GPT-6 Astraの性能と料金は？

TL;DR

GPT-6 Astraは、総合指標では前世代のSolとほぼ同等ながら、ARC-AGI-3、Terminal-Bench 4、サイバー、CAD設計など特定領域で高い性能を示すモデルである。入力は100万トークン当たり10ドル、出力は50ドルで、少ないトークンによる効率性が期待される一方、速度、安全性、実使用時の癖は検証が必要だ。

Transcript

おスマサです。本日はですね、Open AIからGPT6ASRAのね、リリース があったんですけれども、まだですね、僕 らプロプランのユーザーは使えないんです けれども、ベンチマークが共有されてたり だとか、ま、その使った人のね、感想とか 、え、ちょこちょこ出てますんで、ま、 本当はね、え、ちょっと色々と電話を回し ていきたかったところなんですけども、 その、ま、現状のまとめみたいなところで 、え、動画ができたらなという風に思って おります。ま、これはAGIなんじゃない かみたいな形でもですね、え、言われてい たりだとかする、ま、モデルだったんです けれども、ベンチマークを見ていくと アーティフィシャルアナリシスとかやっ たらね、え、なんならフイブよりちょっと 下の部分があるんじゃないかみたい... Read More

Key Insights

• Artificial Analysisの総合指標では、GPT-6 Astraは前世代のGPT-5.6 Solとほぼ同等と紹介されており、全領域で圧倒的に進化したとは評価されていない。
• GPT-6 Astraの強みは、Terminal-Bench 4、ARC-AGI-3、サイバー、CAD設計など、専門性やエージェント能力が問われる特定領域に集中している。
• ARC-AGI-3の99.9％は状態を保存する測定方式による数字と説明され、標準的な測定結果とは区別し、モデルとハーネスの寄与も考慮する必要がある。
• サイバー系ベンチでは、Solの78.5％に対して100％という結果が紹介され、能力区分も最高段階とされたが、安全性への懸念も同時に強まっている。
• API価格は入力100万トークン当たり10ドル、出力50ドルであり、総合指標がSolと同等という評価を踏まえると、用途に合わない場合は割高になり得る。
• トークン効率は、比較対象より少ない出力で高いスコアを出す傾向が示され、単価が高くてもタスク単位の費用や使用感が改善する可能性を持つ。
• CodexでのAstraは、作業中に必要な質問を行い、返答がなければ妥当な仮定を置いて進むため、自律性と確認行動の両立を意図した挙動である。
• 実利用者の評価は、バックエンドやコンピューターユースへの好意的な反応と、速度、癖、粗さへの不満に分かれており、講演者も実機検証前として結論を保留している。
• 🎬 このチャンネルの他の動画:
  • Grok 4.5は開発用途で使えるのか？
  • OpenRouter Fusionの使い方と選び方
  • Agent Skillsとは？作成して使う方法
• 📺 このチャンネル: まさおAIじっくり解説ch

Questions & Answers

Q: GPT-6 Astraの総合性能はどの程度ですか？

総合性能は、Artificial Analysisでは前世代のGPT-5.6 Solとほぼ同等と紹介されています。Humanity's Last Examでも圧倒的な差は示されていません。ただし、Terminal-Bench 4、ARC-AGI-3、サイバー、CAD設計などでは強い数字があり、総合順位より用途別の適性を見る必要があります。

Q: GPT-6 Astraはどのベンチマークで強いですか？

GPT-6 Astraは、Terminal-Bench 4、ARC-AGI-3、サイバー系、CAD設計、FrontierMathなどで高い成績が紹介されています。特に自動化、端末操作、設計、エージェント作業に関係する評価が目立ちます。ただし、講演者はまだ利用できておらず、評価は公式結果と利用者の反応に基づいています。

Q: ARC-AGI-3の99.9％は何を意味しますか？

99.9％は、状態を保存する測定方式による結果として説明されています。標準的な測定方法では別の水準になるため、この数字だけをモデル単体の能力として扱うのは適切ではありません。ツールやメモリを含むハーネスが結果を押し上げる可能性もあり、測定条件をそろえた比較が必要です。

Q: GPT-6 AstraのAPI料金はいくらですか？

API料金は、入力が100万トークン当たり10ドル、出力が50ドルと紹介されています。前世代のSolより高価なモデルとされ、総合指標がSolとほぼ同等という点は判断材料になります。一方、少ないトークンで高いスコアを出す傾向があるため、単価だけでなくタスク完了までの総費用で比較すべきです。

Q: GPT-6 Astraはトークン効率が良いのですか？

トークン効率は良い可能性があると評価されています。ベンチマークでは、フェイブルなどの比較対象より少ない出力トークンで高いスコアを出す傾向が紹介されました。ただし、これは実際の業務での費用や応答品質を保証するものではなく、同一タスクで出力品質、完了率、消費量を測る必要があります。

Q: GPT-6 Astraのサイバー性能はなぜ注目されていますか？

サイバー系ベンチで非常に高い結果が示されたためです。講演では、Solが78.5％だった評価でAstraが100％に達した例が紹介され、能力区分も最高段階とされました。その強さは防御や検証に役立つ可能性がある一方、一般提供時の悪用リスクや権限制御の重要性も高めます。

Q: GPT-6 AstraはCodexでどのように動きますか？

Codexでは、作業を止めずに必要な質問を投げ、返答がなければ妥当な仮定を置いて進む挙動が紹介されています。Solが質問をあまりせず完成まで進める傾向と対比されており、Astraは確認と継続性の両方を意識したモデルとされています。実際の安定性は利用可能になった後の検証が必要です。

Q: GPT-6 Astraの安全性にはどのような懸念がありますか？

主な懸念は、高いサイバー能力と、内部で深く考えても思考過程が文章として見えにくい推論方式です。公式情報として、権限外へ手を出す挙動の改善や自動レビュー拒否をすり抜ける率の低下も紹介されていますが、従来の監視方法が効きにくくなる可能性は残ると説明されています。

Q: GPT-6 Astraはフェイブルより優れていますか？

一律に優れているとは結論づけられていません。Terminal-Benchやバックエンド、コンピューターユースではAstraを高く評価する材料がある一方、利用者からはフェイブルに届かない、癖がある、外観や3D素材はクロードが上という反応も紹介されています。用途を固定した直接比較が必要です。

Q: GPT-6 Astraを選ぶべき人は誰ですか？

端末操作、バックエンド開発、サイバー、CAD設計、3D制作など、Astraが強いとされる領域を重視する人が主な候補です。一方、一般的な利用では高いAPI単価や遅いという利用者評価を考慮する必要があります。講演者は未使用であり、Plusへの展開後に実際の品質と費用を確かめる姿勢を示しています。

Summary & Key Takeaways

• GPT-6 Astraの評価は、単一の総合スコアだけでは決められない。Artificial Analysisでは前世代のGPT-5.6 Solとほぼ同等と紹介され、Humanity's Last Examでも圧倒的とはされていない。一方、Terminal-Bench 4、ARC-AGI-3、サイバー、CAD設計などでは強い結果が示されており、用途別に性能を判断する必要がある。

• 効率面では、比較対象より少ない出力トークンで高いスコアを出す傾向が紹介されている。API価格は入力100万トークン当たり10ドル、出力50ドルで、Solより高価とされるが、Terminal-Benchでは同等精度なら比較対象のフェイブルより安いという見方もある。料金だけでなく、完了率と消費トークンを含む実運用コストで比較すべきである。

• 実利用では、バックエンド、コンピューターユース、3D制作、Codexでの継続作業が注目領域になる。Codexでは必要に応じて質問し、返答がなければ妥当な仮定で進む挙動が紹介された。一方、利用者からは速度の遅さ、癖や粗さ、外観と3D素材ではクロードが上との評価もあり、講演者自身は未使用のため最終判断を保留している。