GPT‑6.1 Sol、Astraの性能を価格の5分の1に引き下げ

2026年9月29日、OpenAIは公式にGPT‑6.1 Solを発表しました。これは、先週発表されたGPT‑6 Solの約1週間後のリリースです。新しいバリアントは、リリース時点ではChatGPTの一般チャットでは利用できませんが、ChatGPT WorkおよびCodexのPlus、Pro、Business、Enterprise、Eduプランに含まれています。OpenAIは、初期アクセスを制限する決定は、広範な一般公開に先立ち、プロフェッショナル環境での性能検証が必要であると強調しています。

利用可能性とプラットフォーム

GPT‑6.1 Solは、企業および教育ユーザー向けの製品に限定して展開されます。ChatGPT Workでは、加入者が高度なモデル設定セクションから本モデルを有効化できます。一方、Codexでは「プレミアムモデル」オプションとして統合され、既定エンジンを置き換えます。一般チャットにモデルが存在しないことで、OpenAIは制御された環境で使用統計とフィードバックを収集でき、予期せぬエラーへの曝露リスクを低減し、将来的な拡大に備えることができます。

GPT‑6 Astraとの性能比較

OpenAIは、GPT‑6.1 Solがエージェントプログラミング、コンピュータ使用、プロフェッショナルタスクにおいてGPT‑6 Astraにほぼ匹敵すると主張しています。内部測定によると、事実誤認率は4.1 %で、同条件下のAstraは4.0 %です。差は最小限であるものの、コスト削減がわずかな精度低下を上回るとし、Solはコストパフォーマンスを重視するワークロードにとって魅力的な選択肢になると位置付けています。

機能面では、GPT‑6.1 Solは高度な推論能力を備えており、エージェントコードの生成、仮想デスクトップ環境の操作、ヒューマンインタラクションなしでの複雑なワークフロー実行が可能です。ユーザーからは、モデルが自動化スクリプトを書き、コード断片をデバッグし、ソフトウェアアーキテクチャの推奨を提供できると報告されており、品質はAstraと同等と評価されています。さらに「コンピュータ使用」機能にはオフィスアプリケーションとの相互作用が含まれ、文書作成、プレゼンテーション作成、リアルタイムデータ分析を行うバーチャルアシスタントの実装が可能になります。

価格構造とAPI

OpenAIは、GPT‑6.1 SolのAPI向け価格表を公開し、Astraに比べて5倍安価になることを目指しています。入力トークンは1 Mトークンあたり2 USD、キャッシュは1 Mトークンあたり0.10 USD、出力トークンは1 Mトークンあたり10 USDです。これらの価格は、入力が1 Mトークンで約10 USD、出力が1 Mトークンで約50 USDというAstraの価格に比べて大幅に低減されています。

• Entrada: 2 USD / 1 M tokens
• Caché: 0,10 USD / 1 M tokens
• Salida: 10 USD / 1 M tokens

この料金構造により、開発者は大量データを消費するアプリケーションをコストが過度に上昇しない範囲で設計できます。例えば、入力が5 Mトークン、出力が2 Mトークンのログ分析ツールの場合、月額コストは約30 USDとなり、従来のAstra利用時の約250 USDと比較して大幅に削減できます。OpenAIはまた、スタートアップや研究チームが長期契約なしでモデルを試用できる従量課金プランも提供しています。

進歩がある一方で、OpenAIはGPT‑6.1 Solの事実誤認率がAstraよりやや高いこと、一般チャットで利用できないことから初期採用は企業や教育機関のサブスクリプションユーザーに限定されることを認めています。モデルは高度に専門的な領域での幻覚（ハルシネーション）に依然として脆弱であり、プロンプトの質に応じて精度が変動する可能性があると警告しています。これらの制限は、OpenAIが将来のバージョン改善のために不可欠なイテレーションプロセスの一部であると説明しています。

市場への影響は顕著です。以前はコストが障壁となり、最新世代モデルの利用を躊躇していた企業が、Astraに近い性能をはるかに低い価格で利用できるようになり、内部プロセスの自動化、コードアシスタントの作成、日常業務へのAI統合が促進されます。さらに、教育プランでの提供は、予算が限られた教育機関でも高度なAIツールを用いた次世代開発者の育成を可能にします。

要約すると、GPT‑6.1 Solのリリースは転換点となります。プロフェッショナルユーザーは、Astraにほぼ匹敵する性能を持ちつつ、価格が5分の1というモデルを手に入れます。OpenAIは企業および学術環境での採用を優先しながら、精度ギャップを埋めるためのデータ収集を継続しています。今後、生成AIの議論はモデルのパワーだけでなく、大規模展開における経済的実現可能性にも焦点が当たるでしょう。