く依存するためであり、単一の数値だけを見て性能を判断するのは適切ではない。また長文脈のMRCR v2は256K–512Kトークン帯では100%を記録している一方、512K–1Mトークン帯では96.3%とわずかに低下しており、コンテキストの利用範囲が広がるほど検索精度がわずかに落ちる傾向がある点は、100万トークン級のコンテキストを実務で使う際の目安として押さえておきたい。

GPT-6 AstraはChatGPTのPro・Enterprise・Business Premiumプランから段階的にロールアウトが始まっており、Plusプランへの提供は後続の予定である。API経由ではgpt-6-astraのモデルIDで利用可能で、既存のAPI基盤にモデル名を指定するだけで移行できる。

- Astraを使うべき場面: FrontierMathやGPQA Diamondのような高難度の数学・科学的推論、複雑なエージェント的コーディングタスク（DeepSWE系）、セキュリティリサーチのように誤りの許容度が低い専門タスク
- 安価なモデルで足りる場面: 定型的な文章生成、要約、単純なQ&A、軽量なコーディング補助など、Sol世代やそれ以下のモデルで十分な精度が出るタスク
- 長文脈利用時の注意: 272Kトークンを超えるプロンプトは価格の崖で単価が跳ね上がるため、大量のドキュメントを1回のリクエストに詰め込む前に、分割やキャッシュ入力の活用でコストを抑えられないか検討する
- コスト管理の実務: バッチ処理が使える非同期タスクは半額料金を優先的に活用し、リアルタイム性が必須な用途に限ってFastモードの2倍料金を許容する運用が現実的である

GPT-6 Astraはサイバーセキュリティ関連の能力がCritical（重大）判定を受けており、OpenAIはタスクの一時停止や停止を含む監視制御を導入している。運用にあたっては、この監視制御によって想定外のタイミングでレスポンスが制限される可能性を織り込んでおく必要がある。また汎用的なベンチマークの一部項目ではClaude Fable 5.1 / Mythos 5.1に及ばない結果も報告されており、一部のコーディング指標でも競合モデルに劣る場面がある。OpenAI自身も「すべての用途で安価なモデルを置き換えるものではない、専門特化のフロンティアモデル」という位置づけを明言しており、導入は用途を選んで検討すべきである。