GPT-6 Astra が Smart AIPI で提供開始 — 75%オフ、そして本当のポイントはトークン効率

OpenAI は 2026 年 9 月 3 日、「世界で最も知的かつアラインされたモデル」として GPT-6 Astra を発表しました。API では gpt-6-astra として利用でき、Smart AIPI では現在、OpenAI 価格の 4 分の 1 で利用できます。

ローンチ記事はマーケティングです。この記事は違います。私たちはこのモデルへのアクセスを提供しているため、有用なのは、どこで勝ち、どこで負け、実際にいくらかかるのかを正確にお伝えすることです。以下の数値はすべて、OpenAI が公開した評価表と、それらに対する独立した分析に基づいています。

注目すべき結果

Astra は、コンピュータ操作、ブラウジング、ソフトウェアエンジニアリング、サイバーセキュリティ、科学、専門業務において最先端です。開発者にとって特に重要なスコアは次のとおりです。

これらのいくつかには、それぞれ説明する価値があります。Terminal-Bench 4.0 は、「エージェントは実際のマシンを操作し、本物の作業を完了できるか」に最も近い指標です。Astra の 57.9% と Sol の 37.3% の差は、丸め誤差ではなく世代をまたぐ飛躍です。AutomationBench（アプリケーション横断のマルチステップ業務ワークフロー）では Sol のスコアを 2 倍以上上回っています。OSWorld 2.0 では、Astra はより高いスコアを出すだけでなく、Sol の 75 分に対してタスクあたり約 40 分で完了します。つまり所要時間はおよそ 47%少なくなります。さらに、アラインメントの行は脚注ではありません。敵対的なコンピュータ操作の安全性テストで、Astra が非アラインな結果を出す割合は 2.4%であり、Sol の 22.0%に対して大幅に低くなっています。エージェントに本番環境へ触れさせるなら、この数字はベンチマークの 1 ポイント以上の価値があります。

ローンチチャートには示されない 3 つの注意点

ご自身で発見するよりも、私たちから先にお伝えしたいことがあります。

1. ARC-AGI-3 の 99.9% はハーネスによる結果です

ARC-AGI-3 は、64×64 の色付きセルグリッドを JSON オブジェクトとしてモデルに渡し、シミュレーション環境へアクショントークンを出力させることでモデルを評価します。スクリーンショット、動画、事前に説明されたルールはありません。99.9%という数値は、OpenAI 独自のコンテキスト管理を備えた OpenAI の Responses API ハーネスを使用して得られたものです。同じモデルを ARC Foundation のホスト型ハーネスで、通常の API 呼び出しを通じて実行すると、Astra のスコアは約 62.7%になります。

どちらの数値も正当であり、異なるシステムを測定しています。しかしこれは、2026 年における重要な事実を示しています。ハーネスは今やスコアの第一級の構成要素です。自社スタック向けにモデルを評価する際は、誰かのプレスチャートではなく、自社のハーネス内で評価してください。

2. 複合指標は大きく食い違います

OpenAI は発表で 14 のベンチマークを強調しました。そのうち Artificial Analysis Intelligence Index と重複するのは 1 つだけであり、同指数では Astra は 61.2 で 5 位です。Claude Fable 5.1（65.7）、Claude Opus 5（63.1）、Claude Fable 5（62.1）の後に位置します。Artificial Analysis Coding Agent Index v1.4 では、Astra は 67.0 で、Opus 5 の 68.1 および Fable 5 の 67.2 に及びません。また Astra は、ツールありの Humanity's Last Exam で Fable 5.1 に敗れており、57.2% 対 65.0%です。

集約指標はベンチマークを包むラッパーであり、そのラッパーはシグナルを浮き彫りにすることも、埋もれさせることもあります。正直な見方をすると、Astra はエージェント型、ターミナル、コンピュータ操作の作業において明確なトップモデルですが、「知性」のあらゆる尺度で議論の余地なく首位というわけではありません。実際に出荷する軸で勝つモデルを選んでください。

3. サイバー能力には制限があり、推論トレースは短くなりました

Astra は OpenAI の Preparedness Framework におけるCriticalサイバーセキュリティ閾値を満たしています。ExploitBench で 100%、ExploitGym で 42.4%（Sol は 30.3%）、SRE-Bench のバイナリリバースエンジニアリングで単一試行 88.0%（Sol は 55.9%）を記録しています。評価中には、それまで未知だった 2 件のゼロデイを発見して利用し、OpenAI は保守担当者に開示したと述べています。

利用者にとっての意味は次のとおりです。ローンチ版はセキュアコードレビューやパッチ適用といった防御的な作業には対応しますが、概念実証エクスプロイトの作成は拒否します。また、追加の安全性チェックにより、正当なタスクがときどき停止することがあります。API では、ブロックされたタスクは単に停止します。これは Smart AIPI の制限ではなく、上流モデルの挙動です。OpenAI は Daybreak プログラムを通じて、審査済みの防御ワークフローに対してこの制限を緩和する予定です。

OpenAI は実際の回帰も指摘しました。Astra の文章による推論は、より少ない記述ステップで問題を解決し、トレースへの制御も強まったため、Sol より監視しにくくなっています。これは OpenAI 自身が明示した点です。安全性の説明をチェーン・オブ・ソートの読解に依存している場合、知っておくべき事実です。

本当のポイント: トークン単価ではなくトークン効率

OpenAI から直接利用する場合、Astra は 1M トークンあたり $10 / $50 であり、5.6 ファミリーと比べると高価に見えます。実際、トークン単位では高価です。しかしトークン単価は間違った単位です。支払うのはタスク完了までに消費されるトークンであり、ここで Astra は真に異なります。

• DeepSWE では、Astra は GPT-5.6 Sol より高いスコアを達成しながら、出力トークンをおよそ半分しか消費しません。
• Agents' Last Exam では、最高スコアの設定において、Claude Opus 5 より約 65%少ない出力トークンを使用します。
• Gemini 3.8 Flash（73.8%）とClaude Opus 5（73.7%）は、DeepSWE で Astra と 1 ポイント以内のスコアに到達しますが、タスクあたりのトークン効率はおよそ4–5x 低いものです。
• Terminal-Bench 4.0 では、Astra は 57.9%を達成する際の推定タスクあたり API コストが Sol より約 9%低く、Fable 5.1 より 63%低くなっています。
• BenchCAD では、Astra は 95.9%の幾何学的重なりを達成し、コストは Sol より約 43%低く、Fable 5.1 より 86%低くなっています。

これは、低価格化ではなくより少ない作業によってパレート曲線を動かしたモデルです。同時に、ラボにとって実際の緊張関係も生みます。各トークンで完了できる作業が増えるなら、トークン課金ビジネスは効率向上分を顧客へ還元するか、利益率として保持するかのどちらかです。$10 / $50 では、OpenAI はそれを保持しました。

それこそが Smart AIPI が埋めるために存在するギャップです。私たちは割引をそのまま還元します。Astra のトークン効率と、トークンあたり 75%低い料金の両方を利用できます。

価格: 75%オフ、同じモデル、同じ API

同じ重み、同じ OpenAI 互換 API 形式、同じツールです。違うのは請求書だけです。

Astra と同時に提供された機能

• Codex の検索可能なノート。長いセッションを 1 つの情報損失のある要約に圧縮する代わりに、Astra はコンテキストウィンドウをまたいでノートを保持し、以前のウィンドウを検索できます。これには、要約に含まれなかったツール出力も含まれます。Codex の config.toml で有効化してください。OpenAI によれば、今後数週間以内に Astra のデフォルトになる予定です。
• 曖昧さへのより良い対応。Astra は文脈から定型的な不足を補い、答えによって結果が変わる場合にのみ焦点を絞った質問をします。Codex では、無関係な作業を続けながら非同期で質問できます。
• 指示変更があってもタスクを維持。従来モデルは、タスク途中の修正をまったく新しい目標として扱うことがよくありました。Astra は元の制約を捨てることなく、新しい要件を取り込みます。
• 実用的な長文コンテキスト。512K トークンまでの MRCR v2 検索で 100%、512K–1M 帯では 96.3%です。
• 実際に成果を出した科学。素数ギャップについて、無限に繰り返される近接素数対の最良既知上界は 246 から 240 に進んでいましたが、Astra は 186 の確立に貢献しました。また、80 年以上にわたって維持されていた大きな素数ギャップの上界における項も改善しました。

GPT-6 Astra の使い方

Chat Completions API

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

高い推論設定の Responses API

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "input": "Audit this repo for security issues and open PRs to fix them",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI、Cursor、Cline、Roo Code、OpenCode、Aider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-6-astra

推論努力度は low、medium、high、xhigh をサポートします。Astra は努力度に応じて有意に性能が伸びます。初期パートナーからは、努力度を上げることで、単に回答が長くなるのではなく、新規ビルドに対する検証パスやブラウザテストが増えるとの報告があります。長期間にわたるエージェント型作業には、high または xhigh を使用してください。

実際にどのモデルを使うべきか

• gpt-6-astra — コンピュータ操作、ブラウザ自動化、ターミナル中心のエージェント、長期的なリファクタリング、そして監視なしにタスクを完了すること自体が目的となるあらゆる用途に。トークン効率により、高いレートでも完了タスクあたりでは安くなることが少なくありません。
• gpt-5.6-sol — 依然として優れたフロンティアコーディングモデルであり、トークンあたりの価格も大幅に低くなっています。Astra のコンピュータ操作の優位性に料金を払う必要がない、高ボリュームのエージェント型コーディングに適したデフォルトです。
• gpt-5.6-terra — バランスの取れた主力モデルです。sol の半額でフラッグシップに近いコーディング品質を提供します。
• gpt-5.6-luna — 大量処理、分類、要約、低コストの高スループットパイプライン向けです。

4 つすべてが同じエンドポイントと同じキーで動作します。切り替えは 1 行の変更で済むため、誰かのチャートではなく、自社のワークロードでベンチマークしてください。この記事も例外ではありません。

始める

1. smartaipi.com/signup で登録（無料クレジット、クレジットカード不要）
2. ダッシュボードでAPI キーを作成
3. ベース URL を https://api.smartaipi.com/v1 に設定
4. モデルとして gpt-6-astra を使用

公開された中で最高のエージェント型・コンピュータ操作モデルを、本番環境で、定価の 4 分の 1 でご利用いただけます。