目次
OpenAIは2026年11月17日、向けに「GPT-6.2 Astra」と「GPT-6.2 Sol」を追加しました。Astraは難度の高い推論やコーディング、Solは日常的なコーディングやエージェント処理を主な用途としています。どちらも100万トークンを超えるコンテキストを扱えますが、選定では最大長だけでなく、料金、ツール利用、会話履歴の更新方法まで確認する必要があります。
既存のOpenAI APIアプリを移行する開発者は、まずResponses APIへの統一可否を確かめ、代表タスクでAstraとSolを比較してください。にはResponses APIが必要です。また、272Kトークンを超える入力ではリクエスト全体に長文料金が適用されるため、長い履歴や大量ファイルを無条件に詰め込む設計は費用を押し上げます。
スポンサーリンク
GPT-6.2 AstraとSolの違い
OpenAIの位置付けを実装判断に置き換えると、Astraは一度の失敗が大きな手戻りになる高難度処理、Solは実行回数が多く、品質と費用の均衡が重要な処理に向きます。モデル名だけで固定せず、同じ評価データを両方へ通して選ぶのが安全です。
| 比較項目 | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| 主な用途 | 難度の高い推論、複雑なコーディング、長い自律タスク | 日常的なコーディング、一般的なエージェント、高頻度処理 |
| 入力単価 | 100万トークンあたり8ドル | 100万トークンあたり2ドル |
| 入力単価 | 100万トークンあたり0.40ドル | 100万トークンあたり0.10ドル |
| 出力単価 | 100万トークンあたり40ドル | 100万トークンあたり10ドル |
| コンテキスト | 1,050,000トークン | 1,050,000トークン |
| 最大出力 | 128,000トークン | 128,000トークン |
単価は2026年11月18日に公式モデルページで確認した標準料金です。両モデルともテキストと画像を入力でき、出力はテキストです。Responses APIとChat Completionsの双方に対応しますが、Web検索、ファイル検索、コード実行、などのツールを組み込む場合はResponses APIを使います。は現時点でサポートされていません。
処理時間に余裕がある非同期ジョブでは、Batch APIの50%割引も比較対象になります。反対に応答時間を優先する場合、Fastは標準料金の2倍です。Ultrafastは限定的な提供条件と時期による倍率変更があるため、常設の前提にせず、利用可能な組織で最新条件を確認してから費用試算へ加えます。キャッシュ書き込み単価もAstraは100万トークンあたり10ドル、Solは2.50ドルであり、書き込み回数が多い設計ではキャッシュ入力単価だけを見て判断できません。
モデル選定はタスクの失敗コストから始める
Astraを選ぶ理由は「新しい上位モデルだから」ではありません。複数にまたがる改修計画、曖昧な仕様からの設計、長時間の調査と実装を含むエージェントなど、途中の判断を誤ると人間のレビューや再実行が大きく増える処理で候補になります。高い単価を払っても、再試行とレビューの総量が減るなら全体費用を下げられる可能性があります。
Solは、定型的なコード変更、テスト生成、要約、分類、ツールを使った日常運用など、件数が多い処理の基準モデルにしやすい位置付けです。Astraの4分の1の標準入出力単価なので、品質が要件を満たすタスクをSolへ寄せる効果は大きくなります。ただし、単純に全処理をSolへ置き換えるのではなく、失敗時にAstraへ切り替える条件を先に決めます。
- 最初からAstraを使う処理:設計変更、複数制約の調整、失敗時の損失が大きい作業
- Solを基準にする処理:高頻度の補助作業、短い反復、結果を機械的に検証できる作業
- 切り替え候補:検証失敗、ツール呼び出しの連続失敗、必要な根拠不足、レビュー差し戻し
この切り分けは固定ではありません。実際の入力、期待出力、許容時間、再試行回数を含む評価データを保存し、モデル更新時にも同じ条件で再評価します。平均点だけでなく、重大な失敗の件数と、人間が修正に要した時間を分けて記録すると判断しやすくなります。
スポンサーリンク
272Kトークンを超える長文入力の料金に注意
両モデルの最大入力は922,000トークンですが、272Kトークンを超える入力では、入力とキャッシュ入力が2倍、出力が1.5倍の長文料金になります。加算対象はしきい値を超えた部分だけではなく、そのリクエスト全体です。大きなコードベースや多数の文書を一度に渡せることと、毎回渡すべきことは同じではありません。
たとえばSolで30万入力トークンと1万出力トークンを使うリクエストは、標準単価だけで単純計算する場合より高くなります。入力は2ドルではなく4ドル、出力は10ドルではなく15ドルを100万トークンあたりの基準として計算します。実際の請求ではキャッシュ利用、サービス階層、組み込みツールなども影響するため、料金ページと利用明細を併せて確認してください。
長文処理では、固定の指示や共通資料を前方へ置き、キャッシュが効く形を保ちます。検索で必要な断片を絞る、リポジトリの索引を作る、前回までの要約を検証して引き継ぐといった方法も有効です。一方、情報を削ることでや例外条件を失う場合があります。圧縮率を目標にするのではなく、評価結果と費用の両方で適切な入力範囲を決めます。
Responses API移行で確認する二つの変更
GPT-6.2では、Responses APIにおける会話の接頭辞編集と、トップレベルのinstructionsの扱いが変わりました。既存のエージェントが履歴を編集したり、同じ会話中でモデルを切り替えたりする場合は、モデル名の変更だけで移行を終えないでください。
履歴の途中を編集すると推論項目が破棄される場合がある
公式移行ガイドでは、会話履歴の途中を変更した場合、Responses APIが変更位置より後ろの推論項目を破棄することがあると説明しています。モデルの変更、特に能力の低いモデルへの切り替えや、エンドユーザーまたは組織の変更も該当し得ます。見た目上は同じ会話を継続していても、過去の推論が再利用されず、品質低下やトークンの再消費が起きる可能性があります。
対策は、推論とキャッシュを再利用したい区間の接頭辞を変更しないことです。途中の指示を修正したい場合は、新しいユーザーメッセージとして追記するか、明示的に新しい処理として開始します。Solで始めた長い会話を途中からAstraへ切り替える設計も、単純なモデル名置換として扱わず、引き継ぐ事実と未完了作業を整理した新規リクエストとして評価してください。
恒久的な指示はdeveloperメッセージへ置く
GPT-6.2では、トップレベルのinstructionsは入力の後ろへ追加されます。アプリ全体で再利用する役割、出力形式、禁止事項などを毎回安定して効かせたい場合は、inputの最初にdeveloperメッセージとして置くことが推奨されています。トップレベルのinstructionsは、そのリクエストだけに追加する指示に使います。
const response = await client.responses.create({
model: "gpt-6.2-sol",
input: [
{
role: "developer",
content: "回答はJSONで返し、根拠のない値を補わない"
},
{
role: "user",
content: "この変更要求を実装タスクへ分解して"
}
]
});
これは構造を示す例であり、実際の出力保証にはStructured Outputsの、エラー処理、の対応版確認が必要です。既存コードがトップレベルのinstructionsへ恒久指示を集約している場合は、同じ評価入力で移行前後の差を検証します。
スポンサーリンク
本番導入は小さな経路から段階的に進める
最初にモデル選択を抽象化し、タスク種類ごとにSolまたはAstraを割り当てられるようにします。次に、実データから個人情報や機密情報を除いた代表入力を用意し、現在のモデル、Sol、Astraを同じ採点基準で比較します。正解率だけで評価できないエージェントでは、完了条件、ツール成功率、不要なツール実行、再試行、人間の修正時間を記録します。
- APIの利用可否、、利用するSDKの対応を確認する
- ツール利用経路をResponses APIへ統一し、既存のChat Completions経路と分けて比較する
- 代表タスクを難度と失敗影響で分類し、合格条件を決める
- Solを基準に測定し、未達タスクだけAstraでも測定する
- 272Kトークン超の件数、キャッシュ利用、出力長、再試行を費用集計へ含める
- 一部トラフィックで段階導入し、品質低下時に戻せる設定を残す
は「失敗したら無条件でAstraへ再送」だけでは不十分です。構文エラーは再生成、外部APIの停止は待機、根拠不足は検索範囲の見直しなど、原因別に処理を分けます。Astraへの切り替えが有効なのは、タスク難度がSolの適性を超えた可能性が高い場合です。すべての失敗を高価なモデルで覆うと、不具合を残したまま費用だけが増えます。
導入判断の要点
GPT-6.2の導入では、Solを高頻度処理の出発点、Astraを高難度処理の候補として比較するのが実務的です。どちらも大きなコンテキストを持ちますが、272Kトークン超では料金体系が変わります。ツールを使うならResponses APIが前提であり、履歴の途中編集と恒久指示の置き場所も移行試験へ含める必要があります。
モデルの能力差だけを測るのではなく、入力の作り方、キャッシュ、ツール実行、再試行、人間のレビューを含む一連の処理として評価してください。運用中は、タスク別の合格率と費用を定期的に見直し、AstraとSolの境界を更新します。








![[入門]LLMアプリ開発 --基本・LLMのしくみ・MCP・AIセキュリティ](https://thumbnail.image.rakuten.co.jp/@0_mall/book/cabinet/4707/9784297154707_1_29.jpg?_ex=240x240)
