GPT-6 AstraからGPT-6 Solへの移行：料金5分の1と失われるもの

9月上旬にエージェントのワークロードをGPT-6 Astraに移行した場合、今頃は3週間分の請求書が届いており、問題の輪郭をすでに把握していることでしょう。Astraは入力トークン100万あたり10ドル、出力100万あたり50ドルを請求します。肥大化したシステムプロンプトとツールスキーマを伴う長時間実行ループは、どのスプレッドシートの予測よりも速くトークンを消費します。

9月22日、OpenAIはGPT-6 Solを2ドルと10ドルでリリースしました。同じモデルファミリー、同じAPIインターフェースで、請求書上のあらゆる項目において価格が5分の1になりました。

これが移行です。コードの変更はほとんどありません。請求書の変更は全てです。そして、ほとんどのリリース時の報道が飛ばしていた部分があります。OpenAIは依然としてAstraの方が優れたモデルであると述べており、両者を直接比較した公開されているデータは、見た目通りの比較ではありません。

要約

• gpt-6-astraからgpt-6-solへの変更は、ほとんどの呼び出し元にとってモデル名の文字列を置き換えるだけです。コンテキストウィンドウ、最大出力、エンドポイント、組み込みツール、サポートされる機能、およびレートリミットのティアはすべて同じです。
• すべての料金が正確に5分の1になります。入力は10ドルから2ドル、キャッシュされた入力は1ドルから0.20ドル、キャッシュ書き込みは12.50ドルから2.50ドル、出力は50ドルから10ドルです。トークンの組み合わせに関わらず、請求額は5分の1になります。
• Solはnoneの推論エフォートを追加します。また、Chat Completionsの関数呼び出しをreasoning_effort: "none"に制限します。これは、正常に機能している統合を壊す可能性のある唯一の変更点です。
• Solの知識カットオフは2026年4月20日です。Astraは2026年4月30日です。
• OpenAIはAstraが「引き続き全体的に最高のモデルである」と述べています。公開されているSol対Astraのベンチマークは、Astraをlowで、Solをxhighで実行しており、機能の上限ではなく費用対効果を測定しています。

料金表

両方の料金セットは、2026年9月23日に閲覧されたOpenAIのモデルページ、gpt-6-astraとgpt-6-solから引用されています。

請求の修飾子は両モデルで一致します。272Kを超える入力トークンのプロンプトは、リクエスト全体に対して入力およびキャッシュレートの2倍、出力の1.5倍で請求されます。バッチとFlexは半額です。高速モードは2倍で、AstraではレイテンシSLAはありません。

4つの料金すべてが同じ係数で下がるため、節約額を予測するためにトークンの組み合わせをモデル化する必要はありません。具体的なエージェントのワークロードを例にとってみましょう。1日あたり10,000リクエストで、それぞれに30,000トークンのキャッシュされたプレフィックス、10,000トークンの新しい入力、3,000トークンの出力が含まれるとします。

出力へ、あるいはキャッシュへと組み合わせをシフトさせたり、272Kのコンテキストで実行して長文プロンプトの倍率を支払ったりしても、比率は5倍のままです。

これがなぜ重要なのかを把握するために、OpenAIは自社の研究者の平均がコーディングエージェントに1日600ドル以上を費やし、上位10%では1日7,000ドルに達すると報告しています。これを5で割ると、チームが実施できる実験の数が変わります。両リリースのより広範な背景については、2026年9月のモデル価格競争の内訳をご覧ください。

一つ注意点を加えておきます。OpenAIはSolをGPT-5.6より50%安いと説明していますが、この比較はOpenAI自身の言葉によればGPT-5.6の**プロモーション**価格に対するものです。当時私たちがGPT-5.6の価格に関する記事で記録したGPT-5.6の定価と比較すると、割引率はさらに大きくなります。Astraに対しては、純粋に5倍安くなります。

完全に同じままのもの

このセクションこそが、移行を安価にする理由です。

コンテキストウィンドウが主要な点です。Solはコンテキストが短いモデルではありません。Astraと同じ1,050,000トークンのウィンドウと、同じ922,000トークンの入力上限を持っています。チャンキング、検索予算、圧縮戦略について、何も変更する必要はありません。

コードで実際に変更される点

以下の4つの点があり、発生しやすい順に並んでいます。

• Chat Completionsの関数呼び出し。 AstraではChat Completionsが機能し、ツール呼び出しにはResponses APIが必要です。Solでは、Chat Completionsはreasoning_effortが"none"の場合にのみ関数呼び出しをサポートします。他のエフォートでChat Completionsを介してツールを呼び出している場合、そのリクエストは以前と同じ動作をしなくなります。OpenAI自身のGPT-6ガイドには、ツールを使用した推論にはResponsesを使用するように記載されています。もしすでにResponsesを使用している場合、この変更はコストを発生させません。
• noneエフォートレベル。 Astraはlowからmaxまでをサポートしています。Solはこれらすべてに加えてnoneをサポートしており、推論トークンが純粋なオーバーヘッドとなる分類や抽出作業で利用可能にする手段となります。両モデルのデフォルトはmediumです。
• 知識のカットオフ。 Astraは2026年4月30日までの、Solは2026年4月20日までのデータで学習されています。10日間の差は小さいですが、プロンプトが4月下旬の知識を前提としている場合は、その前提をテストしてください。
• 非サポートパラメータ。 推論エフォートがnoneでない場合、temperature、top_p、top_logprobsは存在してはならず、Chat Completionsではlogprobsも削除されます。Astraも同じルールを強制するため、クリーンなAstra統合はすでにこれに準拠しています。この問題は、Solでreasoning_effort: "none"に移行し、temperatureを戻すことを検討する場合にのみ重要になります。

一般的なResponses呼び出しの変更前と変更後を以下に示します。変更点は1行だけです。

 from openai import OpenAI

 client = OpenAI()

 response = client.responses.create(
-    model="gpt-6-astra",
+    model="gpt-6-sol",
     reasoning={"effort": "xhigh"},
     tools=[{"type": "function", "name": "run_api_test", "parameters": {...}}],
     input=[
         {"role": "developer", "content": "You are a senior API engineer. Bias towards action."},
         {"role": "user", "content": "Read this OpenAPI operation and propose three negative test cases."},
     ],
 )

この例のエフォートレベルに注目してください。Solに移行して同じエフォートを維持することは、興味深い移行ではありません。Solに移行してエフォートを**上げる**ことこそが興味深いのです。なぜなら、同じ費用で推論トークンに5倍の予算を費やせるようになるからです。

失うもの

リリース時の数値は誤解されやすいため、この部分については正直に述べておくべきです。

• OpenAIはAstraが依然としてより優れたモデルであると述べています。 リリース記事には、Astraが「引き続き全体的に最高のモデルである」と記載されています。これは、ベンダーが自社の新リリースについて提示した見解であり、SolがAstraを置き換えると言ってくる人に対して引用すべき一文です。
• 公開されている直接比較は能力比較ではありません。 AutomationBench 1.0.6では、Solをxhighで使用した場合、タスクあたり0.27ドルで33.2%を達成し、Astraをlowで使用した場合、Solのタスクあたりのコストの3.9倍で30.3%を達成しています。エフォートレベルを読んでください。Solは最大限に設定されており、Astraは最小限に設定されています。この組み合わせが示すのは、Solの性能上限がAstraの性能下限を、タスクあたりのコストの約4分の1で上回っているということであり、これは現実的で有用な結果です。xhighのSolとmaxのAstraの比較については何も述べられていません。その対決をカバーする公開された数値はありません。もしあなたのワークロードが、Astraを高エフォートで使うことでようやく機能するようになったというものであるなら、Solはテストであり、単なる置き換えではありません。
• 最上位でのレイテンシ。 Artificial Analysisは、GPT-6 Solの最大推論バリアントが、最初のトークンまでの時間が102.15秒で、1秒あたり115.2出力トークンを生成すると測定しました。この数値はOpenAIからのものではなく第三者のものであり、特にmaxバリアントを説明しているため、mediumやnoneがどうなるかを示しているわけではありません。安価なモデルが必ずしも高エフォートで高速なモデルではないという警告と捉え、その数値をそのまま受け入れるのではなく、あなた自身のエフォートレベルで測定してください。
• 利用可能性。 SolはPlus、Pro、Business、Enterprise、Eduユーザー向けのChatGPT WorkおよびCodexで利用できますが、まだChatでは利用できません。APIは準備できていますが、Chatインターフェースはまだです。

スタックのどこかにAstraを保持する正当性について、私たちの2日間のハンズオンテスト、コンピューター使用に関する記事、および「クリティカルサイバーしきい値」の説明はすべて有効であり、完全な仕様書は私たちのGPT-6 Astra APIガイドにあります。

ベンチマークではなく、自身の要件で判断する

AutomationBenchはあなたのプロンプトを実行しません。移行を決定づける唯一の比較は、同じリクエストセットを両方のモデルIDに送信し、自身の基準で評価することです。一度設定すれば、将来のすべてのリリースでその価値を発揮します。Apidogでは、モデルIDを環境変数に入れ、リクエストを一度保存し、環境を切り替えることでターゲットを変更できます。

{
  "model": "{{MODEL_ID}}",
  "reasoning": { "effort": "xhigh" },
  "input": [
    { "role": "user", "content": "{{TEST_PROMPT}}" }
  ]
}

20〜30個の実際のプロダクションプロンプトからテストシナリオを構築し、パーサーが依存するレスポンスの形式（output_textが存在すること、JSONスキーマに対してツール呼び出し引数が有効であること、max_output_tokensで切り詰められていないことなど）に対するアサーションを追加してから、各環境で1回ずつ、計2回実行してください。Apidogはすべてのリクエストのボディと経過時間を記録するため、ハーネスを作成することなく、正確性とレイテンシを並行して確認できます。各レスポンスのusageブロックは、比較を適切に価格設定するためのトークン数を提供します。

この移行に特に追加すべきアサーションが2つあります。Chat Completionsを使用していた場合、ツール呼び出しが依然として届くかどうかを確認すること。そして、平均的なプロンプトではなく、最も遅いプロンプトで判断することです。なぜなら、長い入力での高エフォート時にレイテンシのリスクが存在するからです。

移行チェックリスト

1. ツールを呼び出す場所がすべてResponses APIを使用していることを確認してください。Chat Completionsを介してツールを呼び出している場合、モデルを切り替える前にResponses APIに移行してください。
2. gpt-6-astraをgpt-6-solに交換し、最初の実行では他はすべてそのままにしてください。
3. 両方のIDに対して回帰テストセットを再実行し、ステータスコードだけでなく出力も差分を確認してください。
4. Solで推論エフォートを1段階上げてみてください。今ならその予算があります。
5. 2026年4月下旬の知識に依存するプロンプトはすべて再確認してください。
6. 性能上限のために費用を支払っていたタスクについては、Astraへのパスをフラグの背後に保持してください。

結論

AstraからSolへの移行は、APIインターフェースが変わらず、コンテキストウィンドウが縮小せず、すべての測定単位で価格が一定の割合で下がるという珍しい移行です。作業はコード内にあるのではなく、最も困難なタスクがAstraの余力を使っていたのか、それともただその分の費用を払っていただけなのかを知るために、両モデルで実行する20個のプロンプトにあります。

フラグを切り替える前にその比較を行い、結果を読みながらOpenAI自身のこの言葉を念頭に置いてください。「Astraは依然として最高のモデルである。」Solは、実行し続ける余裕があるモデルです。