# GPT-6.2 Astra vs Sol：料金・速度・タスク単価を比較

> Astra と Sol をコーディング、推論の強さ、応答時間、タスク単価で比較します。旗艦モデルが効く場面と、Sol で足りる場面を整理します。

- Canonical HTML: https://omniakey.com/ja/blog/gpt-6-2-astra-vs-sol
- Markdown: https://omniakey.com/ja/blog/gpt-6-2-astra-vs-sol.md
- Published: 2026-11-19 (updated 2026-11-19)
- Author: Kiki, COO at OmniaKey
- Language: ja
- Category: Comparison
- Reading time: 10 min
- All posts: https://omniakey.com/blog/llms.txt

---

GPT-6.2 Astra vs Sol は、まず料金で決まります。[Astra](https://omniakey.com/ja/gpt-6-2-astra) は入力100万トークンあたり $8、出力 $40 で、[Sol](https://omniakey.com/ja/gpt-6-2-sol) の $2 と $10 の4倍です。2026年11月19日に実行した小さなコーディング課題3つでは、どちらもすべてのチェックを通過しました。OpenAI の Standard 料金で計算すると、Sol の費用は約4分の1でした。

短くて要件がはっきりした作業なら、まず Sol を試してください。Astra の出番は、より難しく自由度の高いタスクです。[独立系のコーディングテスト](https://artificialanalysis.ai/models/comparisons/gpt-6-2-astra-vs-gpt-6-2-sol)では、同じく medium と表示された設定で、Terminal-Bench 4.0 が 2.5 ポイント、FrontierCode が 5.2 ポイント上回っています。その差が手戻りを減らすかどうかで判断が変わります。Astra に払う前に、Sol が間違える複雑なタスクで一度試してみてください。

- **GPT-6.2 Sol** (定型のコーディング、大量処理): 小さな課題3つをすべて通過し、OpenAI Standard 料金で Astra の約4分の1の費用。100万トークンあたり入力 $2、出力 $10。
- **GPT-6.2 Astra** (難しい自由課題): 同じく medium 表示の独立系コーディングテストで先行。100万トークンあたり入力 $8、出力 $40。

## GPT-6.2 Astra vs Sol、何が違うのか

OpenAI の [Astra モデルページ](https://developers.openai.com/api/docs/models/gpt-6.2-astra)、[Sol モデルページ](https://developers.openai.com/api/docs/models/gpt-6.2-sol)、[料金ページ](https://developers.openai.com/api/docs/pricing)には、コンテキストウィンドウ、出力上限、推論レベル、レート制限が同じ値で載っています。実際に効いてくる違いは、モデル ID、トークン単価、知識のカットオフです。

|項目|Astra|Sol|
|-|-|-|
|モデル ID|`gpt-6.2-astra`|`gpt-6.2-sol`|
|リリース|2026年11月17日|2026年11月17日|
|コンテキスト|1,050,000 トークン|1,050,000 トークン|
|最大入力|922,000 トークン|922,000 トークン|
|最大出力|128,000 トークン|128,000 トークン|
|知識カットオフ|2026年5月18日|2026年6月1日|
|推論レベル|low から max|low から max|
|入力単価|$8|$2|
|キャッシュ入力|$0.40|$0.10|
|キャッシュ書き込み30分|$10|$2.50|
|出力単価|$40|$10|
|入力272K超の出力|$60|$15|

Astra の Standard 料金は、キャッシュ書き込みも長いコンテキストの行も含めて、どの行でもちょうど Sol の4倍です。

両モデルは2026年11月17日の同じ[更新履歴](https://developers.openai.com/api/docs/changelog)で公開されました。OpenAI の[発表](https://openai.com/index/introducing-gpt-6-2-astra-sol/)によると、Plus、Pro、Enterprise、Edu のユーザーは ChatGPT Work と Codex の両方で使えます。Enterprise と Edu のワークスペースでは、管理者が有効にする必要があります。API ではどちらの ID も同じエンドポイントで利用でき、Pro プランでは Pro 200 が Sol から始まり、Pro 500 は両方を使えます。

見落としやすい点が2つあります。Responses と Chat Completions のどちらのエンドポイントでも、2つの ID はそのまま動きます。ツール呼び出しには Responses API が必要です。どちらのモデルもテキストと画像を入力に取り、返すのはテキストだけなので、音声や動画は生成しません。レート制限も各ティアで同じで、Build の毎分5,000リクエスト・100万トークンから、Grow の毎分15,000リクエスト・4,000万トークンまで揃っています。

それぞれの詳細記事もあります。[GPT-6.2 Astra のリリース情報](https://omniakey.com/ja/blog/gpt-6-2-astra)と、[GPT-6.2 Sol の解説](https://omniakey.com/ja/blog/gpt-6-2-sol)です。

## 1リクエストの料金はいくらか

入力10,000トークン、出力2,000トークンなら、[OpenAI の Standard 料金](https://developers.openai.com/api/docs/pricing)で Astra が $0.16、Sol が $0.04 です。

Astra の計算は、入力が 10,000 × $8 ÷ 1,000,000 = $0.08、出力が 2,000 × $40 ÷ 1,000,000 = $0.08 です。Sol は 10,000 × $2 ÷ 1,000,000 = $0.02 に、2,000 × $10 ÷ 1,000,000 = $0.02 を足します。同じ形のリクエスト100回で、Astra は $16、Sol は $4 です。

推論トークンは出力トークンとして数えられ、専用の料金行はありません。effort を上げると、別のメーターが動くのではなく、出力が長くなる分だけ費用が増えます。長いプロンプトでも差は同じです。入力が272,000トークンを超えると、OpenAI は入力とキャッシュの単価を2倍にし、出力はリクエスト全体に短いコンテキストの1.5倍を適用します。入力300,000トークン、出力2,000トークンなら、Astra は 300,000 × $16 ÷ 1,000,000 = $4.80 と 2,000 × $60 ÷ 1,000,000 = $0.12 で $4.92。Sol は $1.20 と $0.03 で $1.23 です。Sol はちょうど4分の1になります。Batch は両モデルとも半額なので、この差はそこでも変わりません。

## 小さなコーディング課題3つの結果

3つの課題すべてで、両モデルはすべてのチェックを通過しました。Python の2題は Astra が速く、SQL の1題は Sol が速い結果です。

2026年11月19日、OmniaKey の Responses エンドポイント経由で、各プロンプトを各モデルに1回ずつ送りました。設定は推論 medium、出力上限4,096トークン、ストリーミング、ツールなしです。先に送るモデルを交互に入れ替え、再試行はせず、合計6回の呼び出しでした。OmniaKey はこの2モデルへのアクセスを提供しており、テストもそこを通しています。この節のドル額はすべて、報告されたトークン数から OpenAI の Standard 料金で計算し直したもので、OmniaKey の請求額ではありません。

課題は、最新イベントの抽出、区間の結合、返金のクエリでした。それぞれ固定のエッジケースに加えて、シード 20261119 の決定的な疑似乱数ケース100件で検証しています。内訳は最新イベントが104件、区間が106件、SQL が102件です。これらはテストケースの数で、モデルの実行回数ではありません。期待する動作は、ID ごとに選ばれるイベントが1つ、区間の分数を二重に数えない、支払いごとに成功した返金をすべて合計してから支払い額と突き合わせる（二重に引かない）ことです。

送ったプロンプト3本をそのまま載せます。

### プロンプト1：最新イベント

> Return ONLY Python 3 code defining total\_paid(events). Do not import modules or print. Each event is a dict with id (string), version (integer), status (string) and cents (integer). Select the event with the largest version per id; when versions tie, the later item in the input wins. Return the sum of cents only for selected events whose status is "paid". Input may be empty. Do not mutate the list or its dicts. The algorithm must run in O(n) time and support negative cents. Example: \[{"id":"a","version":2,"status":"paid","cents":50},{"id":"a","version":1,"status":"paid","cents":200},{"id":"b","version":1,"status":"void","cents":20}] returns 50. Do not include tests or explanations.

### プロンプト2：区間の結合

> Return ONLY Python 3 code defining union\_minutes(intervals). Do not import modules or print. intervals is a list of two-integer \[start,end] pairs representing half-open ranges in minutes, with start <= end. Values can be negative and pairs can be unsorted. Return the total length of their union. Adjacent, overlapping, nested and duplicate intervals must not be double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. Example: \[\[5,10],\[1,6],\[10,12],\[3,3]] returns 11. Do not include tests or explanations.

### プロンプト3：SQL の返金

> Return ONLY one SQLite SELECT query, optionally with WITH common table expressions. No explanation or Markdown. Tables: payments(id INTEGER PRIMARY KEY, customer\_id INTEGER NOT NULL, amount\_cents INTEGER NOT NULL, status TEXT NOT NULL); refunds(id INTEGER PRIMARY KEY, payment\_id INTEGER NOT NULL, amount\_cents INTEGER NOT NULL, status TEXT NOT NULL). Return customer\_id, net\_cents for each customer with at least one payment whose status is 'paid', including customers whose net is zero or negative. net\_cents is the sum of their paid payment amounts minus only refunds with status 'succeeded' attached to those paid payments. Exclude unpaid payments and refunds on them. A payment can have zero or multiple refunds. Do not multiply payment amounts when joining refunds. Sort by customer\_id ascending. Use only these two tables.

|課題|Astra|Sol|
|-|-|-|
|ID ごとの最新イベント|104/104、4.2 秒|104/104、5.0 秒|
|区間の結合|106/106、4.4 秒|106/106、6.5 秒|
|SQL の返金|102/102、6.0 秒|102/102、4.9 秒|
|合計|3 課題、14.6 秒|3 課題、16.4 秒|

その費用の元になったトークン数と、公式の Standard 料金での費用です。

|課題|入力|Astra 出力|Sol 出力|
|-|-|-|-|
|ID ごとの最新イベント|4,558|81|93|
|区間の結合|4,532|81|149|
|SQL の返金|4,550|113|128|
|合計|13,640|275|370|

|課題|Astra|Sol|
|-|-|-|
|ID ごとの最新イベント|$0.0397|$0.0100|
|区間の結合|$0.0395|$0.0106|
|SQL の返金|$0.0409|$0.0104|
|各モデル3回の呼び出し|$0.1201|$0.0310|

各リクエストは、目に見えるプロンプトとは別に約4,380の指示トークンを報告しており、これは両モデルで同じでした。計算には推定したプロンプト長ではなく、報告された13,640入力トークンをすべて使っています。キャッシュのヒットも書き込みもありませんでした。Sol の出力には推論トークンが10、47、13含まれていました。Astra は0と報告しています。

コードの挙動も両者で同じでした。どちらも ID ごとに最新バージョンを残し、同点なら後ろの項目を選びます。入力を書き換えず、成功した返金を先に合計してから支払いと結合するので、複数の返金で支払い額が膨らむことはありません。

呼び出しは合計6回なので、所要時間は1回ずつの観測値として読んでください。速度のランキングではありません。通過率が示すのは、範囲の決まった1ターンのタスクを両モデルが完了できるということです。リポジトリやツール、再試行を伴う長いエージェントセッションについては、この数字からはほとんど分かりません。

## 独立系テストではどこに差が出るのか

Artificial Analysis は、同じく medium と表示された設定で、2つのコーディングテストのどちらも Astra を上に置いています。Terminal-Bench 4.0 で 2.5 ポイント、FrontierCode で 5.2 ポイントの差です。

|指標|Astra|Sol|
|-|-|-|
|Intelligence Index|57|53|
|Terminal-Bench 4.0|58.6%|56.1%|
|FrontierCode-AA2.0|46.6%|41.4%|
|タスクあたりの時間|4.5 分|3.3 分|
|タスクあたりの費用|$1.62|$0.41|

数字は [Artificial Analysis の比較ページ](https://artificialanalysis.ai/models/comparisons/gpt-6-2-astra-vs-gpt-6-2-sol)の2026年11月19日時点のものです。Intelligence Index は v5.0.1 で9つの評価からなり、コーディングが配点の25%を占めます。比較ページは常に最新のスナップショットで、実行日は別に書かれていません。数字は固定値ではなく現時点の値として扱ってください。両モデルの行には medium と付いていますが、これは OpenAI の設定名です。表示が同じでも、両モデルが同じトークン数を使ったとは限りません。こちらのテストはエージェント形式の長いタスクなので、1タスクの費用がドル単位になり、1ターンの私たちの実行ではセント単位になります。

max 設定では、同じページで Astra が 62、Sol が 57 です。1タスクあたり 13.9 分と 8.7 分、費用は $4.00 と $1.01。Astra の high と Sol の max は、どちらも Terminal-Bench 4.0 で 60.1% に届きます。Astra の FrontierCode は xhigh の 49.0% が max の 45.4% より高く、設定を上げればすべてのスコアが良くなるわけではありません。Astra の max と Sol の low を比べれば Astra が良く見えますが、表示が同じもの同士を比べるのが最も公平です。ただし、表示が同じでも使ったトークン数が同じとは限りません。

## 推論の強さは何を選ぶか

どちらのモデルも medium から始めてください。上の独立系スコアはその設定のものです。OpenAI の[モデル選択ガイド](https://developers.openai.com/api/docs/guides/model-selection)も、ほとんどの API ワークフローでは Sol の medium を勧めています。

両モデルとも low、medium、high、xhigh、max を受け付け、`none` は拒否します。OpenAI は新しい連携を medium で始め、`none` や `minimal` の代わりに low を使うよう提案しています。設定を上げると出力トークンが増えることが多く、公開されている実行では平均して時間もかかりますが、すべてのスコアが上がるわけではありません。上のレベルは、より多くの確認が要るタスク向けで、毎回使うものではありません。

OpenAI のタスク別の目安は、そのまま既定値として使えます。既存コードのバグ修正や機能追加は Sol の medium、テストと修正を繰り返す多段のタスクは Sol の extra high、トレードオフを比べる自由な問題は Astra の extra high です。これらは推定値で、ガイドにはその根拠となるスコアは載っていません。

## 日常のコーディングではどちらを使うか

まず Sol です。自分の難しいタスクが Sol で失敗し続けたときに Astra へ移ってください。独立系テストでの Astra のリードは数ポイントで、トークン単価は Sol の4倍です。

上の3課題のように範囲の決まった定型作業では、Sol は Astra と項目ごとに並び、費用は約4分の1でした。独立系テストで、medium 表示のときの Astra のリードは、Terminal-Bench 4.0 が100点満点で 2.5 ポイント、FrontierCode が 5.2 ポイントです。

差額は、それが省く作業と比べて判断してください。入力10,000、出力2,000のリクエスト100回で、Astra は Sol より $12 高い。再試行1回、レビュー1周、誤答1つのコストと並べてみてください。数字を出せるのは自分のタスクだけです。

測り方の一案です。Sol で2周目が必要だった直近の複雑なタスクを20件選び、Astra の high か xhigh で実行します。増えた支出と、なくなった手戻りを比べます。Astra が変えたのが、そのまま受け入れていた答えだけなら Sol を続けてください。

## 同じ API で両方を試すには

OpenAI SDK の接続先を OmniaKey のベース URL `https://api.omniakey.com/v1` にし、キーを `OMNIAKEY_API_KEY` に入れておけば、モデル名の文字列を1つ変えるだけで切り替えられます。どちらのエンドポイントでも2つの ID が使えます。ツールを呼ぶなら Responses を選んでください。

```python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OMNIAKEY_API_KEY"],
    base_url="https://api.omniakey.com/v1",
)

prompt = (
    "Return ONLY Python 3 code defining union_minutes(intervals). Do not import "
    "modules or print. intervals is a list of two-integer [start,end] pairs "
    "representing half-open ranges in minutes, with start <= end. Values can be "
    "negative and pairs can be unsorted. Return the total length of their union. "
    "Adjacent, overlapping, nested and duplicate intervals must not be "
    "double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not "
    "mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. "
    "Example: [[5,10],[1,6],[10,12],[3,3]] returns 11. Do not include tests or "
    "explanations."
)

response = client.responses.create(
    model="gpt-6.2-sol",  # or "gpt-6.2-astra"
    reasoning={"effort": "medium"},
    max_output_tokens=4096,
    input=prompt,
    stream=True,
)
for event in response:
    if event.type == "response.output_text.delta":
        print(event.delta, end="")
```

これが3課題で使ったリクエストの形で、入力は上のプロンプト2の全文です。レスポンスの `usage` に入力と出力のトークン数が出て、出力の合計には推論トークンが含まれます。

どちらのエンドポイントでも2つの ID が使えます。ツールが必要なら Responses、不要なリクエストは Chat Completions で構いません。以前の [GPT-6 Astra の接続ガイド](https://omniakey.com/ja/blog/gpt-6-astra-setup)も同じエンドポイント、Codex、エラーの直し方を扱っています。モデル名の部分を `gpt-6.2-astra` か `gpt-6.2-sol` に置き換えてください。

OmniaKey での現在の料金は、[GPT-6.2 Astra モデルページ](https://omniakey.com/ja/gpt-6-2-astra)と[GPT-6.2 Sol モデルページ](https://omniakey.com/ja/gpt-6-2-sol)にあります。

## よくある質問

### GPT-6.2 Sol はコーディングに十分ですか

私たちの小さな課題3つでは、Astra と項目ごとに並びました。Artificial Analysis の medium 表示のデータでは、Astra が Terminal-Bench 4.0 で 2.5 ポイント上です。Sol を既定にして、難しい作業に Astra を備えておくのが妥当です。

### GPT-6.2 Sol は Astra よりどれくらい安いですか

Sol の料金は Astra の4分の1で、Standard の各行が75%安くなります。100万トークンあたり入力 $2、出力 $10 に対し、$8 と $40 です。私たちの3課題では 3.7 倍から 4.0 倍の差でした。入力10,000、出力2,000のリクエスト100回なら、Sol が $4、Astra が $16 です。

### GPT-6.2 の推論レベルは何を使えばいいですか

どちらのモデルも medium です。`none` は受け付けず、OpenAI も新しい連携には medium を勧めています。テストと修正が必要な多段の作業では上げてください。設定を上げても必ず遅くなるわけでも、良くなるわけでもありません。Astra の FrontierCode は xhigh のほうが max より高い結果です。

### 画像を渡したりツールを呼んだりできますか

どちらもテキストと画像を入力に取り、返すのはテキストです。音声と動画には対応していません。どちらのエンドポイントも使え、ツール呼び出しには Responses API が必要です。

## 確認した出典

- [OpenAI: GPT-6.2 Astra と Sol の発表](https://openai.com/index/introducing-gpt-6-2-astra-sol/)（2026年11月17日）
- [OpenAI: API 更新履歴](https://developers.openai.com/api/docs/changelog)（2026年11月17日の項目）
- [OpenAI: GPT-6.2 Astra モデルページ](https://developers.openai.com/api/docs/models/gpt-6.2-astra)
- [OpenAI: GPT-6.2 Sol モデルページ](https://developers.openai.com/api/docs/models/gpt-6.2-sol)
- [OpenAI: API 料金](https://developers.openai.com/api/docs/pricing)
- [OpenAI: モデル選択ガイド](https://developers.openai.com/api/docs/guides/model-selection)
- [OpenAI: 最新モデルガイド](https://developers.openai.com/api/docs/guides/latest-model)
- [Artificial Analysis: GPT-6.2 Astra と GPT-6.2 Sol の比較](https://artificialanalysis.ai/models/comparisons/gpt-6-2-astra-vs-gpt-6-2-sol)
- [Artificial Analysis: Intelligence Index の方法](https://artificialanalysis.ai/methodology/intelligence-benchmarking)

料金と制限は2026年11月19日に確認しました。

## 更新履歴

- 2026年11月19日：初版。同日 OmniaKey で3課題を実行し、料金、制限、独立系スコアを確認しました。
