本文にスキップ
AI News HubLIVE
サイト内リライト5 分で読了

GPT‑6.2 Astra と Sol を発表

記事の要約

OpenAI は、困難な専門プロジェクト向けのフロンティアモデル GPT‑6.2 Astra と、日常業務向けの効率的なモデル GPT‑6.2 Sol を発表した。両モデルはより少ない出力トークンで優れた結果を出し、API コストも低減。Astra は専門業務、コーディング、コンピューター操作、科学の各ベンチマークで新記録を樹立した。

ソースOpenAI News
GPT‑6.2 Astra と Sol を発表
誤りを報告

訂正窓口はまだ利用できません。記事情報をコピーして保存できます。

訂正案内
本文へ

OpenAI は新たに 2 つのモデルを発表した。最も困難なプロジェクト向けのフロンティアモデル GPT‑6.2 Astra と、日常業務向けの効率的で汎用的な GPT‑6.2 Sol である。OpenAI によれば、両モデルはより少ない出力トークンで難しいタスクにおいて優れた結果を出し、利用上限の範囲内でより多くの作業をこなせる。企業や開発者にとっては、スケールしても妥当なコストでフロンティア性能を得られることを意味する。

GPT‑6.2 Astra は、複雑な専門業務における新たな品質基準と位置づけられている。生成するスライド、スプレッドシート、文書は「AI っぽさ」が薄れ、ユーザーが用意したテンプレートや業界の慣行に沿うようになった。コーディングではより整理されたコードを書き、特にウェブサイト、ゲーム、3D デザインにおいて、見た目と機能の両面で優れたフロントエンドを構築する。

多段階の専門業務を測る Agents’ Last Exam で、Astra は新記録を達成した。GPT‑6 Astra を 5.2 ポイント上回りながらコストは 3 分の 1 未満、Claude Fable 5.2 に対しては 5.5 ポイント先行し、コストはわずか 5% である。OpenAI は、Fable 5.2 の同リーダーボードの結果がフォールバックモデルを使った 9 タスクを除外していることも注記している。

OpenAI は Astra を科学者にとって世界最高のモデルと考えている。ターミナル環境で科学的作業を行えるかを試す Terminal‑Bench‑Science 0.1 で新記録を樹立し、GPT‑6 Astra より 9 ポイント高く、コストは 3 分の 1 未満だ。また、実際の生物学的データを解釈し、実験を通じてシミュレーションされたシステムの仕組みを推論する Vals Science Index でも最高記録を更新した。

価格面では、API における Astra の入力・出力トークン価格は GPT‑6 Astra より 20% 安く、キャッシュ入力には 60% の割引が適用される(100 万トークンあたり入力 8 ドル、キャッシュ入力 0.40 ドル、出力 40 ドル)。Sol は GPT‑6.1 Sol の API 価格を維持する。複数のベンチマークで、両モデルはタスクあたりのコストを大幅に抑えつつ、他の主要モデルに匹敵するか上回る性能を示した。

GPT‑6.2 Sol は日常業務の定番モデルと説明されている。GPT‑6.1 Sol と比べて賢く効率的で、同じ有料プランでより多くのタスクを完了できる。多段階のエージェント型ワークフローをこなし、文章は明快で自然、協働しやすい直感性を持つ。OpenAI の多くの従業員が技術・非技術を問わず既定モデルとして利用しているという。Cognition の FrontierCode 2.0 では、Sol は Astra との差がわずか約 0.5 ポイントで、コストは約 5 分の 1 である。

日常生活の場面でも Sol は力を発揮する。最近公開された LifeVal 評価は、引っ越し後の幼稚園選び、予算と通勤時間に合う住まい探し、新たな診断を受けた親の食事計画など、困難な日常タスクでの性能を測るもので、Sol は GPT‑6 Astra を上回り、コストは約 7 分の 1 だった。

専門的な出力は今回の重点だ。Astra は、法律、営業、金融、会計などの分野で使われる慣行に沿った、より明確で設計の良いスライド、表、文書を作成するよう訓練されている。文章はより直接的かつ具体的で、一般的な結論や無駄な表現が減った。Harvey LAB‑AA v1.1 の法律タスクベンチマークでは、Astra が新たな最先端を達成し、Claude Fable 5.2 の合格率を 2 倍以上に引き上げ、コストは約 6 分の 1 だった。弁護士向けに構成した Astra for Law はさらに高いスコアを記録している。

OpenAI 内部の GDPval v2 ベンチマークは、コンサルティング、金融、デザインの実プロジェクトから取った多段階課題で構成される。Astra はテストしたモデルの中で首位となり、GPT‑6 Astra より 6.2 ポイント高く、出力トークンは 22% 少ない。Sol は GPT‑6.1 Sol から 5.3 ポイント改善した。

スライド作成では、Astra は OpenAI 史上最強のモデルだ。元のファイルでもスクリーンショットでも、レイアウト、配色、タイポグラフィをフォントサイズまで一致させ、テンプレートの文体を新しいスライドに引き継げる。初期テスターからは、そのまま使いやすく修正が少ない資料が得られるとの声が上がっている。

バリュエーションのワークブックや投資メモの作成では、まず元資料から関連する数値を見つけ、それらの関係を整理する必要がある。Artificial Analysis の AA‑AnalystAgent は実際の表やレポートでこの作業を試すもので、ある課題ではカリフォルニア州メディケイドの支出報告から医療輸送費を算出する。Astra はこのベンチマークで新記録を樹立し、5 回の独立した試行すべてで 62.5% の質問に正答した。

パートナーからの評価も向上を裏付けている。IMC のプリンシパル AI エンジニア Marquis Wong 氏は、Astra が高密度の情報を技術者・非技術者の双方に読みやすいブリーフやインフォグラフィックに変換する能力で GPT‑6 Astra から大きく前進したと述べた。Legora の CTO Jacob Lauritzen 氏によれば、複雑な法律エージェントタスクで Astra は GPT‑6.1 Sol より 62% 少ないトークンを使用し、法律調査の 10 タスク中 8 タスクで他モデルを上回った。Harvey の応用研究責任者 Niko Grupen 氏は、Astra が法律エージェントベンチマークのタスクを GPT‑6 Astra の 3 倍以上こなしながら出力トークンを 34.5% 削減したと語る。ClickUp の Jay Hack 氏は、ブラインドテストで Astra が本番モデルをわずかに上回り、トークンは約 40%、レビュー回数は 30% 減ったと述べている。

コンピューター操作の面では、Astra はより精密に動作し、CAD やシミュレーションツールの個々の部品や接続にまで踏み込める。エンジニアは部品の嵌合を確認し、設計の移動に伴う荷重の変化を把握し、試作前に改訂を検証できる。OpenAI は複数の例を紹介した。山道を走る自動車のシャシー挙動を可視化するため、3D モデルを作成し、タイヤとサスペンションの複雑な動きをシミュレートする Python ソルバーを書き、Blender でアニメーション化した。機械システムを部品ごとにモデリングする例もある。チームはシカゴのマリーナシティの扇形バルコニーを紙のランプに変換し、参考写真から CAD の修正、手作業での組み立てまでの過程を動画にした。サイトも Astra が生成し、誰でも自分の紙ランプを作れる。

こうした視覚推論とコンピューター操作の向上は 3D デザインにも及ぶ。Astra と Sol は文章の要件を、遊べるピンボール台から様々な角度で探索できるコロッセオの再現まで、インタラクティブなブラウザ体験に変換できる。Artificial Analysis の AA‑3D ブラインドテストでは、Astra が 1,318 Elo で首位、Claude Fable 5.2 が 1,271、Sol が 1,259 だった。Higgsfield AI の CEO Alex Mashrabov 氏は、社内の 3D 生成評価で Astra が 73% のケースを一発で目標達成したのに対し、GPT‑6 Astra は 3 回以上の反復を要したと述べている。

コーディングでは、Astra は既存コードベースにおける複雑な変更の実装とテストに優れる。初期テスターはコードスタイルがより整理され、テストが的を絞り、修正回数が減ったと報告した。タスクの進め方についても判断力が高まり、ツールと工数のワークフローへの適合や、プラグインとコンピューター操作の使い分けができる。

安全性について OpenAI は、両モデルがサイバーセキュリティ能力で再び大きく前進したと説明する。脆弱性の発見と悪用がより効果的になる一方で、より安全なコードを書き、より良いパッチを生成し、複数の評価でトークン効率を大幅に改善した。GPT‑6 Astra と同様、Preparedness Framework のサイバーセキュリティにおける Critical 基準に達している。そのため、リスクの高いサイバーセキュリティ支援に対してより厳格な保護措置を設けて提供を開始する。これにより悪用リスクは下がるが、正当な脆弱性研究やセキュリティテストのワークフローも一部制限される。OpenAI Daybreak を通じ、承認された防御者は現在 Daybreak Blue でサイバー拒否を減らした GPT‑6 Astra を、Daybreak Red では承認された高度なセキュリティテスト向けの GPT‑6 Cyber を利用できる。OpenAI は GPT‑6.2 モデルを Daybreak に導入するよう取り組むとしている。

OpenAI はまた、コーディングエージェントが本番ソフトウェア開発で広く使われる一方、能力の高いエージェントが脆弱性の発見と悪用の敷居を下げていると強調する。PHP2Shell の事例は AI が研究者による重大な欠陥の発見を支援できることを示しており、同社は防御能力を中核に据え、開発者が最初から安全なコードを書き、意図した動作を保つパッチを生成できるよう新たな訓練シグナルを導入した。両モデルは同社史上最強の保護措置とともに展開され、制限の厳格化と監視・介入システムの強化が図られている。GPT‑6 Astra と同様、サイバーセキュリティの Critical 基準に加え、生物分野の High 基準にも達している。

要点と分析を開く

記事インテリジェンス

エンジニア上級

要点

  • Astra は Agents’ Last Exam で GPT‑6 Astra を 5.2 ポイント上回り、コストは 3 分の 1 未満
  • API の入力・出力価格は GPT‑6 Astra より 20% 安く、キャッシュ入力は 60% 割引
  • Sol は FrontierCode 2.0 で Astra に約 0.5 ポイント差、コストは約 5 分の 1
  • 両モデルは Preparedness Framework のサイバーセキュリティ Critical 基準に達する

要点と分析は自動生成され、誤りを含む場合があります。原典をご確認ください。