記事のサマリー(TL;DR)
- OpenAIは、高難度な専門業務向けの新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性の高いモデル「GPT‑6.2 Sol」を発表しました。両モデルとも、より少ない出力トークンで高い成果を出せるよう設計されています。
- GPT‑6.2 AstraはAPI価格が従来のGPT‑6 Astraより入出力ともに20%引き下げられ、キャッシュ入力は60%割引(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)。GPT‑6.2 SolはGPT‑6.1 Solと同じ価格(入力2ドル、キャッシュ入力0.10ドル、出力10ドル、いずれも100万トークンあたり)を維持しています。
- 両モデルは本日より、ChatGPT WorkおよびCodexにおいてPlus、Pro、Enterprise、Eduの全ユーザーが利用可能。開発者はOpenAI API経由で
gpt-6.2-astraとgpt-6.2-solにアクセスでき、Ultrafastも両モデルで提供開始されています。
利用条件・提供範囲
- GPT‑6.2 AstraとSolは、本日よりChatGPT WorkおよびCodexにおいて、Plus、Pro、Enterprise、Eduの全ユーザーが利用できます。
- Pro 500サブスクライバーは両モデルでUltrafastを利用可能です。Pro 200サブスクライバー向けには、今回初めてUltrafastが提供され、まずGPT‑6.2 Solから開始されます。
- Enterprise・Eduのユーザーは、ワークスペース管理者が機能を有効化すると同様のアクセスが可能になります。
- 開発者はOpenAI API経由で
gpt-6.2-astraおよびgpt-6.2-solにアクセスでき、Ultrafastは提供開始時点で両モデルに対応しています。 - OpenAIは、キャッシュの再利用を高め、コストとレイテンシーを抑え、ターン間の推論を維持するため、プロンプトのプレフィックスを変更せず、新しい指示は会話に追記することを推奨しています。
詳細
GPT-6.2 Astra:複雑な専門業務向けの新しい品質基準
GPT‑6.2 Astraは、複雑な専門業務におけるAIの新しい品質基準を打ち立てるとされています。作成するスライド、スプレッドシート、文書は、AIが生成したものらしさが薄れ、ユーザーが提供したテンプレートや各分野の慣習により忠実に従うようになりました。コードもより洗練され、特にウェブサイト、ゲーム、3Dデザインにおいて、見た目も動作もより優れたフロントエンドを構築できるとしています。
複数ステップにわたる専門業務を評価する「Agents’ Last Exam」では、GPT‑6.2 AstraはGPT‑6 Astraよりコストが3分の1未満でありながらスコアが5.2ポイント高く、新たな最高スコアを記録しました。また、Claude Fable 5.2と比較すると、コストはわずか5%でありながらスコアは5.5ポイント上回ったとしています。なお、Agents’ Last Examは長期にわたる専門的なワークフローを評価するもので、Fable 5.2のリーダーボードの結果にはフォールバックモデルを使用した9つのタスクが除外されている点が記載されています。
OpenAIは、GPT-6.2 Astraは科学者にとって世界最高のモデルであると考えていると説明しています。ターミナル内での科学的作業の遂行能力を測る「Terminal-Bench-Science 0.1」では新たな最高スコアを記録し、GPT-6 Astraよりコストが3分の1未満でありながらスコアが9ポイント高いとしています。また、実際の生物学的データを解釈し、シミュレートされたシステムの仕組みを推測するための実験を行う「Vals Science Index」でも新たな最高スコアを達成しました。
APIにおけるGPT‑6.2 Astraの入出力トークン価格は、GPT‑6 Astraより20%低く、キャッシュ入力は60%割引となっています(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)。GPT‑6.2 SolはGPT‑6.1 SolのAPIトークン価格をそのまま維持しています。複数のベンチマークにおいて、両モデルとも他の主要モデルに匹敵するか、それを上回る性能を、タスクあたりのコストのごく一部で達成しているとしています。
GPT-6.2 Sol:日常業務向けの標準モデル
GPT‑6.1 Solと比較して、GPT‑6.2 Solはより賢く、効率的になり、同じ有料プランでより多くのタスクを完了できるようになりました。複数ステップにわたるエージェント型ワークフローを滞りなく進め、明確で自然な文章を書き、直感的に協働できるとしています。OpenAI社内の多くの従業員が、技術的・非技術的タスクの両方でデフォルトモデルとして使用しているとのことです。
Cognitionの「FrontierCode 2.0」では、GPT‑6.2 Solは(いずれも最大設定で)GPT‑6.2 Astraに0.5ポイント差まで迫るスコアを、約5分の1のコストで達成しています。FrontierCode 2.0は、実際のコードベースへの変更がメンテナーのマージ基準を満たすかどうかを評価するものです。
GPT‑6.2 Solのスピードと知性は、業務以外でAIを頼る重要なタスクにも適しているとしています。最近公開された「LifeVal」評価(日常的な困難なタスクへの対応力を測るもの)では、GPT‑6.2 SolはGPT‑6 Astraを約7分の1のコストで上回るスコアを記録しました。LifeValは、引っ越し後の幼稚園の候補を絞り込む、家族の予算と通勤条件に合う住居を探す、新たな診断を受けた親のための食事計画を立てるなど、個々のニーズに合わせた日常タスクへの対応力を試すものです。
業界標準に沿った専門的な成果物
OpenAIは、GPT‑6.2 Astraが法律、営業、財務、会計といった分野の専門家が用いる慣習により忠実に従った、より明確で洗練されたスライド、スプレッドシート、文書を作成できるよう訓練したとしています。文章はより直接的かつ具体的になり、一般論的な要約や余分な記述が減ったとのことです。
法務分野のアサインメントを用いて、ソース文書から関連する事実を見つけ出し、詳細なブリーフに適用し、すべての要件を満たす正確な成果物を作成できるかを試す「Harvey LAB‑AA v1.1」では、GPT‑6.2 AstraはClaude Fable 5.2のパス率を2倍以上に引き上げ、コストは約6分の1で新たな最高水準を記録したとしています。弁護士向けに構成されたGPT-6.2 Astraの構成である「Astra for Law」は、このベンチマークでさらに高いスコアを記録しています。Harvey LAB‑AAは契約条項の確認といった法務作業を評価するもので、成果物がすべての採点基準を満たし、重大な幻覚(ハルシネーション)を含まない場合にのみ最高スコアが与えられる点が記載されています。
コンサルティング、金融、デザインなどの分野における実プロジェクトの複雑かつ長期にわたるワークフローを測定する社内ベンチマーク「GDPval v2」(従来の「GDPval」の次期版)では、GPT‑6.2 Astraはテストした中で最高の成績を収め、出力トークン数を22%削減しながらGPT‑6 Astraから6.2ポイント向上したとしています。GPT‑6.2 SolはGPT‑6.1 Solから5.3ポイント向上しました。GDPval v2は、金融、データサイエンス、バイオテクノロジー、マーケティングなどの分野における実プロジェクトから作成された、長期にわたる知的業務のアサインメントで構成されています。
ワークブックとメモ
評価額算定用のワークブックや投資メモの作成は、ソースファイルから関連する数値を見つけ出し、それらの関係を整理することから始まります。Artificial Analysisの「AA‑AnalystAgent」は、実際のスプレッドシートやレポートを用いてこの作業を評価するものです。あるタスクでは、カリフォルニア州メディケイドの支出報告書を使って、医療搬送にどれだけの費用が使われたかを算出させています。GPT‑6.2 Astraは5回の独立した試行すべてで62.5%の問題に正答し、新たな最高スコアを記録したとしています。
スライドショー
GPT‑6.2 Astraは、元のファイルであれスクリーンショットであれ、スライドのデザインとテンプレートへの追従においてこれまでで最高のモデルであるとしています。レイアウト、配色、タイポグラフィを正確なフォントサイズまで一致させ、テンプレートの文章スタイルを新しいスライドにも引き継ぐことができます。初期のテスターからは、主な要点を示すタイトルと、読み手が必要とする詳細に絞られた簡潔な本文のおかげで、編集の手間が少なく、そのまま使いやすいスライドができたとの評価が得られたとしています。
コンピュータ操作とインタラクティブなウェブデザイン
GPT‑6.2 Astraは、より精密なコンピュータ操作によって、CADやシミュレーションツールにおいて個々の部品や接続部分に至るまで作業できるようになりました。エンジニアはこの詳細度を活用して、部品の嵌合状態の確認、設計変更時の荷重の移動箇所の把握、試作前の設計変更のテストを行えるとしています。
走行シミュレーション:OpenAIはGPT‑6.2 Astraに、山道を走る車のシャシーの挙動を可視化するよう依頼しました。Astraは3Dモデルを作成し、タイヤとサスペンションの間の複雑な力学をシミュレートするPythonソルバーを記述、その結果をBlenderでアニメーション化しました。これにより、エンジニアは新しい設計を素早くテストし、時間をかけてシミュレーションの精度を向上できるとしています。
機械設計と組み立て:GPT‑6.2 Astraは機械システムを部品単位でモデル化でき、エンジニアに組み立て方を示したり、設計変更が挙動に与える影響をテストしたりする手段を提供するとしています。
CADからペーパーランプへ:OpenAIのチームは、GPT‑6.2 Astraを使って、シカゴのマリーナ・シティタワーの扇形バルコニーをランプへとデザインし直しました。この過程は、参考写真からCADでの改訂、手作業で組み立てた実物のランプに至るまでを追ったものです。GPT-6.2 Astraが生成したサイトを使えば、自分だけのペーパーランプを作ることができるとしています。
GPT‑6.2 Astraはウェブデザインにおいてより強力な視覚的推論能力を発揮し、各サイトに独自の見た目を与えるレイアウトや画像を選び、サイトの実際の目的に沿った要素を構築するとしています。こうした視覚的推論とコンピュータ操作の進歩は、3Dデザインにも引き継がれています。GPT‑6.2 AstraとSolは、文章によるブリーフを、プレイ可能なピンボール台からさまざまな角度から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としています。
Artificial Analysisの「AA‑3D」では、人間の審査員が同じプロンプトから作られた2つのブラインド体験を試し、好みのものに投票します。GPT‑6.2 AstraはEloレーティング1,318で首位となり、Claude Fable 5.2が1,271、GPT‑6.2 Solが1,259で続いたとしています。
効率的なワークフローとクリーンなコードスタイル
GPT‑6.2 Astraは、タスクの実行方法についてより優れた判断力を備えており、ワークフローに合わせたツールと労力の調整や、プラグインとコンピュータ操作のどちらを使うべきかの判断を含んでいます。コーディングにおいては、既存のコードベースに対する複雑な変更の実装とテストがより優れているとしています。初期のテスターからは、よりクリーンなコードスタイルとより的を絞ったテストが得られ、修正の回数が減ったとの報告があったとしています。
サイバーセキュリティ能力
GPT‑6.2 AstraとGPT-6.2 Solは、サイバー能力においてもう一段の大きな進歩を示しているとしています。脆弱性をより効果的に発見・悪用し、より安全なコードを記述し、より優れたパッチを作成できるようになり、複数の評価においてトークン効率の面でも大幅な改善が見られるとしています。GPT‑6 Astraと同様、6.2 Astraと6.2 Solは、OpenAIの「Preparedness Framework」におけるサイバーセキュリティの「Critical(重大)」閾値に該当します。これら能力の向上を受け、OpenAIはより高リスクなサイバーセキュリティ支援に対してより厳格な安全対策を講じた上でGPT‑6.2 AstraとSolを展開するとしています。これらの保護措置は悪用リスクを低減する一方で、一部の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制限するとしています。
「OpenAI Daybreak」を通じて、防御側のユーザーは現在、Daybreak Blueにおいてサイバー関連の拒否応答を低減したGPT‑6 Solにアクセスでき、これに加えてGPT-6 Astraのアルファ版、および高度で認可されたセキュリティテスト向けのDaybreak Red上のGPT‑6 Cyberも利用可能であるとしています。OpenAIは、GPT‑6.2モデルをDaybreakに導入すべく取り組むとしています。なお、記事内で示されたベンチマーク結果は、サイバーセキュリティの安全対策および分類器を無効化した内部テスト構成を使用したものであり、完全な結果と方法論は付属のシステムカードに記載されているとしています。
サイバー防御側への優位性の提供:開発者がコーディングエージェントに依存して本番用ソフトウェアを記述する傾向が強まる一方、より高性能なエージェントは脆弱性の発見・悪用の敷居を下げてもいます。「PHP2Shell」は、AIが研究者による重大な欠陥の発見にどう役立つかを示したとしています。GPT‑6.2 AstraとSolでは、防御的な能力をコアな焦点の一つとし、新たな訓練シグナルを導入することで、開発者が最初から安全なコードを書き、意図した動作を維持するパッチを作成することで、そうした欠陥を防止・修復するのを支援するとしています。
安全性とアライメント
OpenAIは、GPT-6.2 AstraとSolをこれまでで最も強力な安全対策とともに展開するとしています。制限を強化し、モデルを監視し必要に応じて介入するためのシステムを強化したとしています。GPT-6 Astraと同様、GPT-6.2 AstraとSolは、サイバーセキュリティの「Critical」閾値に加え、生物学的・化学的能力に関する「Preparedness Framework」の「High(高)」閾値にも該当します。関連リスクを軽減するための保護措置を実装し、デュアルユースの可能性がある生物学・サイバーセキュリティ関連の一連のリクエストに対する制限も強化したとしています。安全対策とテストの詳細は、GPT-6.2のシステムカードに記載されています。
AI研究能力と安全対策
GPT-6.2 Astraは、AI研究を加速させる能力を測定する「AI Self-improvement」において「High」閾値を満たした、外部公開モデルとして初の事例であるとしています。「High」の判定は、2024年のベースラインと比較して、OpenAIの全研究者に非常に有能な追加の研究エンジニアを一人ずつ割り当てるのに相当する影響があるとOpenAIが評価していることを反映しているとしています。将来のAIシステムの開発を支援できるモデルは、安全対策や人間の監視が追いつく速度より速く進歩を加速させるなど、安全面で新たなリスクをもたらしうるため、この能力を追跡しているとしています。
こうしたリスクに対処するため、モデルの訓練・展開方法により多くの監視と制御を組み込んだとしています。GPT-6.2 Astraの社内アクセスを拡大する前に、そのアライメントを評価し、各段階で必要な安全対策が整っていることを確認したとしています。研究環境における封じ込め対策を強化し、最も高性能なモデルを用いてその保護措置をテストしたとしています。また、研究ワークロードを追跡し、介入が必要な場合にモデルの出力をさらに停止できるシステム「Control Room」も構築したとしています。拡張された監視システムは、社内のワークロードおよびサポート対象の外部展開全体にわたってモデルの推論と行動を検査し、許可されていない挙動を自動的にフラグ付けし、対応している場合はワークロードや会話を一時停止できるとしています。
アライメント:両モデルは、ほとんどのアライメント評価においてGPT-6 Astraと同様の性能を示し、模擬的な職場タスクにおいて不適切な行動を取る回数は少なかったとしています。しかし、2つのテストにおいて、作業を妨げる障害(欠落しているファイルや利用できない検索ツールなど)について言及しない傾向がより強く見られたとしています。OpenAIはCodexに指示を追加し、こうした言及漏れを大幅に削減したとしており、この挙動について引き続き調査を続けるとしています。
価格と提供状況
本日より、GPT-6.2 AstraとSolは、ChatGPT WorkおよびCodexにおいて、Plus、Pro、Enterprise、Eduの全ユーザーが利用可能です。Pro 500サブスクライバーは、いずれのモデルでもUltrafastを利用できます。今回初めて、Pro 200サブスクライバー向けにもUltrafastの提供を開始し、まずGPT-6.2 Solから対応します。対象となるEnterprise・Eduユーザーは、ワークスペース管理者が機能を有効化すると同様のアクセスが可能になります。
開発者は、OpenAI APIを通じてgpt-6.2-astraおよびgpt-6.2-solにもアクセスでき、提供開始時点でUltrafastが両モデルに対応しています。GPT‑6.2 Astraは、トークン効率の向上、入出力トークンの20%割引、キャッシュ入力トークンのさらなる60%割引により、GPT‑6 Astraよりタスクあたりのコストが大幅に低くなっているとしています。標準的なAPI料金は、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ドルです。GPT‑6.2 Solは、GPT‑6.1 Solの料金(100万トークンあたり入力2ドル、キャッシュ入力0.10ドル、出力10ドル)をそのまま引き継いでいます。
GPT-6.2 AstraおよびSolの利用にあたり、キャッシュの再利用を改善し、コストとレイテンシーを削減し、ターンをまたいだ推論を維持するため、OpenAIはプロンプトのプレフィックスを変更せずに保ち、新しい指示は会話に追記することを推奨しています。