GPT-6.2 Astra・Solとは。GPT-6 Astraより20%安く、Solは料金据え置き
OpenAIが2026年11月17日に、新モデル「GPT-6.2 Astra」と「GPT-6.2 Sol」の2つを公開したと報じられています。上位モデルのAstraは、API料金が前世代の「GPT-6 Astra」から入力・出力とも20%引き下げられたと報じられています。一方、Solの料金は前世代の「GPT-6.1 Sol」から据え置きです。
ただ、「GPT-6 Astraから何が変わったのか」「AstraとSolのどちらを業務に使えばよいのか」「安くなった分、使い勝手は落ちていないのか」が分かりにくいという方も多いのではないでしょうか。
そこで本記事では、次の点を整理します。
- GPT-6.2 AstraとSolの位置づけと違い
- GPT-6 Astraからの料金と性能の変化
- 回答の傾向が変わった点など、使う前に知っておきたい注意点
- 提供範囲と安全面の評価
- 日本企業にとっての意味(解釈として分けて記載)
なお、OpenAI公式発表の本文は確認できていないため、本記事は複数の報道の内容に基づいています。報道ベースの内容には「と報じられています」と付けて、事実と解釈を区別して書きます。AI・DX推進を担当している方は、ぜひ最後までご覧ください。
「新しい生成AIモデルの動向を、自社の業務や開発にどう取り入れるか整理したい」という方は、リベルクラフトへご相談ください。
⇨リベルクラフトへの無料相談はこちら
- GPT-6.2 Astra・Solとは。GPT-6 Astraの次の世代と、2モデルの違い
- GPT-6.2 Astraの料金は、GPT-6 Astraより20%安い。API料金を整理
- GPT-6 Astraから何が変わったか。性能の数字と他社モデルとの比較
- GPT-6.2 SolはGPT-6 Astraと比べてどうか。費用と性能のバランス
- GPT-6.2 Astraで注意したい点。回答の短縮と不確実性の扱い
- GPT-6.2 Astra・Solはどこで使えるか。提供範囲と安全面の評価
- GPT-6.2 Astra・Solは日本企業にどう関係するか。使い分けと費用設計
- GPT-6.2 Astraの誤解の整理。確認できていないことも分けて示す
- まとめ
- GPT-6.2 Astra・Solを活かす生成AI活用の相談は「リベルクラフト」
- 参考情報
GPT-6.2 Astra・Solとは。GPT-6 Astraの次の世代と、2モデルの違い
GPT-6.2 AstraとGPT-6.2 Solは、OpenAIが2026年11月17日に公開した2つのモデルと報じられています。

図解:GPT-6.2 AstraとSolの公開と、料金改定の4つの要点
公開日と2モデルの位置づけ
GPT-6.2 Astraは、法務、財務、会計、営業といった専門分野の業務を想定して開発された上位モデルと報じられています。一方のGPT-6.2 Solは、会議メモの整理、プロジェクト計画の作成、ソフトウェアの不具合の調査といった日常業務向けの汎用モデルとして位置づけられています。
なお、Astraの前世代は「GPT-6 Astra」、Solの前世代は「GPT-6.1 Sol」で、世代の数字がそろっていません。
先に押さえたい用語
この記事で使う用語を、先に定義します。
- トークン:AIが文章を処理するときの最小の単位です。API料金は、トークンの量で決まります。
- API:自社のシステムやアプリから、AIモデルを呼び出すための接続口です。
- キャッシュ済み入力:以前に処理した入力と同じ内容を再利用するときの入力料金で、通常より安く設定されています。
- ベンチマーク:複数のモデルを同じ問題で比べて、性能を測るテストです。
- 知識カットオフ:モデルが学習した情報の期限です。これより後の出来事は、モデルが知らない可能性があります。
2モデルの違いを表で確認
AstraとSolの違いを、報じられている範囲で表にします。
| 項目 | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| 位置づけ | 専門業務向けの上位モデル | 日常業務向けの汎用モデル |
| 想定する業務 | 法務、財務、会計、営業 | 会議メモ整理、計画作成、不具合調査 |
| APIでのモデル名 | gpt-6.2-astra | gpt-6.2-sol |
| Ultrafast | 対応 | 対応 |
| 知識カットオフ | 2026年5月18日 | 2026年6月1日 |
| 入力(100万トークン) | 8ドル | 2ドル |
| 出力(100万トークン) | 40ドル | 10ドル |
この表から読み取れるのは、料金の差が大きいことです。入力も出力も、AstraはSolの4倍の単価にあたります。
GPT-6.2 Astraの料金は、GPT-6 Astraより20%安い。API料金を整理
ここまで2モデルの役割を整理しました。次に料金を見ていきます。

図解:GPT-6.2 AstraとSolの料金変更の4つの要点
GPT-6.2 Astraは入力・出力とも20%の値下げ
GPT-6.2 AstraのAPI料金は、100万トークンあたり入力8ドル、出力40ドルです。これは前世代のGPT-6 Astraと比べて、入力・出力とも20%の引き下げと報じられています。
あわせて、キャッシュ済み入力も1.00ドルから0.40ドルへ、60%引き下げられました。値下げの背景としては、処理効率、つまりトークン効率の向上が挙げられています。
GPT-6.2 Solは料金を据え置き
GPT-6.2 Solの料金は、前世代のGPT-6.1 Solから据え置きと報じられています。100万トークンあたり、入力2ドル、キャッシュ済み入力0.10ドル、出力10ドルです。
料金を表で比べる
| 項目(100万トークンあたり) | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| 入力 | 8ドル | 2ドル |
| キャッシュ済み入力 | 0.40ドル(前世代は1.00ドル) | 0.10ドル |
| 出力 | 40ドル | 10ドル |
| 前世代からの変化 | 入力・出力とも20%減 | 据え置き |
報じられている単価から単純計算すると(解釈)、入力と出力を各100万トークン処理する場合、Astraは合計48ドル、Solは合計12ドルです。どの業務にAstraを使うかが、費用に直結します。
キャッシュを生かすプロンプトの使い方
OpenAIは、キャッシュ効率を高めるために、プロンプトの先頭部分を変更せず、新しい指示を末尾に追加する使い方を推奨していると報じられています。先頭が同じなら、安いキャッシュ済み入力が適用されやすくなると考えられます(解釈)。
ここまでAstraとSolの料金を整理しましたが、「新モデルの単価を踏まえて、業務ごとに使うモデルを決めたい」という方は、リベルクラフトへご相談ください。
リベルクラフトでは、業務ごとのトークン量を見積もり、AstraとSolの使い分けを費用面から設計する支援が可能です。ただ、単価を比べるだけでなく、社内データで試して精度と費用を測れるため、自社業務に合った選定が可能。
以下のリンクからまずは詳細をチェックしてみてください。
⇨リベルクラフトへの無料相談はこちら
GPT-6 Astraから何が変わったか。性能の数字と他社モデルとの比較
料金の次は性能です。GPT-6 Astraと比べて何が変わったのかを、前世代との比較と他社比較に分けて見ます。
GPT-6 Astraとの比較
GPT-6 Astraとの比較は、次のとおり報じられています。
- Agents’ Last Exam:GPT-6 Astraを5.2ポイント上回り、タスク当たりのコストは従来の3分の1未満に減りました。
- GDPval v2:OpenAIの社内ベンチマークで、出力トークンを22%削減しながら、スコアを6.2ポイント伸ばしました。
- Terminal-Bench-Science 0.1:科学分野のテストで、GPT-6 Astraを9パーセントポイント上回りました。
3つに共通するのは、スコアが上がったうえで、コストやトークンの量が減っている点です。これは、値下げの背景とされるトークン効率の向上と方向がそろっています。
他社モデルとの比較は、発表と別の指標を分けて読む
他社モデルとの比較は、出どころによって確かさが異なります。
OpenAIは、Agents’ Last ExamでGPT-6.2 AstraがAnthropicのClaude Fable 5.2を、わずか5%のコストで5.5ポイント上回ったとしています。これはOpenAIの発表で、第三者による検証は確認できていません。
別の指標では、見え方が変わります。Artificial Analysis Intelligence Indexでは、GPT-6.2 AstraはClaude Fable 5.2に次ぐ2位と報じられています。また、Artificial Analysis Coding Agent IndexではGPT-6 Astraと同等の成績です。
つまり、「他社モデルを上回った」という見出しだけでは判断できません。どの指標で、誰が測ったのかを見る必要があります。
導入企業の説明
報道では、導入企業の説明も紹介されています。
- Harvey:法務エージェントの評価で、出力トークンを34.5%減らしながら、GPT-6 Astraの3倍以上のタスクを完了したと説明しています。
- ClickUp:ブラインドテストで、消費トークンを約40%、修正の手間を30%削減できたとしています。
いずれも企業自身の説明で、測定の条件は確認できていません。
GPT-6.2 SolはGPT-6 Astraと比べてどうか。費用と性能のバランス
ここまでAstraの変化を見てきました。次に、料金が据え置かれたSolの費用と性能を見ます。
PacBenchでのAstraとSolの比較
PacBenchというテストでは、制作時間と費用も報じられています。
| モデル | スコア | 制作時間 | 費用 |
|---|---|---|---|
| GPT-6.2 Astra | 92点 | 6.6分 | 2.04ドル |
| GPT-6.2 Sol | 87点 | 6.3分 | 0.49ドル |
| Kimi K3.1 Pro | 93点 | 11.5分 | 資料に記載なし |
GPT-6.2 Astraは、93点のKimi K3.1 Proをわずかに下回りましたが、制作時間は短くなっています。SolはAstraより5点低い一方、費用は0.49ドルで、単純計算ではAstraの約4分の1です。
Solが低いコストで近い成績を出したテスト
ほかのテストでも、同じ傾向が報じられています。
- FrontierCode 2.0:Astraと0.5ポイント差のスコアを、約5分の1のコストで記録しました。
- LifeVal:GPT-6 Astraを上回るスコアを、約7分の1のコストで達成しました。
Solで下がった点も確認する
一方で、前世代を下回った点もあります。
- Artificial Analysis Coding Agent Indexでは、GPT-6.2 SolはGPT-6.1 Solより3ポイント低いスコアでした。
- Plotlyのデータ分析に関する43問のテストでは、Solは40問正解(正答率93%)でした。従来のGPT-6.1 Solは43問すべてに正解していました。
同じテストで、費用は2.61ドルから1.22ドルへ、入力トークン数は780万から460万へ減っています。精度を最優先する業務では、正答率と費用の差を見極める必要があります。
GPT-6.2 Astraで注意したい点。回答の短縮と不確実性の扱い
ここまで性能とコストの良い面を見てきました。次に、使う前の注意点を整理します。

図解:回答の傾向の変化と、確認が必要な点
回答が短く、構造化が少なくなった
報道では、GPT-6.2 AstraとGPT-6.2 Solは、以前のバージョンより回答が短く、構造化が少なく、不確実性を認めることが減ったと伝えられています。数字で報じられているのは、次の3つの変化です。
- 平均回答長:Astraで352語から210語へ。
- Organization Index:Astraのスコアが70から11へ低下。
- コーディングタスクで、Astraが既知の障害を省略する割合:11.09%から22.28%へ。約2倍です。
この数字の読み方
回答長、Organization Index、省略率は、測定主体や測定方法が報道に記載されていません。数字は「そう報じられている」という範囲で受け止める必要があります。
次の対応は、解釈として考えられます。
- 回答の根拠や、分からない点を明示するよう、プロンプトで求める
- コードの確認では、AIが見落とした既知の問題がないかを、人の目や別の手順で点検する
- 構造化された出力が必要な場面では、出力の形式を指定する
GPT-6.2 Astra・Solはどこで使えるか。提供範囲と安全面の評価
ここまでモデルの中身を見てきました。次に、どこで使えるのかと、安全面の評価を整理します。
提供先とモデル名
GPT-6.2 AstraとGPT-6.2 Solは、ChatGPT WorkとCodexで、Plus、Pro、Enterprise、Eduのユーザー向けに提供が始まっていると報じられています。APIからも利用でき、モデル名は「gpt-6.2-astra」と「gpt-6.2-sol」で、どちらもUltrafastに対応しています。
一方で、通常の消費者向けChatGPTでは、どちらのモデルも使えないと報じられています。提供予定や時期は、明らかにされていません。
提供範囲の記述には食い違いがある
提供範囲の記述は、報道によって食い違っています。ある報道は「ChatGPTのPlus、Pro、Enterprise、Eduユーザー向けに提供開始」と伝える一方、別の報道はChatGPT Work、Codex、APIに限られると伝えています。
公式発表の本文を確認できていないため、どちらが正確かは判断できません。利用前に、OpenAIの公式の案内で自社のプランを確認する必要があります。
Preparedness Frameworkでの評価
Preparedness Frameworkは、OpenAIが公開するモデルのリスクを分野ごとに評価する枠組みです。報道によると、次のように判定されています。
- サイバーセキュリティ:GPT-6.2 AstraとSolの双方がCritical(重大)のしきい値に該当
- 生物・化学:双方がHigh(高)のしきい値に該当
- AI自己改善:Astraが外部公開モデルとして初めてHighのしきい値に該当(SolはHigh未満)
Control RoomとDaybreak
安全面の対策として、OpenAIは、問題が確認された場合に稼働中の処理を即座に遮断できる一元管理システム「Control Room」を導入したと報じられています。防御担当者向けには、専用のアクセスプログラム「OpenAI Daybreak」への統合が進められるとされています。
GPT-6.2 Astra・Solは日本企業にどう関係するか。使い分けと費用設計
ここからは、報道を踏まえた解釈です。
業務に合わせたモデルの使い分け
法務、財務、会計、営業のような専門性の高い知的業務(知的業務(ナレッジワーク))にはAstra、会議メモの整理や計画作成のような日常の知的業務にはSol、という使い分けが、位置づけからは考えられます。ただし、Solは一部のテストでAstraに近い成績を低いコストで出しています。まずSolで試し、精度が足りない業務だけAstraに切り替える進め方も、費用面では現実的です。
費用を見積もる手順
費用の見積もりは、次の順で進めると判断しやすくなります。
- 業務を洗い出し、専門性が高いものと日常的なものに分ける
- 業務ごとに、1回あたりの入力と出力のトークン量を、試験運用で測る
- SolとAstraの単価で、1回あたりと月あたりの費用を計算する
- 精度の差が、費用の差に見合うかを、担当者の確認とあわせて判断する
社内データを扱う前の確認
社内の文書や顧客情報をAIに渡す場合は、性能や料金だけでなく、次の点も確認しておくと安心です。
- 利用するプランやサービスが、社内の情報の取り扱いルールに合っているか
- 回答が短くなり、不確実性が示されにくくなる傾向を、運用の点検手順に織り込めているか
- 提供範囲や条件が、公式の案内で最新かどうか
GPT-6.2 Astraの誤解の整理。確認できていないことも分けて示す
最後に、誤解されやすい点と、確認できていない点を整理します。
誤解されやすい4つの点
- 「GPT-6.2は全部が20%安くなった」:20%の引き下げはAstraだけで、Solは据え置きです。
- 「ベンチマークで上回った。だから自社でも上回る」:スコアは特定のテストの結果で、自社業務での精度は試して確かめる必要があります。
- 「新しいモデルは、すべての点で前世代より良い」:SolはCoding Agent Indexが3ポイント下がりました。
- 「普段のChatGPTで使える」:通常の消費者向けChatGPTでは、どちらのモデルも使えないと報じられています。
まだ確認できていないこと
- OpenAI公式発表の本文(一次情報は未取得)
- 消費者向けChatGPTでの提供予定と時期
- 提供範囲の食い違いのうち、どちらが正確か
- 回答長、Organization Index、省略率の測定主体と測定方法
- 二次情報が伝えるARC-AGI-3の具体的なスコアと、System Cardで指摘されたという「評価認識」の上昇の詳細
- 値下げが収益やシェアに与える影響
まとめ
本記事の要点は、次の5つです。
- OpenAIが2026年11月17日に、専門業務向けのGPT-6.2 Astraと、日常業務向けのGPT-6.2 Solを公開したと報じられています。
- GPT-6.2 AstraのAPI料金は、GPT-6 Astraより入力・出力とも20%安い、100万トークンあたり入力8ドル・出力40ドルです。Solは据え置きです。
- Agents’ Last Examで5.2ポイント上回るなど、性能は上がったと報じられています。他社との比較は、OpenAIの発表と別の指標を分けて読む必要があります。
- 回答が短くなり、不確実性を認めることが減ったと報じられています。運用では出力の点検が要ります。
- 公式発表の本文は確認できていないため、利用前に公式の案内で提供範囲を確認してください。
GPT-6.2 Astra・Solを活かす生成AI活用の相談は「リベルクラフト」
新しいモデルが出るたびに、どの業務にどのモデルを使うか、費用はどれくらいになるか、社内データを渡しても大丈夫かは、判断に迷う場面が多いものです。
リベルクラフトでは、業務の洗い出しとモデル選定の方針づくりから、社外にデータを出さない社内AI環境の構築、社内文書を参照して回答するRAGの仕組みづくりまでを一貫して支援しています。
- 新しいモデルの単価を踏まえて、業務ごとの使い分けと費用を設計したい
- 回答の傾向が変わっても、出力を点検できる運用の形をつくりたい
- 顧客情報や設計情報のような機密情報も、社内に閉じた環境でAIに扱わせたい
という方は、リベルクラフトへお気軽にご相談ください。

⇨リベルクラフトへの無料相談はこちら
AI・データの実務スキルを、ご自身で身につけたい方には、現場を知る講師のフィードバックを受けながら学べる Craft College もあります。
⇨Craft Collegeの詳細はこちら
参考情報
本記事は、OpenAIの発表を伝えた次の報道記事の内容をもとに、まとめています。
この記事を書いた人
慶應義塾大学で金融工学を専攻。 卒業後はスタートアップのデータサイエンティストとして、AI・データ活用コンサルティング事業などに従事。 その後、株式会社セブン&アイ・ホールディングスにて、小売・物流事業におけるAI・データ活用の推進に貢献。 株式会社リベルクラフトを設立し、AIやデータサイエンスなどデータ活用領域に関する受託開発・コンサルティングや法人向けトレーニング、教育事業を展開。