「ChatGPT」新モデル「GPT-6 Astra」、コーディング性能で67点 価格は2.5倍に上昇
- 「ChatGPT」の新モデル「GPT-6 Astra」の外部評価の結果が公開されました。
- 料金は前世代「GPT-5.6 Sol」の2.5倍で、コーディング性能は67点でした。
- 処理あたりの効率は改善しましたが、1タスクあたりの費用は75%上がりました。
AIモデルの性能を評価するArtificial Analysisが、OpenAIの新モデル「GPT-6 Astra」の測定結果を公開しました。評価は、開発作業を任せる指数と、知識や推論を測る指数の2つで行われました。
コーディング（プログラムを書く作業）を任せる指数では67点でした。「Claude Opus 5」や「Fable 5」、「Muse Spark 1.3」とほぼ同じ水準です。首位は「Fable 5.1」の70点で、ここには届きませんでした。同じ作業で使うトークン（AIが読み書きする文字のかたまり）は、前世代の3分の1に減りました。
一方で、料金は前世代「GPT-5.6 Sol」の2.5倍に上がりました。知識や推論を測る指数は61点で、前世代と同じ水準です。首位の「Claude Fable 5.1」より5点低い結果でした。出力するトークンは約10%減りましたが、値上げがそれを上回り、1タスクあたりの費用は75%高くなりました。
誤った内容を事実のように答える割合は、92%から51%に下がりました。正答の水準も同時に4点上がっています。長期間の知識作業を測る評価では約80点上がった一方、44の職種を対象にした評価では約80点下がりました。
開発用途では、「Claude Fable 5」と同じ点数を半分未満の費用で出せます。資料の見せ方の質を測る評価では、前世代の「GPT-5.6 Sol」が引き続き首位です。
つまり、同じ仕事をさせたときの答えの質はほぼ横ばいで、使う文字の量が大きく減った、という話です。AIは読み書きした文字の量に応じて料金がかかるので、量が減れば本来は安くなります。ただ、今回は単価そのものが2.5倍になったため、節約分は打ち消されました。プログラムを書かせる用途だけは、節約の効きが値上げを上回っています。
数字が並んだ表の中で、筆者が引っかかったのは値上げの行でした。単価が2.5倍というのは、なかなかの上げ幅です。効率がよくなった分を、そのまま価格で回収されている印象です。
ただ、コーディング用途だけは話が別で、同じ点数を「Claude Fable 5」の半分未満の費用で出せるなら、開発の現場は乗り換えを検討すると思います。逆に、調べものや資料づくりが中心なら急ぐ理由は薄いです。前世代のままで困りません。
そういえば、誤答の割合が大きく下がった一方で、見せ方の質は落ちています。全部が右肩上がりにならないのが、いまのモデル更新のリアルなところかもしれません。
結局、用途ごとに選ぶモデルが分かれていきそうです。次の更新でOpenAIが「Fable 5.1」の70点を抜けるかどうかを見たいです。
開発をAIに任せている人は、コーディング用途では同じ水準の作業をより安い費用で回せるようになります。
