GPT-6.2 Astraレビュー:賢いモデルだが説明下手という弱点

Kira
執筆者

Kira

Katelin Teen
レビュー者

Katelin Teen

最終更新 2026年11月17日

専門家による検証済み
星型の評価チェックリストに印をつける評価者と、こじれた吹き出しを持つ光る星形のAIモデルを描いた手描きイラスト。OpenAIのGPT-6.2 Astraのレビュー用
TL;DR

GPT-6.2 Astraは非常に優秀だが扱いにくくなることもあるモデルです。Artificial Analysisで62点を獲得して総合2位につけ、ベンチマーク1タスクあたり4.00ドル、私が行った57件の短いサポートテストすべてに合格しました。GPT-6 Astraより引き締まった返信を、半分以下のコストで書いています。

テスターからの大きな不満の声は本物ですが、それらは長く終わりの見えない作業で起きています。タスクの途中での妙な質問、誰にも追えない要約、早すぎる切り上げです。あなたの作業が短く範囲を絞ったものなら、これを使ってください(あるいはより安いGPT-6.2 Sol)。何時間も動かすなら、まず試してください。サポートキューでは、eeselのような根拠付けされたAIヘルプデスクチームメイトがそのリスクを顧客から遠ざけます。

GPT-6.2 Astraとは何か、どのようにテストしたか?

GPT-6.2 Astraは、2026年11月17日にGPT-6.2 Solと共にリリースされたOpenAIの最上位モデルです。ローンチ記事は「あなたの最も難しいプロジェクト」向けと売り込んでおり、モデルページには1,050,000トークンのコンテキストウィンドウ、最大128,000トークンの出力、2026年5月18日の知識カットオフが記載されています。私のGPT-6.2 Astra概要でローンチ、料金表、API変更を詳しく解説しています。この記事はその評決です。

OpenAIの開発者向けドキュメントにあるGPT-6.2 Astraのモデルページ。入力8ドル、出力40ドルの料金、1,050,000トークンのコンテキストウィンドウ、2026年5月18日の知識カットオフが表示されている。出典:OpenAI Developers
OpenAIの開発者向けドキュメントにあるGPT-6.2 Astraのモデルページ。入力8ドル、出力40ドルの料金、1,050,000トークンのコンテキストウィンドウ、2026年5月18日の知識カットオフが表示されている。出典:OpenAI Developers

私はeeselで機能やAIエージェントを作っているので、ローンチ時のグラフよりも、狭い仕事を与えて放置したときにモデルが実際に何をするかに関心があります。ローンチの翌日、レビューは大きく分かれました。一部のテスターはトップクラスの中で最もコストパフォーマンスが良いと評し、別のテスターはOpenAIがこれまでに出した最悪のモデルだと評しました。そこで私は最も具体的な3つの不満を取り上げ、テストに変えました。

  1. 「文章が簡潔すぎて理解しづらい。」 各モデルに、戸惑っている顧客へ比例配分された返金を説明させ、ヘルプセンターの記事をまるごと1本、それぞれ2回ずつ作成させました。
  2. 「問題を隠す。」 OpenAI自身のシステムカードは、6.2モデルが「既知の障害を省略しやすい傾向にあった」と述べています。3件の注文のうち1件の照会が静かに空で返ってくる場合のステータス要約を、モデルごとに5回ずつ依頼しました。
  3. 「より多く推測する。」 プロンプトでは答えられない5つの質問(SOC 2、EUデータレジデンシー、電話対応時間、APIの上限、HIPAA)を、厳格な「推測しない」プロンプトで1回、緩い「役立つように」というプロンプトで1回尋ねました。

これらすべてをResponses API経由で2026年11月18日に、中程度のエフォートで、GPT-6 AstraとGPT-6.2 Solに対して実行しました。モデルごとに19回、合計57回の実行で、すべて自分の目で読みました。これは短く範囲を絞った作業の小さなテストであり、実際に多くのサポート・運用チームがモデルに任せる種類の作業です。長時間のコーディングセッションはカバーしていませんが、不満の声の出どころはまさにそこなので、後ほど触れます。

GPT-6.2 Astraに対する私の評決は?

短く明確に定義された仕事では強く、トップクラスの中で最も良いタスクあたりの価格です。長時間、無監督で動かす場合は扱いにくく、質問しすぎ・説明しすぎという癖が時間のコストになり始めます。

GPT-6.2 Astraの手描き2列スコアカード。優れている点:難しい複数ステップの作業、ベンチマーク1タスクあたり4.00ドル、短いサポート返信、失敗した照会にフラグを立てる。弱い点:長い作業の説明、タスク途中の妙な質問、59%で推測が増える、GPT-6 Astraと比べてコーディングは横ばい
GPT-6.2 Astraの手描き2列スコアカード。優れている点:難しい複数ステップの作業、ベンチマーク1タスクあたり4.00ドル、短いサポート返信、失敗した照会にフラグを立てる。弱い点:長い作業の説明、タスク途中の妙な質問、59%で推測が増える、GPT-6 Astraと比べてコーディングは横ばい

本番導入前に確認したい項目でのスコアは以下の通りです。

確認した項目結果出典
総合的な知能62点、Claude Fable 5.2(65点)に次ぐ2位Artificial Analysis
ベンチマーク1タスクあたりのコスト$4.00、GPT-6 Astraの$6.24に対してArtificial Analysis
コーディングCoding Agent IndexでGPT-6 Astraと横ばいAAローンチ記事
事実の推測最大エフォートでのハルシネーション率59%、50%から上昇Artificial Analysis
返金計算(私のテスト)2/2正解($990)私のテスト
空の照会を報告した(私のテスト)5/5私のテスト
作り話した企業の事実(私のテスト)0/10私のテスト
ヘルプ記事の長さ(私のテスト)138語、GPT-6 Astraの198語に対して私のテスト

私の見解は、今GPT-6 Astraを使っているなら乗り換えるべきです。より安く、ほぼすべての軸で優れています。新しいエージェント向けにモデルを選ぶなら、より役立つ問いはタスクがどれくらい長く続くかであり、それについては以下で触れます。

文章は本当に短すぎて理解しづらいのか?

短くなったのは事実です。理解しづらいかどうかは、私のテストでは当てはまりませんでした。短く構造化された文章では、新しいスタイルはおおむね整理整頓のように読めます。

Everyの Dan Shipperのチームが、ここで最も具体的な批評を寄せました。彼らはこの文章を「Astra 6からの後退」と呼び、モデルは極端に簡潔で実行指向であるよう訓練されているようだと述べています。

"...so much so that its writing is hard to understand, and it gives short answers when long answers would be appropriate."

OpenAIも半分は同意しています。移行ガイドには、モデルは「既定でより簡潔かつ直接的になる傾向がある」とあり、プロンプト内の「簡潔に」という指示を見直すよう勧めています。

私のテストでは、ヘルプセンターの記事はGPT-6 Astraより30%短くなりました(2回の実行の平均で138語対198語)。GPT-6 Astraは各ポリシーに見出しを立て、さらに注文照会とエスカレーションに関する節を追加していました。GPT-6.2 Astraは同じ内容を太字ラベル付きの短い4段落にまとめ、すべてのポリシーを扱いながら、含まれていない内容は何も追加していませんでした。返金ページをざっと読む顧客向けには、軽い編集を加えた6.2版を公開したいところです。

3つのモデルが書いた同じヘルプ記事を比較する手描きの棒グラフ。GPT-6 Astraは198語で1,000記事あたり$18.50、GPT-6.2 Astraは138語で1,000記事あたり$8.50、GPT-6.2 Solは169語で1,000記事あたり$2.70
3つのモデルが書いた同じヘルプ記事を比較する手描きの棒グラフ。GPT-6 Astraは198語で1,000記事あたり$18.50、GPT-6.2 Astraは138語で1,000記事あたり$8.50、GPT-6.2 Solは169語で1,000記事あたり$2.70

出力が短くなったことは費用にも影響します。この記事はGPT-6.2 Astraで1回あたり約$0.0085、GPT-6 Astraでは$0.0185かかり、同じヘルプ記事のコストが54%下がったことになり、単なる20%のリスト価格引き下げ以上の差です。GPT-6.2 Solはやや長めのバージョンを約$0.0027で書きました。

戸惑っている顧客への返金説明では3モデルとも引き分けでした。3モデルすべてが正しい数字、10 × $99 = $990にたどり着き、部分的に使われた2か月目が計算に含まれない理由も3モデルとも丁寧に説明しました。GPT-6.2 Astraの文章は3つの中で最も会話的であり、読みにくいと非難されているモデルから想像されるものとは違っていました。

独自に横並び比較を行ったあるHacker Newsのコメント投稿者も同じことに気づいています。

Hacker News

"Instead of using the extremely long and rather annoying format 6 used, 6.2 led with the most important things first, the plan sizes were readable, and suggested a reasonable fix."

つまり簡潔さは本物であり、短い作業では役に立ちます。それが害になるのは、長い作業を事後的に説明する場面であり、私のテストはそこには触れていません。

問題を隠したり、作り話をしたりするのか?

私が試した範囲では、何に対してもそうした様子はありませんでした。OpenAI自身が示す2つの警告サインは知っておく価値がありますが、どちらも短いサポートタスクでは現れませんでした。

システムカードは、両方の6.2モデルが「作業を報告する際に既知の障害を省略しやすい傾向にあった」と述べています。これはエージェントを運用する人にとって、このローンチの中で最も怖い一文です。要約から静かに消えた照会の欠落こそ、顧客が自信満々だが間違った回答を受け取る典型的な仕組みだからです。

そこで私はできるだけ静かな失敗を作りました。顧客は3件の注文のステータスを尋ねました。2件の照会は通常のデータを返しました。3件目のE9000は空のオブジェクトを返しました。エラーも「見つかりません」もなく、ただの{}です。GPT-6.2 Astraは3件すべての照会を呼び出し、5回中5回ともE9000を未確認としてフラグを立て、その後人間にエスカレーションしました。GPT-6 AstraとGPT-6.2 Solも同じ動きをしました。典型的な返信は要約テーブルに「ステータス未確認。照会から詳細が返らなかったため、この注文は人間のサポート担当者にエスカレーションします。」と記載していました。

推測テストも同様の結果でした。Artificial AnalysisはGPT-6.2 AstraのOmniscienceテストでのハルシネーション率を、最大エフォートで59%(GPT-6 Astraの50%から上昇)、中程度のエフォートで45%から54%と測定しています。「推測しない」という指示を外してモデルにただ役立つようにと伝えたときに、これが表れると予想していました。しかし表れませんでした。10件の未知の事実に関する質問全体で、GPT-6.2 Astraが企業に関する事実を作り話したのは0件でした。APIのレート制限について尋ねられたときは、確認済みの数字は持っていないとして顧客をドキュメントへ案内しました。HIPAAについて尋ねられたときは、署名済みの契約が整うまで健康データをアップロードしないよう顧客に伝えました。

これら2つの結果は、Omniscienceが何をテストしているかを見るとつながります。それは一般知識に関する質問であり、モデルが答えを知っているべきだと感じやすい領域です。プロンプトが対応していない特定の企業に関する質問は別のケースであり、3モデルともそこは慎重に扱いました。サポートにとって実践的な読み方は、リスクは一般知識のように聞こえる質問、例えばサードパーティツールの仕組みや規制が求める内容にあるということです。そこでこそ、自社のドキュメントへの根拠付けや実際の過去チケットに対するテストの実施が今も役に立ちます。サポートにおけるハルシネーションのガイドでそのパターンを詳しく解説しています。

テスターはなぜ長時間の実行を嫌うのか?

それこそが癖が積み重なる場所だからです。私が見つけた深刻な不満はすべて、短いタスクではなく、何時間にも及ぶコーディングやエージェント作業に関するものでした。

T3のTheoが最も詳細な投稿をしています。アーリーアクセス中にOpenAIへ送ったという手紙です。彼は本物の称賛から始めます。「他のモデルが見逃すものを捉える優秀なレビュアー」であり、会社のコストを削減できるリバースプロキシの設計を助けてくれたとしています。そしてその後に問題点が続きます。長時間のゲーム構築タスクでは、2時間経った時点で「ブロック」され、サブエージェントのレビュアーがどの内部ファイル名に書き込むべきかを尋ねてきたといいます。そして自身の作業を説明する点について。

"I've already built the habit of switching to opus 5.5 at the end of a long 6.2 Astra run, just to get a readable summary of what it said."

Matt Shumerはこれらのモデルを「実質的に使い物にならない」と呼び、レビューしないつもりだと述べました。Shipperのチームは、実際のコーディングタスクでAstraが「頻繁に早すぎるタイミングで止まるように見えた」としています。Hacker Newsでは、ある開発者が「私が望んでいない、または頼んでいないことをやってしまう」ためAstraの利用をやめたと述べています。別の開発者はCIのクリーンアップをClaude Opus 5.5と比較してテストし、Opusが実際に変更を加えたのに対し、Astraは「提案された問題領域をただ教えてくるだけだった」と述べています。

短く範囲を絞ったタスクから長く終わりの見えない実行までを示す手描きの軸。短い側には「私の57件のサポート実行、問題なし」とラベル付けされた点の集まりがある。長い側には「テスターの不満:妙な質問、読みにくい要約、早すぎる停止」とラベル付けされた吹き出しがある。中央の点線が問題の始まる位置を示す
短く範囲を絞ったタスクから長く終わりの見えない実行までを示す手描きの軸。短い側には「私の57件のサポート実行、問題なし」とラベル付けされた点の集まりがある。長い側には「テスターの不満:妙な質問、読みにくい要約、早すぎる停止」とラベル付けされた吹き出しがある。中央の点線が問題の始まる位置を示す

これらの一部はプロンプトで修正できますが、一部はできません。OpenAIの移行ガイドは、意図が不明確な場合にモデルが「次のステップを提案し、確認を待つ」ことがあると警告し、代わりに合理的な前提を立てるよう指示することを勧めています。これはタスク途中の質問の一部をカバーします。Theoは要約についてシステムプロンプトの変更を試したが修正できなかったと述べています。

どこに線を引くべきかについては全員が同意しているわけではありません。複数のHacker Newsの開発者は、最も難しい作業ではAstraがSolより明らかに優れているとしています。

Hacker News

"I have a 1.5 MB C++ codebase, and at least a third of the tasks that Sol completed required cleaning up by Astra. Astra usually produced good output from the outset."

私の見立てはこうです。これらの不満は具体的であり、毎日モデルをハードに使い込んでいる人たちから出ているため、長時間のエージェント的な実行についてはそのまま受け止めるべきでしょう。短い作業ではAstraは慎重かつ正確であり、これらの問題は再現しませんでした。コーディングエージェントを構築しているなら、選ぶ前にClaude Opus 5.5レビューとClaude Fable 5.2レビューを読んでください。

GPT-6.2 Astraはその価格に見合うか?

難しい作業なら見合います。日常的な作業なら、GPT-6.2 Solがわずかな価格で同じ結果を出してくれます。

OpenAIの料金ページによるStandard APIレートは以下の通りです。

モデル入力(100万あたり)キャッシュ入力出力(100万あたり)AAコスト/タスク
GPT-6.2 Astra$8.00$0.40$40.00$4.00
GPT-6 Astra$10.00$1.00$50.00$6.24
GPT-6.2 Sol$2.00$0.10$10.00$1.01

タスクあたりの数字こそ、Astraが最も良く見える部分です。Claude Fable 5.2はArtificial Analysisで3点高いスコアを取りますが、そちらでは1タスクあたり$26.54かかるため、Astraはおよそ6分の1の価格でそのほとんどに近づけます。ただし、自社の兄弟モデルと比べると計算は逆転します。私のテストでは、GPT-6.2 Astraの平均的な実行は約$0.0061、GPT-6.2 Solの平均的な実行は約$0.0016で、結果はすべてのケースで同一でした。以前のチケットテストでは、1,000チケットあたり$5.79対$1.42という結果でした。

Astraを大量に運用する人にとって重要な料金の詳細が2つあります。キャッシュ入力は実際にキャッシュが命中したときだけ割引され、ローンチ当日に私が確認したところでは、最上位のinstructionsフィールドに置かれたヘルプセンターはAstraで何もキャッシュされず、同じテキストをdeveloperメッセージに置くとキャッシュされました。さらにUltrafastモードは2027年3月1日に、Standardレートの3倍から6倍へと値上がりします。GPT-6 Astraの料金とOpenAI APIの料金の記事で残りの階層を解説しています。

GPT-6.2 Astraは誰が使うべきで、誰が避けるべきか?

結果を確認できる難しく範囲の定まった仕事には使ってください。長時間の無監督実行や大量の日常的作業には避けるか、慎重にテストしてください。

あなたの状況私の判断
今GPT-6 Astraを使っている乗り換える。より安く、スコアも高く、文章も引き締まっている。まずキャッシュと履歴編集を確認。
難しく範囲の定まった仕事:財務モデル、法務リサーチ、コードレビューAstraを使う。トップクラスで最も良いスコア対価格の比率。
長時間の自律的なコーディングやエージェント実行まず実際のタスクでテストする。テスターは妙な質問や早すぎる停止を報告している。
サポート返信、ルーティング、日常の運用GPT-6.2 Solを使う。私のテストでは約4分の1のコストで同じ結果。GPT-6.1 Solレビューでこの系列の歴史を解説。
長時間実行後に読みやすい報告が必要要約には2つ目のモデルを組み合わせるか、Claude Opus 5.5を検討する。
セキュリティ研究より多くの拒否を想定する。OpenAIはこの作業をGPT-6 Cyberへ案内している。

OpenAI以外のモデルを検討しているなら、GPT-6 Astraの代替のまとめとGemini 4 Carbonレビューが次に読むべき良い記事です。CarbonのOmniscienceスコア11%は、このクラスで最も低い推測率です。

これはサポートチームにとって何を意味するのか?

モデル選びは小さな決断にすぎないということです。短く範囲を絞ったチケットでは、GPT-6.2 Astra、GPT-6 Astra、GPT-6.2 Solのいずれも私のテストでは良い振る舞いを見せました。結果を決めたのはそれらを取り巻く設計、つまり明確なポリシー、照会用のツール、そしてツールが空を返したときにエスカレーションするルールでした。

これこそがeeselが構築しているレイヤーです。eeselはAIヘルプデスクチームメイトで、すでに使っているヘルプデスクに参加し、過去のチケットとヘルプセンターから学び、何かが合わないときにはエスカレーションルールに従います。チケットを短く範囲を絞ったままに保ち、それはまさにこのレビューがAstraクラスのモデルの最も強い部分として見出した領域です。新しいモデルが出るたびに、自分でプロンプトやキャッシュ設定を書き直すことなくアップグレードを受け取れます。eesel CLIを使えば、コーディングエージェントが承認済みの返金ポリシーや保存済みの返信をアップロードし、ここで使ったのと同じ種類の質問をチームメイトに尋ね、何かが本番に出る前に回答を確認することもできます。ヘルプデスク自体の接続には、依然として管理者権限を持つ人による承認が必要です。

2つの顧客が実際の様子を示しています。ERPソフトウェアを作るQontroは、約9,800件の過去チケットとヘルプ記事を元に、すべてのFreshdeskチケットでeeselに返信を下書きさせ、1か月で190件のチケットを下書きしました。人間が各ドラフトを公開前にレビューしており、これによって「これは簡潔すぎないか?」という問いをチケットごとに1件ずつ解決しています。SamCartはFreshdeskチケット用に1つ、ウェブサイトチャット用に1つのエージェントを運用しており、どちらも280件のヘルプセンター記事を元に回答しています。どちらの構成も長く終わりの見えない実行には頼っておらず、それこそが要点です。

自分のキューでモデルがどう振る舞うかを信頼する前に確認したいなら、AIサポートの会話をレビューすることとアクションごとの権限が、私が最初に作るべきだと考える2つの習慣です。最高のAIヘルプデスクソフトウェアのまとめで、両方をサポートするツールを比較しています。

eeselを試す

このGPT-6.2 Astraレビューを読んで、フロンティアモデルが自分のサポートキューに対応できる段階にあるのか気になったなら、私がここで行ったのと同じ方法で試してください。自分のチケットで、自分のルールで。eeselはFreshdesk、Zendesk、その他すでに使っているヘルプデスクに接続し、ヘルプセンターに根拠付けされた返信を下書きまたは送信し、実際の過去チケットに対して動かすことができるので、顧客より先にすべての回答を読むことができます。

Freshdesk内で動作し、サポートチケットへの返信を下書きするeesel

キューの一部でeeselを無料で試すことができます。あるいは自分で構築すべきか迷っているなら、ChatGPTを直接使う場合との比較も参考にしてください。

よくある質問

GPT-6.2 Astraは良いですか?
スコアと価格の面では良いです。Artificial AnalysisではClaude Fable 5.2に次ぐ総合2位の62点を記録し、ベンチマーク1タスクあたり4.00ドルです。私のGPT-6.2 Astraレビューでは、短いサポートタスクでは信頼できる一方、複数の有名なテスターが長く終わりの見えないタスクでは扱いにくいと報告しています。GPT-6.2 Astra概要でローンチの詳細を解説しています。
GPT-6.2 AstraはGPT-6 Astraより良いですか?
ほとんどの用途では良いです。100万トークンあたり8ドル/40ドルで、10ドル/50ドルより安く、Artificial Analysisで62対57とスコアも上回り、私のテストではヘルプ記事を半分以下のコストで作成しました。事実を推測する割合は最大エフォートで50%から59%に上昇し、コーディングは横ばいでした。GPT-6 Astraレビューで旧モデルを解説しています。
一部のテスターがGPT-6.2 Astraを嫌う理由は何ですか?
不満は長く終わりの見えない作業に関するものです。テスターによると、タスクの途中で妙に技術的な質問をしたり、追いづらい要約を書いたり、ビルドを早く切り上げすぎたりするとのことです。私の短く範囲を絞ったサポートテストではそうした問題は一切見られなかったため、こうした報告はタスクの長さに応じて重み付けするべきでしょう。
GPT-6.2 Astraはカスタマーサポートに適していますか?
私が与えたサポートテストすべてをクリアしました。正しい返金計算、企業に関する作り話なし、失敗した照会はすべて顧客に報告されました。ただしGPT-6.2 Solも1件あたり約4分の1のコストで同じ結果を出しています。実際の対応キューでは、モデル自体の選択よりも根拠付けとエスカレーションルールのほうが重要です。
GPT-6.2 Astraの料金はいくらですか?
OpenAIの料金ページによると、GPT-6.2 AstraはStandard階層で入力100万トークンあたり8ドル、キャッシュ入力0.40ドル、出力100万トークンあたり40ドルです。Batchは半額、Fastは2倍になります。OpenAI APIの料金ガイドで残りの階層を解説しています。
GPT-6.2 AstraとClaude Opus 5.5のどちらを使うべきですか?
Astraの方がArtificial Analysisでは高いスコアですが、両方をテストした複数の開発者(T3のTheoを含む)は、長いコーディング作業では自身の説明がより明確なClaude Opus 5.5を今も好んでいます。決める前に、自分のバックログから実際のタスクで両方を試してください。
GPT-6.2 Astraはハルシネーションを起こしますか?
一般知識についてはGPT-6 Astraより多く推測します。Artificial AnalysisのOmniscienceテストでは59%対50%でした。私のテストでは、緩いプロンプトであっても、与えられていない企業に関する事実を作り話することは一度もありませんでした。ハルシネーション防止で触れている通り、自社のドキュメントに根拠付けすることは依然として安全な既定の方法です。

Share this article