最上位のAstraと日常業務向けのSolを同時に公開

米OpenAIは11月17日(日本時間18日)、新しいAIモデル「GPT-6.2 Astra」と「GPT-6.2 Sol」を公開した。Astraは最も難しいプロジェクト向けの新しいフロンティアモデル、Solは日常の仕事向けの効率的で用途の広いモデルと位置づけた。ChatGPTのPlus、Pro、Enterprise、Eduの利用者が「ChatGPT Work」と開発支援サービス「Codex」で使え、開発者向けのAPIでも同日から提供する。APIの料金は、Astraが100万トークン当たり入力8ドル、出力40ドルで、前の最上位の「GPT-6 Astra」より2割安い。Solは入力2ドル、出力10ドルで、GPT-6.1 Solの料金を引き継ぐ。

同社は公式Xで日本時間18日2時54分に発表した。両モデルとも、出力するトークン(AIが文字を処理する単位)を減らしながら難しい作業の結果を良くしたといい、同社は利用枠の中でより多くの作業をこなせると説明した。

Some of you have been asking very politely. Some of you have just been asking. GPT-6.2 Astra and Sol are now available. Super efficient and built to perform where it counts—the real world.

訳:とても丁寧に尋ねてくれた人もいれば、ただ尋ねてきた人もいる。GPT-6.2 AstraとSolを本日から利用できる。とても効率的で、本当に大事な場面、つまり現実の世界で力を発揮するように作った。

6.2をめぐっては、11月1日にCodexの利用記録に「gpt-6.2-astra」の表示が現れ、4日には米The Informationが新しいAstraとSolが近く出る可能性があると報じた。同じ日にはGoogle Cloud上に2つの名前が出たとするリークも出ていた。今回の発表は、それまでリークや報道で取り沙汰されていたモデルの正式な発表になる。

「1タスク当たりの費用」で前モデルや競合を下回ると主張

OpenAIは、性能と費用を並べて比べた自社の評価を示した。複数の手順を踏む専門的な仕事を測る「Agents' Last Exam」では、AstraがGPT-6 Astraを5.2ポイント上回り、費用は3分の1未満だったという。AnthropicのClaude Fable 5.2に対しては5.5ポイント上回り、費用は5%だったとしている。ページの本文は差だけを示し、点数そのものは載せていない。同社は、このベンチマークの順位表で、Fable 5.2の結果は代替のモデルを使った9つのタスクを除いた値だと注記した。

科学では、端末上で研究の作業をこなす力を測る「Terminal-Bench-Science 0.1」で、AstraがGPT-6 Astraを9ポイント上回り、最高の値になったと説明した。費用は3分の1未満だったという。ページの脚注によると、Fable 5.2の結果は米Artificial Analysisが「mini-swe-agent」という仕組みで測った値で、AnthropicはClaude Codeでの最大の推論設定で74.6%と公表している。生物のデータを読み解く「Vals Science Index」でも最高だったとしている。

Solについては、米Cognitionの「FrontierCode 2.0」で、Astraとの差が0.5ポイントで、費用は約5分の1だったと説明した(両モデルとも最大の推論設定)。同社が最近公開した、暮らしの用事をこなす力を測るLifeValでは、SolがGPT-6 Astraを上回り、費用は約7分の1だったという。社内の評価「GDPval v2」では、AstraがGPT-6 Astraから6.2ポイント伸び、出力トークンは22%減った。SolはGPT-6.1 Solから5.3ポイント伸びた。

いずれも同社の評価で、第三者の検証は示されていない。

資料作成と法務、3Dで改善を強調

OpenAIは、Astraでスライド、表計算、文書の質を高めたと説明した。渡したテンプレートや、法務、営業、金融、会計といった分野の慣行に沿って作り、ありきたりなまとめや埋め草の文が減ったという。コードも整い、Webサイト、ゲーム、3Dの画面づくりが良くなったとしている。

法務の課題を使う「Harvey LAB-AA v1.1」では、AstraがClaude Fable 5.2の合格率の2倍超を約6分の1の費用で出したと説明した。法律家向けに調整したAstra for Lawは、さらに高い値だったという。表計算や報告書から数字を探して計算する米Artificial Analysisの「AA-AnalystAgent」では、5回の独立した試行のすべてで正答した質問が62.5%で、最高だったとしている。人が2つの3Dの作品を見比べて投票する「AA-3D」では、Astraが1,318(Eloという対戦形式の点数)で1位、Claude Fable 5.2が1,271、Solが1,259だったと紹介した。

公式ページには顧客の声も載っている。会計の自動化を手がける米Basisの技術者は、長い会計作業にかかる平均の時間が50%減り、最も複雑な作業では最大73%減ったと述べた。米Rampや米Jump Tradingの技術者も、設計の判断や最適化の作業でAstraを評価する声を寄せている。

サイバーで制限を強化、6.2のDaybreakへの提供はこれから

OpenAIは、両モデルでサイバーセキュリティの能力が大きく伸びたと説明した。脆弱性を見つけて突く力や、安全なコードを書き、修正を作る力が上がったという。同社の安全の枠組み「Preparedness Framework」では、GPT-6 Astraと同じく、サイバーで最も高い「Critical」の基準に達したと評価した。

このため、危険度の高いサイバーの支援には、より厳しい安全策をかけて公開した。同社は、この安全策が悪用のリスクを下げる一方で、正当な脆弱性の研究やセキュリティ試験の作業の一部も制限すると認めている。防御側の専門家向けの取り組み「Daybreak」では、現在はGPT-6 AstraやGPT-6 Cyberを提供しており、6.2のモデルはこれから持ち込むとしている。公表したサイバーの評価は、安全策と分類器を外した社内の試験設定で測った値だという。

生物と化学では「High」の基準に達したとした。Astraは、AIの研究を速める力を測る「AI自己改善」で「High」の基準に達した、初めての外部向けのモデルだという。同社は、研究の作業を追跡して必要なときにモデルの出力を止める仕組み「Control Room」などで監視を強めたと説明した。

AIが人の意図に沿って動くかを調べる評価(アラインメント)では、両モデルとも大半の項目でGPT-6 Astraと同程度で、模擬の職場の作業では不適切な行動が減ったという。一方、2つのテストでは、ファイルが見つからない、検索ツールが使えないといった作業を妨げる障害を、利用者に伝えない傾向が強かった。同社はCodexに指示を加えてこの見落としを大きく減らしたとし、原因の調査を続けている。詳しい結果はシステムカードに載せたとしている。

Plusなど4プランで提供、APIはAstraを2割値下げ

ChatGPTでは、Plus、Pro、Enterprise、Eduの全利用者が、同日からChatGPT WorkとCodexで両モデルを使える。EnterpriseとEduは、ワークスペースの管理者が有効にしてから使える。公式ページは、BusinessやFree、Goのプランには触れていない。

速度の設定「Ultrafast」は、Pro 500の契約者が両モデルで使える。Pro 200の契約者にも初めてUltrafastを広げ、まずSolから提供する。APIではモデル名をgpt-6.2-astra、gpt-6.2-solとし、公開時から両モデルでUltrafastを使える。

APIの料金は100万トークン当たり、Astraが入力8ドル、出力40ドル、キャッシュ入力(同じ入力を再利用したときの料金)0.40ドル。GPT-6 Astraの入力10ドル、出力50ドルから2割下げ、キャッシュ入力は60%引きにした。Solは入力2ドル、出力10ドル、キャッシュ入力0.10ドルで、GPT-6.1 Solと同じ料金を引き継ぐ。同社はAstraについて、トークンの使い方の効率が上がったことも合わせ、1タスク当たりの費用はGPT-6 Astraを大きく下回ると説明した。キャッシュを生かすため、プロンプトの先頭を変えず、新しい指示を後ろに足す使い方を勧めている。一度に読み込める量(コンテキスト長)は、公式ページに記載がない。

APIの料金(100万トークン当たり、ドル)。OpenAIの公表による。GPT-6 AstraはORIENSの既存記事による
  • GPT-6 Astra
  • GPT-6.2 Astra
  • GPT-6.2 Sol
1082
入力
504010
出力