OpenAI

GPT-6.2 のご紹介Astra と Sol

プロフェッショナル業務の新たなスタンダード

ChatGPT Work で試す(新しいウィンドウで開く)

最も難しいプロジェクトに取り組むための新しいフロンティアモデル GPT‑6.2 Astra と、日々の業務に適した効率的で汎用性の高いモデル GPT‑6.2 Sol をご紹介します。どちらのモデルも、難度の高いタスクでより少ない出力トークンでより良い結果を出せるため、利用上限内でより多くの作業をこなせます。企業や開発者にとっては、大規模な利用でも見合うコストでフロンティア水準の性能を活用できることを意味します。

GPT‑6.2 Astra は、複雑な専門業務における AI の品質に新たな基準を打ち立てます。作成するスライド、スプレッドシート、文書は AI らしさが薄れ、提供されたテンプレートや各分野の慣行により忠実に従います。より整ったコードを書き、特にウェブサイト、ゲーム、3D デザインでは、見た目も動作も優れたフロントエンドを構築します。

複数のステップからなる専門業務を評価する Agents’ Last Exam で、GPT‑6.2 Astra は過去最高スコアを記録しました。GPT‑6 Astra の 3 分の 1 未満のコストで 5.2 ポイント上回り、Claude Fable 5.2 に対してはわずか 5% のコストで 5.5 ポイント上回っています。

Agents’ Last Exam は、長期にわたる専門業務のワークフローでモデルを評価します。ランキングに掲載された Fable 5.2 の結果には、フォールバックモデルを使用した 9 つのタスクは含まれていません。

私たちは、GPT-6.2 Astra が科学者にとって世界最高のモデルだと考えています。モデルがターミナルで科学的な作業をどの程度遂行できるかを評価する Terminal-Bench-Science 0.1 で、過去最高スコアを記録しました。GPT-6.2 Astra は、GPT-6 Astra の 3 分の 1 未満のコストで、スコアを 9 パーセントポイント上回っています。また、実際の生物学的データを解釈し、実験を行ってシミュレーション上のシステムの仕組みを推測する Vals Science Index でも、過去最高スコアを記録しています。

API では、GPT‑6.2 Astra の入力・出力トークン料金は GPT‑6 Astra より 20% 低く、キャッシュ済み入力は 60% 安くなっています(いずれも 100 万トークンあたり、入力 8 ドル、キャッシュ済み入力 0.40 ドル、出力 40 ドル)。GPT‑6.2 Sol の API トークン料金は、GPT‑6.1 Sol から据え置きです。いくつかのベンチマークで、どちらのモデルも他の主要モデルに近い、またはそれを上回る性能を、タスクあたりのごくわずかなコストで実現しています。

GPT-6.2 Sol:日々の業務の定番モデル

GPT‑6.2 Sol は GPT‑6.1 Sol より賢く、効率も高いため、同じ有料プランでより多くのタスクをこなせます。複数ステップのエージェント型ワークフローを力強く進め、明確で自然な文章を書き、直感的に協働できます。OpenAI の多くの従業員が、技術的なタスクにもそれ以外のタスクにも、普段使いのモデルとして利用しています。

Cognition の FrontierCode 2.0 では、GPT‑6.2 Sol は GPT‑6.2 Astra の約 5 分の 1 のコストで、スコアの差を 0.5 ポイント以内に抑えています(いずれもマックス設定)。

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を評価します。

その速さと賢さから、仕事以外で AI の助けを借りたい重要なタスクにも最適です。日常生活の難しいタスクへの対応力を測る、先日公開した評価 LifeVal⁠ では、GPT‑6.2 Sol は GPT‑6 Astra の約 7 分の 1 のコストで、より高いスコアを記録しています。

LifeVal は、個々のニーズに合わせた日常的なタスクにモデルがどの程度対応できるかを評価します。たとえば、引っ越し後に幼稚園の候補を絞る、家族の予算と通勤条件に合う住まいを探す、新たな診断を受けて生活を調整している親の献立を考えるといったタスクです。

業界標準に沿った業務成果物

GPT‑6.2 Astra は、法律、営業、金融、会計などの分野で専門家が用いる慣行により忠実に従い、より明確でデザイン性の高いスライド、スプレッドシート、文書を作成できるようにトレーニングしました。文章はより端的で具体的になり、ありきたりな結論や不要な記述が減っています。

Harvey LAB‑AA v1.1 は、法律業務の課題を通じて、モデルが複数の資料から関連する事実を見つけ、詳細な依頼内容に沿って活用し、すべての要件を満たす正確な成果物を作成できるかを評価します。GPT‑6.2 Astra は、Claude Fable 5.2 の約 6 分の 1 のコストで 2 倍を超える合格率を達成し、最高水準を更新しました。弁護士向けに GPT-6.2 Astra を構成した OpenAI 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、契約条項のレビューなどの法律業務を評価します。主要スコアでは、成果物がすべての採点基準を満たし、重大なハルシネーションを含まない場合にのみ得点が認められます。

社内ベンチマークの GDPval v2 は、GDPval⁠ の次世代版です。コンサルティング、金融、デザインなどの分野における実際のプロジェクトをもとに、複雑で長期にわたるワークフローの遂行能力を測定します。GPT‑6.2 Astra は、テストしたモデルの中でトップとなり、GPT‑6 Astra より出力トークン数を 22% 削減しながら、スコアを 6.2 パーセントポイント向上させました。GPT‑6.2 Sol は、GPT‑6.1 Sol より 5.3 ポイント向上しています。

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の実際のプロジェクトをもとに、長期にわたる知識労働の課題で構成されています。

ワークブックとメモ

企業価値評価用のワークブックや投資メモの作成は、元のファイルから必要な数値を探し、それらの関係を整理するところから始まります。Artificial Analysis の AA‑AnalystAgent は、実際のスプレッドシートやレポートを使って、この作業を評価します。あるタスクでは、カリフォルニア州 Medicaid の支出報告書を使い、医療搬送にいくら支出したかを計算します。GPT‑6.2 Astra は、全設問の 62.5% について独立した 5 回の試行すべてで正解し、過去最高を記録しました。

スライドショー

GPT‑6.2 Astra は、スライドのデザインとテンプレートへの準拠において、これまでで最も優れた OpenAI のモデルです。元のファイルだけでなく、スクリーンショットからでも対応できます。レイアウト、配色、文字組みをフォントサイズまで正確に合わせ、テンプレートの文体も新しいスライドに引き継げます。初期テスターからは、要点を明示したタイトルと、読者に必要な情報に絞った簡潔な本文により、修正が少なく、そのまま使いやすいスライド資料になったという評価が寄せられました。

1/4
“

私たちは GPT-6.2 Astra が、情報量の多い内容を、技術者にも非技術者にも読みやすい概要資料やインフォグラフィックにまとめられるかを評価しました。具体例として、トレーディングの概要資料や、エージェント型ワークフローの図解などを使いました。

GPT-6.2 Astra の文書は、GPT-6 Astra から大きく進歩していました。文章とグラフによって資料の要点が格段につかみやすくなり、図解では各部分がどう連携するかが示され、複雑なシステムがわかりやすくなっていました。

”
Marquis Wong 氏、IMC プリンシパル AI エンジニア

コンピューター操作とインタラクティブなウェブデザイン

GPT‑6.2 Astra はコンピューター操作の精度が向上し、CAD やシミュレーションツールで、個々の部品や接続部まで扱えるようになりました。エンジニアは、この詳細な表現を活用して、部品の組み合わせを確認し、設計した機構の動きに伴う荷重の移動を把握し、試作品を製作する前に修正案を検証できます。

走行シミュレーション

GPT‑6.2 Astra に、山道を走る自動車のシャシーの動的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動的挙動をシミュレーションする Python ソルバーを書き、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すばやく検証し、シミュレーションの精度を継続的に高められます。

機械設計と組み立て

GPT‑6.2 Astra は、機械システムを部品ごとにモデリングできます。エンジニアは組み立て方を示したり、設計変更が動作に与える影響を検証したりできます。

CAD から生まれた紙のランプ

私たちのチームは GPT‑6.2 Astra を使い、シカゴのマリーナシティのタワーにある波形のバルコニーを、ランプのデザインに落とし込みました。動画では、参考写真から CAD での設計修正を経て、実物のランプを手作業で組み立てるまでの過程を紹介しています。GPT-6.2 Astra が生成したサイトを使って、自分だけの紙のランプを作ることができます。

GPT‑6.2 Astra は、強化された視覚的推論をウェブデザインに活かし、各サイトに独自の印象を与えるレイアウトや画像を選び、サイト本来の目的に沿って要素を構築します。

視覚的推論とコンピューター操作の向上は、3D デザインにも活かされています。GPT‑6.2 Astra と Sol は、文章で書かれた依頼内容を、ブラウザ上のインタラクティブな体験に変えられます。実際に遊べるピンボール台から、さまざまな角度から探索できるコロッセオの再現まで対応します。Artificial Analysis の AA‑3D では、人間の評価者が、同じプロンプトから作られた 2 つの体験をモデル名が伏せられた状態で試し、好ましい方に投票します。GPT‑6.2 Astra は Elo レーティング 1,318 で首位に立ち、Claude Fable 5.2 が 1,271、GPT‑6.2 Sol が 1,259 で続いています。

“

GPT-6.2 Astra は、クリエイティブな仕事に大きな飛躍をもたらします。Higgsfield Miracle を実現する基盤となり、ピクセル単位の精度でリアルタイムの動画編集を可能にし、クリエイターが表現を自在にコントロールできるようにします。社内の 3D 生成評価では、GPT-6 Astra が 3 回以上の反復を必要としたのに対し、73% のケースで目標とする結果を一度で達成しました。これにより、クリエイティブチームの時間を大幅に節約し、エージェントに全面的に任せるワークフローをより効率的に実行できます。

”
Alex Mashrabov 氏、Higgsfield AI CEO 兼共同創業者

より整ったコードスタイルで効率的なワークフロー

GPT‑6.2 Astra は、ワークフローに合わせてツールや処理の労力を調整し、プラグインとコンピューター操作を使い分けるなど、タスクの実行方法に関する判断力が向上しています。

コーディングでは、GPT-6.2 Astra は既存のコードベースに複雑な変更を実装し、テストする能力が向上しています。初期テスターからは、コードスタイルがより整い、テストの焦点がより明確になり、修正回数も減ったという報告が寄せられました。

サイバーセキュリティ能力

GPT‑6.2 Astra と GPT-6.2 Sol は、サイバー領域の能力でさらに大きく進歩しました。脆弱性の発見と悪用をより効果的に行い、より安全なコードを書き、より優れたパッチを作成できます。また、複数の評価でトークン効率が大幅に向上しています。GPT‑6 Astra⁠ と同様に、6.2 Astra と Sol は、OpenAI の Preparedness Framework⁠ におけるサイバーセキュリティの「Critical」しきい値に達しています。

GPT‑6.2 Astra と Sol の能力向上を踏まえ、リスクの高いサイバーセキュリティ支援に対する安全対策を強化したうえで、両モデルの提供を開始します。これらの保護措置は悪用のリスクを低減する一方で、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の一部も制限します。現在、サイバー防御に携わる方は、OpenAI Daybreak⁠ を通じて、GPT-6 Astra のアルファ版に加え、サイバー関連のリクエストに対する拒否を減らした GPT‑6 Sol を Daybreak Blue で利用できます。また、Daybreak Red では、高度で正式な許可を受けたセキュリティテスト向けの GPT‑6 Cyber⁠ を利用できます。GPT‑6.2 モデルの Daybreak への導入にも取り組んでいきます。

以下では、サイバーセキュリティの安全対策と分類器を無効にした社内テスト構成での、主要なベンチマーク結果を紹介します。結果と方法論の詳細は、付属の System Card⁠(新しいウィンドウで開く) をご覧ください。

サイバー防御を担う人々への支援強化

高性能なエージェントによって脆弱性の発見や悪用のハードルが下がる一方、開発者は本番用ソフトウェアの作成で、コーディングエージェントへの依存を強めています。PHP2Shell⁠(新しいウィンドウで開く) は、AI が研究者による重大な欠陥の発見を支援できることを示しました。GPT‑6.2 Astra と Sol では、防御能力を重点領域とし、新たなトレーニングシグナルを導入しました。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、こうした欠陥を予防・修正できるよう支援します。

安全性とアラインメント

GPT-6.2 Astra と Sol は、これまでで最も強力な安全対策を講じて展開します。制限を厳格化し、モデルを監視⁠して必要なときに介入⁠するためのシステムを強化しました。

GPT-6 Astra と同様に、GPT-6.2 Astra と Sol はどちらも、OpenAI の Preparedness Framework⁠ において、サイバーセキュリティの「Critical」しきい値に加え、生物・化学分野の能力で「High」しきい値に達しています。関連するリスクを軽減するための保護措置を導入するとともに、デュアルユースの可能性がある生物学およびサイバーセキュリティ関連の一部のリクエストに対する制限を強化しました。

安全対策とテストの詳細は、GPT-6.2 System Card⁠(新しいウィンドウで開く) でご確認いただけます。

AI 研究能力と安全対策

GPT-6.2 Astra は、モデルが AI 研究を加速する能力を測る「AI 自己改善」で「High」しきい値に達した、OpenAI 初の外部公開モデルです。「High」という判定は、2024 年の基準と比べて、OpenAI の研究者全員に、極めて有能な研究エンジニアをアシスタントとして 1 人ずつ追加するのと同等の効果を、このモデルがもたらすという評価を反映しています。この能力を追跡しているのは、将来の AI システム開発を支援できるモデルが、安全対策や人間による監督が対応できる速度を超えて進歩を加速するなど、新たな安全上のリスクももたらし得るためです。

こうしたリスクに対処するため、モデルのトレーニングと展開の方法に、より多くの監督と制御の仕組みを組み込みました。GPT-6.2 Astra の社内利用を拡大する前に、アラインメントを評価し、各段階で必要な安全対策が整っていることを確認しました。研究環境での封じ込めを強化⁠し、最も高性能なモデルを使ってその保護措置を検証しました。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それ以降の出力を停止できるシステム、Control Room⁠ を構築しました。拡充した監視機能⁠は、社内のワークロードと対応する外部展開環境全体で、モデルの推論と行動を調べます。許可されていない行動を自動的に検出して通知し、対応する環境ではワークロードや会話を一時停止できます。

アラインメント

両モデルは、ほとんどのアラインメント評価で GPT-6 Astra と同程度の性能を示し、職場を模したタスクでは不適切な行動が減りました。ただし、2 つのテストでは、ファイルの欠落や検索ツールの利用不可など、作業を妨げる障害への言及を省く傾向が強まりました。こうした言及漏れを大幅に減らす指示を Codex に追加し、この挙動について引き続き調査しています。

料金と提供状況

本日より、Plus、Pro、Enterprise、Edu のすべてのユーザーが、ChatGPT Work と Codex で GPT-6.2 Astra と Sol を利用できます。Pro 500 の加入者は、どちらのモデルでも Ultrafast を利用できます。また、Pro 200 の加入者にも、GPT-6.2 Sol を皮切りに、初めて Ultrafast を提供します。対象となる Enterprise と Edu のユーザーも、ワークスペース管理者が有効にすると、同じ機能を利用できます。開発者は OpenAI API を通じて gpt-6.2-astra と gpt-6.2-sol にアクセスでき、提供開始時から両モデルで Ultrafast を利用できます。

GPT‑6.2 Astra は、トークン効率の向上、入力・出力トークン料金の 20% 引き下げ、キャッシュ済み入力トークン料金のさらに大きな 60% 引き下げにより、タスクあたりのコストが GPT‑6 Astra より大幅に低くなっています。標準 API 料金は、100 万トークンあたり入力 8 ドル、キャッシュ済み入力 0.40 ドル、出力 40 ドルです。GPT‑6.2 Sol は GPT‑6.1 Sol の料金を引き継ぎ、100 万トークンあたり入力 2 ドル、キャッシュ済み入力 0.10 ドル、出力 10 ドルです。

GPT-6.2 Astra と Sol では、キャッシュの再利用率を高め、コストとレイテンシを抑え、ターン間で推論を保持するため、会話内でプロンプトのプレフィックスを変更せず、新しい指示を末尾に追加する⁠(新しいウィンドウで開く)ことをお勧めします。

著者

OpenAI

Footnotes

  1. 1

    Terminal-Bench-Science 0.1 における Fable 5.2 の結果は、mini-swe-agent ハーネスでの評価として Artificial Analysis⁠(新しいウィンドウで開く) が報告したものです。Anthropic は、Claude Code で推論をマックスに設定した Fable 5.2 のスコアを 74.6% と報告しています。