GPT-6 Astraの性能・料金・使えるプランを整理した

GPT-6 Astraについて

OpenAIから GPT-6 Astra が発表されました。名前だけを見るとGPT-5.6の次世代モデルですが、料金と提供方法まで追うと、単純な置き換えではなさそうです。

私は最初、Plusならすぐにモデル選択画面へ出てくるものだと思っていました。しかし、公式ドキュメントには「今後数日で提供」と書かれています。対象プランと利用開始時期を同じものとして読んでしまい、少し混乱しました。

この記事は、2026年9月4日時点の公式ドキュメントを読んで整理した技術メモです。まだ手元で同条件の比較はできていないため、実測ではありません。

GPT-6 Astraとは

GPT-6 Astraは、OpenAIが複雑なエンドツーエンドの作業向けに位置づけている最上位モデルです。複雑な推論、コーディング、ブラウザ操作、リサーチ、資料作成などが主な用途として挙げられています。

APIで使うモデルIDは gpt-6-astra です。主な仕様は以下でした。

コンテキスト長と最大出力はGPT-5.6 Solと同じです。

数字が大きくなったというより、その範囲内で複数のツールを使い、長い作業を最後まで進める能力が強化されたモデルだと理解しています。

性能はどこが変わったのか

公式のモデルガイドでは、computer use、ブラウジング、ソフトウェア開発、科学、専門的な業務で高い性能を持つと説明されています。

特に強調されているのは、コード、ブラウザ、業務ソフトをまたぐ複数ステップの作業です。

もう一つ気になったのが、出力トークンの効率です。複数の評価で、従来モデルより強い結果を出しながら、出力トークンを大きく減らしたとされています。

Astraは1トークンあたりの料金が高いので、この部分が実際のタスク単価を左右しそうです。

長いタスクでの一貫性と指示追従も改善点に挙げられています。

一方で、結果が変わりそうな曖昧さがあると、GPT-5.6 Solより確認を挟みやすいとのことです。

ここはベンチマークの順位だけでは見えにくい部分です。

自分の用途では、正答率に加えて、完了までの所要時間、出力トークン数、確認で止まった回数、手戻りの回数を測りたいと感じました。

API料金はGPT-5.6 Solの2.5倍

Standard利用時の料金は、100万トークンあたり以下です。

Astraは入力も出力も、Solの2.5倍です。

たとえば、1回の処理で入力10万トークン、出力1万トークンを使った場合は、単純計算で次の金額になります。

最初にこの表を作ったときは、日常的な処理をそのままAstraへ移すのは難しいと感じました。

ただし、公式ドキュメントは、出力トークンが減ることで従来モデルよりタスク単位の推定コストが低くなる評価もあると説明しています。

長い入力では料金が上がる

ここは読み落としかけました。

入力が272Kトークンを超えるプロンプトは、リクエスト全体に対して次の倍率が適用されます。

• 入力とキャッシュ関連の料金は2倍
• 出力料金は1.5倍

272Kを超えた部分だけが高くなるわけではありません。

長いコードベースや大量の資料をそのまま渡す用途では、コンテキスト上限だけを見て見積もると想定より高くなります。

また、キャッシュへの書き込みは100万トークンあたり$12.50です。

BatchとFlexはStandardの50%、Fast modeは2倍と案内されています。Web searchやcomputer useなど、ツール側の料金が別に発生する場合もあります。

どのプランなら使えるか

2026年9月4日時点では、提供は段階的に進んでいます。

対象プランでも、すぐに表示されるとは限りません。製品やアカウントごとに反映時期がずれる可能性があります。

Plusのモデル一覧にまだ見つからない場合も、まずはロールアウト状況を確認するのがよさそうです。

APIについても、Free tierは非対応です。

APIで増えたこと

Astraでは、長いエージェント処理を意識した機能が追加されています。

async tool calling

async tool callingを使うと、アプリケーション側で時間のかかるツールを実行している間に、モデルが別の推論やツール呼び出しを進められます。

ツールの実行そのものは、引き続きアプリケーション側の役割です。

Mid-turn steering

Mid-turn steeringでは、処理中に追加の指示を送れます。

要件の修正や優先順位の変更を、実行が終わるまで待たずに渡せます。

configuration_update

会話の途中でreasoning effortを変更する configuration_update も追加されています。

簡単な確認は low、難しい調査だけ high に上げる、といった使い方ができます。

プロンプトの先頭部分を保ったまま変更できるため、キャッシュを崩しにくい点も実務では効きそうです。

移行時に引っかかりそうな点

モデルIDを置き換えるだけでは済まない箇所があります。

reasoning effortの指定

Astraは none のreasoning effortに対応していません。

GPT-5.6で none や minimal を使っていた場合は、low から比較することが推奨されています。

ツール利用はResponses API

ツール呼び出しにはResponses APIを使います。

Chat Completions自体は対応していますが、Astraでツールを使う場合はResponses APIが必要です。

未対応パラメータ

temperature、top_p、top_logprobs は非対応です。

Chat Completionsでは logprobs も外します。

既存の共通パラメータをそのまま渡している実装では、ここでエラーになりそうです。

長文入力の料金

長いプロンプトを使う場合は、キャッシュ設定と272K超の料金も一緒に確認します。

私は最初、モデル名と単価だけを見ていましたが、実際にはこの二つのほうが請求額へ効くかもしれません。

どこで使うか

現時点では、すべての処理をAstraへ寄せるより、失敗や手戻りのコストが高い作業に絞るのが合いそうです。

複数のツールをまたぐ長い調査、大きな設計変更、難しい原因調査、資料まで含めた一連の作成などが候補になります。

Astraを試したい作業

• 複数のツールをまたぐ長時間の調査
• 大規模な設計変更やリファクタリング
• 原因の特定が難しい障害調査
• 調査から資料作成までを一続きで進める作業
• 失敗した場合の人間側の手戻りが大きい作業

TerraやLunaでよさそうな作業

• 抽出
• 分類
• 定型的な修正
• 大量の前処理
• 正解や作業手順が明確なタスク

Astraを使うか迷う作業は、まずSolやTerraで基準値を取り、成功率と手戻りを含めて比較したいです。

所感

料金表だけを見ると、AstraはSolの2.5倍なので、かなり高いモデルに見えます。

一方で、OpenAIが強調しているのは1回の推論性能だけではなく、複数ツールを使う長い仕事を最後まで進める能力と、出力トークンの効率です。

そのため、「1トークンいくらか」より、「一つの仕事を完了させるまでいくらか」で見ないと評価しにくいモデルだと感じました。

まだロールアウト直後なので、この記事も仕様表を整理した段階です。実際の使い分けについては、手元で比較してから改めて判断します。

参考

• GPT-6 Astra Model | OpenAI API
• Using GPT-6 Astra | OpenAI API
• Compare models | OpenAI API

ここまで読んでいただき、ありがとうございます。もしこの記事の技術や考え方に少しでも興味を持っていただけたら、ネクストのエンジニアと気軽に話してみませんか。

• 選考ではありません
• 履歴書不要
• 技術の話が中心
• 所要時間30分程度
• オンラインOK

エンジニアと話してみる