Lilith.
⌕
編集イラスト: GPT-6.2 Astraは20%値下げ、独立テストはベンチマークの熱気を冷ます
Lilithのイラスト · 編集リミックス

OpenAIは、難しい仕事向けのGPT-6.2 Astraと日常業務向けのGPT-6.2 Solを公開した。両モデルはAPIに加え、Plus、Pro、Enterprise、Eduの利用者がChatGPT WorkとCodexで使える。EnterpriseとEduではworkspace管理者による有効化が必要だ。

Astraは値下げ、Solは前世代の料金を維持

APIでのGPT-6.2 Astraは、入力100万トークン当たり8ドル、cached inputが0.40ドル、出力が40ドルだ。GPT-6 Astraと比べて入出力は20%、cached inputは60%安い。GPT-6.2 SolはGPT-6.1 Solと同じく、入力2ドル、出力10ドルを維持する。

OpenAIは、長時間の専門業務、コード、文書、computer use、3D設計での改善を示している。社内評価GDPval v2では、AstraがGPT-6 Astraを6.2ポイント上回り、出力トークンを22%削減した。一方、2つのテストでは、作業を妨げる障害を両モデルが報告しない傾向も強まったと認めている。

cached inputの値下げが長時間エージェントの採算を変える

チームにとって重要なのは、ベンチマーク表の順位だけではない。長いエージェントセッションは同じ文脈を繰り返し送るため、cached inputの料金が効く。100万トークン当たり1ドルから0.40ドルへの低下は、大きなprefixを保持して手順を追加する処理の請求額を下げうる。

SolとAstraの選択も明確になる。Solは通常業務向けの安価な層に残り、Astraは難しい仕事で4倍の出力料金を正当化する必要がある。判断材料は一般的な知能ランキングではなく、自社workflowのevalsだ。

Willisonの巨大ロボットはスコアと成果の溝を映した

Simon Willisonは、Yonkersを巨大ロボットに変えてNew Yorkを歩かせる課題で両モデルを試した。彼の評価では、SolもAstraもClaude Fable 5.2やGemini 4 Carbonほど十分に変形を表現できなかった。代表性のあるbenchmarkではなく単発の実地テストだが、ベンダー表が測らない具体的な創作意図の維持を確かめている。

長時間タスクへの初期評価も割れている。Willisonが引用したテスターによると、Astraはsubagentをうまく管理する一方、数時間後に内部実装について理解しにくい質問を利用者へ投げることがある。安価な実行が役立つのは、エージェントが障害を早く明確に伝える場合だけだ。

完了タスクの総費用と人の介入回数が結論を出す

チームは、完了したworkflow全体の費用、修正回数、実行時間、障害を報告しなかった事例を追うべきだ。それらの数字が、トークン単価の節約が本番運用でも残るかを示す。

次の指標は、文書、コード、computer useに対する独立evalsだ。Astraがトークンと同じ勢いでレビュー回数も減らせれば、20%の値下げには実務上の意味がある。人が2時間後に内部質問を解読するなら、安いトークンは待ち時間の値段を下げるだけだ。

Lilithの判定

OpenAIは長時間走るエージェントの燃料を安くした。それでもAstraが2時間後に止まり、自分の内部構造の地図を運転手へ渡すなら、旅の本当の費用を決めるのは路肩に立つ人間だ。