GPT-6 Astra vs GPT-5.6：アップグレードする価値は？Coding・Agent・Computer Use・Token コスト実測

モデル世代が分水嶺ではない。タスク形態と、一回で仕上げる確率が分水嶺だ。

0. 先に結論

2026-09-10 時点で、OpenAI の公式紹介は GPT-6 Astra（API：gpt-6-astra）を「新世代の知能とアライメント」の旗艦と位置づけ、明示的に GPT-5.6 Sol と並べている。双方のコンテキストは約 105 万、最大出力は 12.8 万で、紙の仕様はほぼ同卓だ。差は窓の大きさではない。長い連鎖がレールから外れるか、デスクトップ操作がタイムアウトするか、再試行が請求を貫通するかだ。

今日決めなければならない人への一文：主経路がターミナル Agent、横断ツールのリファクタ、ブラウザ／デスクトップ Computer Use なら、Astra を最初の A/B バッチに入れよ。主経路が Cursor での日常補完、分類抽出、高 QPS ルーティングなら、GPT-5.6 を残す方が買いだ。 これは「どちらが賢いか」の投票ではない。「どちらが二度払いを減らすか」だ。

7 月に書いた GPT-5.6 でコードを書くとき Sol / Terra / Luna か、Claude・Gemini か は、「5.6 ファミリー内部＋他社との配分」を解く記事だった。本稿が答えるのは一つ新しい問いだけだ。Astra が出た今、5.6 を既定のままにしてよいか。

1. 問題が残る理由：「アップすべきか」が単価に引きずられる理由

古い手順は退屈な形で失敗する。チームは Astra の発表を見て、Cursor、Codex、自前 Agent の既定モデルを gpt-5.6（別名は Sol）から gpt-6-astra に切り替え、「入力単価 × 見積トークン」で予算を組む。結果は三通りに分かれる。

• 短い会話、JSON 抽出、チケット分類：トークン量はほとんど動かず、請求はいきなり ×2.5、品質の体感はほぼ横ばい。
• 長いリファクタ、データベース移行、ターミナルで依存関係を入れてテストまで走らせる仕事：Astra は寄り道と再試行が少ない。ウォールクロックが落ち、完了一件あたりの費用が並ぶ、あるいは勝つことがある。
• Computer Use のフォーム入力、CRM、フロントエンド QA：Sol はしばしば 1 時間超えても人の介入が要る。公式の遅延シミュレーションでは Astra はおよそ半分の時間——ただしデスクトップセッションがノート PC の蓋閉じで死なないことが前提だ。

だから「アップグレードは得か」が「Astra は高いか」として検索されるのは、問いを取り違えている。2.5 倍という貼紙はきれいだ。公式 Standard は 100万入力／出力あたり $10 / $50、Sol は $4 / $20。ポスターから推測できないのは、同じ一件で双方が同じ量の出力トークンを出すか、失敗してもう一周を買い直すかだ。

Artificial Analysis の独立評価は、これを二本の曲線に分ける。Coding Agent Index では、max effort の Astra は Sol のトークンをおよそ三分の一まで削り、一件あたりの費用は Sol と並びつつ点数は二点高い。Intelligence Index ではトークンは約 10% しか減らず、2.5 倍の貼紙が勝ち、Astra はおよそ 75% 高い。独立指数はあなたのリポジトリではない。それでも「全部アップする」と「何もアップしない」が両方愚かである理由は説明できる。

料金表に出てこない第三のコストがある。MCP タイムアウト、蓋閉じスリープ、キーチェーンのダイアログ、殺された xcodebuild。どれもモデルに同じ思考をもう一度書かせる。ツールと Schema を安定させる方法は 2026 年の AI Agent スタック。ホストをノートから出すべきか、つまり Macレンタル や常時稼働の クラウドMac に移すべきかは MCP を Cloud Mac / VPS / ローカルのどこに置くか。

2. 先に分類する：「GPT-6」と「GPT-5.6」は二つのボタンではない

2.1 トラック A：GPT-6 Astra Standard

旗艦推論＋ツールループ＋Computer Use。OpenAI はターミナルエンジニアリング、ブラウズ、専門成果物、科学ソフトウェア内のデスクトップ作業を強調する。ChatGPT Plus / Pro / Business / Enterprise は数日かけて展開され、API / Azure / Bedrock は並行して出る。Enterprise ワークスペースは既定でオフで、管理者が有効化するまで開かない。難しい、長い、画面に触る仕事向けであり、サイト全体の Completions 既定にはしない。

2.2 トラック B：GPT-5.6 Sol（gpt-5.6 別名）

2026 年 7 月以降、大半のチームの本番既定だ。窓は Astra と同じで、トークン単価はおよそ 60% 安い。日常の Agent コーディング、セキュリティ研究、長い推論はまだ戦える。公式 Terminal-Bench 4.0 は明確に遅れているが、DeepSWE や BrowseComp 系の「リポを読む／検索する」差は小さい。安定したパイプラインは、置き換える前に回帰せよ。

2.3 トラック C：GPT-5.6 Terra / Luna

Terra は中程度のペアプロ、Luna は高トラフィックの下書きと分類を担う。Astra の発表は、この二段を廃番にはしていない。Luna のトラフィックを Astra に回すのが、いちばんよくある金の燃やし方だ。

2.4 トラック D：Astra Fast

公式：最高およそ 2 倍速、Standard の 2 倍価格（短いコンテキスト帯でおよそ $20 / $100）。人が待っている対話にだけ使う。夜バッチには使わない。Batch / Flex はおよそ半額で、オフライン評価向け。

2.5 トラック E：隠れた実行ホスト

Responses API の Computer Use には生きたデスクトップセッションが要る。 公式 Computer Use ガイド を見よ。モデルが売るのは判断だ。クリック、ブラウザ、テストを走らせるのは機械だ。蓋を閉じる＝セッション死＝トークンを買い直す。長時間タスクのメモリをどう層分けするかは AI Agent Memory の本番アーキテクチャ。夜通しデスクトップループを回すなら、先に Astra を全社既定にするより、蓋の閉じない クラウドMac を検討せよ。

3. 同じ五列ヘッダーで比較する

「モデルを替える」と「ホストを替える」を同じ表に入れ、IQ ポスターだけを比べない。

非対称な一文を引用してよい。新しい旗艦に替えても「蓋閉じのあと、同じ Computer Use ターンを買い直す」問題は直らない。安い Sol を残しても「ターミナル成功率が 20 点悪い」問題は直らない。 単価は軌道上の目盛りにすぎない。

3.1 公式ボードと独立ボード：Coding / Agent / Computer Use

数字は OpenAI 2026-09 の発表 と Artificial Analysis から取る。対照のベースラインであり、あなたの受け入れ点ではない。実験室の請求書は捏造しない。同じタスク、同じ harness、同じ effort で A/B せよ。

3.2 トークンコストの実地：再現できる算術であり、偽の請求書ではない

ここでの「実地」は二点だ。① 公式単価で同じタスク形態の算術をすること。② AA が公表したトークン効率をストレステストとして使い、自分の請求書としては使わないこと。税、キャッシュヒット、Fast 枠はドルを変える。比率の方が安定する。

OpenAI 自身も書いている。Terminal-Bench 4.0 一件あたりの推定 API コストは、Astra の方が Sol よりおよそ 9% 低い——2.5 倍の貼紙にもかかわらず。それは失敗が少なく、無駄な出力が少ないときにだけ成立する。受け入れ基準は 成功一件あたりのドル + ウォールクロック + 人の接管回数 であり、100万トークンあたりのポスター単価ではない。

4. シナリオの選び方

5. 推奨スタック

スタック A｜まだアップしない（大半のチーム）
  既定 gpt-5.6（Sol）または Terra
  → Luna / より安いモデルで分類
  → 本番タスクでトークンを測る。「こんにちは」では測らない

スタック B｜ピンポイントアップ（推奨）
  ルート：硬いターミナル / Computer Use / 横断ツールの長時間 → gpt-6-astra
  → 日常 PR、補完、短い関数 → Sol のまま
  → キャッシュ読をオン。Batch できる評価を Standard に置かない
  → Fast は人が待っている対話だけ

スタック C｜Codex / Claude の双脳
  Astra が硬いターミナルとデスクトップを担当
  → Claude Code は長セッションのリファクタ用に残す（Skills 未移行）
  → 双方の worktree を隔離。サイト内の双 Agent 記事を参照

スタック D｜Apple 納品
  モデルは推論だけ
  → MCP / xcodebuild / 署名は Cloud Mac
  → 蓋閉じ再試行はトークンコストに直撃する

6. よくある落とし穴

• 落とし穴 1：2.5 倍の単価を見て「得ではない」と宣言する。硬い Agent では公式の一件コストの方が低くなりうる。成功率とトークン効率を測れ。
• 落とし穴 2：Terminal-Bench が約 20 点跳ねたから全量切替える。DeepSWE は 1.4 点。日常パッチの全切は知能税だ。
• 落とし穴 3：ChatGPT サブスクで「Astra が使える」ことを API の無料アップとみなす。サブスクには用量プールがある。API は 100万トークンで別課金、Fast はさらに倍だ。
• 落とし穴 4：Enterprise ワークスペースが自動で開くと思う。公式の既定はオフだ。
• 落とし穴 5：Computer Use を蓋の閉じるノートや共有 VDI で走らせる。死んだセッションは、いちばん高い出力をもう一度買う。
• 落とし穴 6：「こんにちは」や 20 行関数で月額を見積もる。本番 Prompt と本物のツール一覧で一周し、input / output / キャッシュヒットを記録せよ。
• 落とし穴 7：Astra の安全アライメントを「攻撃的セキュリティを手放しでやってよい」と読む。出荷モデルは高度なエクスプロイト系の依頼を拒む。防御的レビューは範囲内、権限を越える任務は拒否せよ。

7. 実装手順（7 ステップ）

1. 本物の本番タスクを三つ選べ。日常パッチ一件、硬いターミナル／移行一件、Computer Use 一件（あるなら）。おもちゃ問題は使わない。
2. 同じ harness、同じ effort で gpt-5.6-sol と gpt-6-astra を各一回走らせる。成功／失敗、ウォールクロック、input、output、キャッシュ、人の接管回数を記録する。
3. 公式単価で「成功一件あたりのドル」を出す。失敗件は「すでに使った分 + もう一度走らせる」として数え、捨てない。
4. Astra の成功一件が安いか、時計／接管が明らかに落ちたときだけ、そのクラスのルートを切替える。サイト全体の既定置き換えは禁止。
5. Agent に最大 tool 歩数と日次ドル cap を置く。429 やタイムアウトでは Sol に落とす。Fast を叩き続けない。
6. MCP、ブラウザセッション、Xcode を蓋の閉じないマシンへ移す。配置の判断は MCP と Cloud Mac。
7. 社内料金表を書く。既定モデル、アップモデル、Fast 禁止リスト。毎月請求を diff し、基調講演ポスターとは照合しない。

8. FAQ

GPT-6 Astra と GPT-5.6 の紙の仕様差は何か？

窓はほぼ同じ（約 1.05M コンテキスト、128k 出力）。差は長時間ジョブの安定性、Computer Use、アライメント、そして トークンコストだ。Astra Standard は $10/$50、Sol は $4/$20。知識カットオフも一段新しいが、切り替える主因になることは稀だ。

コードだけ書くなら、アップすべきか？

そのコードが「硬いターミナル」に見えるかどうかだ。依存関係の導入、システムの変更、リポ横断の移行——Astra の Terminal-Bench 4.0 での約 20 点リードは測る価値がある。関数一つ、テスト追加、日常 PR——DeepSWE はほぼ引き分け。Sol を残せ。

Computer Use は Astra 必須か？

すでに Responses API でデスクトップ／ブラウザ自動化を回しているなら、公式 OSWorld と AutomationBench の差は十分大きく、Astra を第一陣のテストに入れよ。チャットでたまにページを開くだけなら、その機能のために 2.5 倍の既定価格を払うな。

トークンコストはキャッシュで消せるか？

キャッシュ読は入力のおよそ 10%（Astra $1 / Sol $0.40）。繰り返しの system prompt とツール Schema はキャッシュせよ。削れるのは入力だ。Agent の大半は依然として出力だ。キャッシュは 2.5 倍の出力単価を 1 倍にはしない。

なぜ Agent をクラウドMac に置くのか？

モデルが売るのは推論だけだ。MCP、ブラウザセッション、Xcode、キーチェーンが蓋閉じノートで落ちれば、有料層は再試行のたびに出力トークンを再請求する。常時稼働の Cloud Mac——つまり Macレンタル／クラウドMac——が削るのは 無駄なトークンコストであり、OpenAI のポスター単価ではない。

9. まとめ

GPT-6 Astra vs GPT-5.6 の正しい答えは「アップする／しない」ではない。タスク形態で分流することだ。Astra が勝つのは硬い Coding Agent、Computer Use、一回で仕上げる確率。Sol が勝つのは高トラフィック、短い仕事、すでに信頼している本番既定。2.5 倍の貼紙は本当だ。硬いターミナルでは公式の一件コストが低くなることも本当だ——失敗を減らし、再試行を減らし、蓋の閉じるノートの上にセッションを建てないことが前提だ。

実装の順は固定だ。三つの本物タスク → 同じ harness の A/B → 成功一件のドル → 勝ったクラスだけ切替 → キャッシュと歩数遮断 → 実行ホスト常駐。モデルはまた出荷される。タスク形態 × 一回で仕上げる × 起きているホストを毎週書き直してはならない。