Codex Reset Radar
🌐 日本語

GPT-6.2 Astra vs Sol:どちらのモデルを使うか、どう使いこむか

GPT-6.2 Astra と Sol は 2026-11-17 にリリースされました。それぞれの役割、開ける場所、OpenAI の主張と Epoch AI の実測の違い、API 価格、そのまま貼り付けられる4つのワークフローをまとめました。

クイック回答: GPT-6.2 Astra と GPT-6.2 Sol は 2026-11-17 にリリースされ、通常のチャット画面ではなく ChatGPT Work の中で使います。Astra はクロスサービスのデバッグや本格的な調査など重い作業のモデル、Sol はプルリクエストレビューやコード変更、会議メモといった日常の主力です。新規の Work チャットは Sol、推論強度 Light で始まります。

非公式声明:Codex Reset Radar は、観測された Codex クォータリセットパターンを計画するための独立した非公式トラッカーです。OpenAI とは無関係であり、OpenAI による承認、後援、スポンサー、または承認を受けていません。OpenAI と Codex は OpenAI の商標です。予測とアラートは公開シグナルに基づくベストエフォートの推定であり、不正確な場合があります。常に OpenAI の製品インターフェースとドキュメントを参照してください。

モデルリリース:2026-11-17(OpenAI 公告) · 価格確認:2026-11-19 · このページの公開:2026-11-19

2026年11月17日にリリースされたもの

OpenAI は 2026-11-17 に2つのモデルをリリースしました。GPT-6.2 Astra(gpt-6.2-astra)と GPT-6.2 Sol(gpt-6.2-sol)です。同日に ChatGPT Work、Codex、API へ入りました。通常の Chat 画面で GPT-6.2 を探しても見つからないなら、故障ではありません。モデルはメインのチャット画面ではなく Work の内側で選びます。利用可否はプランとロールアウトの進度で決まります。公式の一覧は Plus、Pro、Business、Enterprise、Edu を対象としており、Enterprise と Edu では管理者がワークスペース設定で先にモデルを有効にする必要があります。参考までに、GPT-6 Astra は 2026-09-03 にリリースされ、OpenAI はスコープと認可の問題で 2026-09-28 に予定されていた GPT-6.1 Astra のリリースを取り下げました。6.2 はその撤回後の初めての Astra アップグレードになります。

Astra と Sol:役割の分担

OpenAI は Astra を「あなたの最も難しいプロジェクトに向けた当社の最も高性能なモデル」(our most capable model for your hardest projects)、Sol を「日々の業務のための第一候補」(our go-to model for everyday work)と説明しています。この分担は既定設定と価格に現れます。個人向けプランの新規 Work チャットは Sol、推論強度 Light で始まり、モデルアクセスを有効にした Enterprise ワークスペースは Sol、推論強度 Medium が既定です。Astra は引き上げるための上位モデル、Sol は日常の主力です。どちらもテキストと画像を受け取りテキストを返し、推論強度は low、medium、high、xhigh、max を用意し、同じ Responses API と Chat Completions エンドポイントで動作します。価格では Astra は入力・出力とも Sol の4倍です。したがって「高い方を使う価値があるか」という問いは、タスクが本当に難しいときにだけ意味を持ちます。

主張、実測、そしてその差

以下のベンチマーク数値にはすべて持ち主がいます。OpenAI は自社申告、Epoch AI は独立した実測、そして実名の開発者はリリース当日の逸話報告です。このラベルを付けること自体が、このセクションの意義です。ベンダーのベンチマークと実タスクは別の物差しであり、がっかりの正体は、両者を同じものとして読む落差から生まれます。下の表ではすべての数値に持ち主を付けています。正直なまとめは次の3点です。OpenAI は自社試験で大きな伸びを報告し、Epoch の人手採点による実作業の通過率では Astra は平均65%、そしてこのページで引用した開発者の多くは最初の1週間で使いにくいという結果だった、ということです。

テストしていないこと

このページの prompt は1つも実行していません。日本語タスクの実測値も、レイテンシの数値も、公開されているベンチマークを自分のコードベースで再現した成果もありません。ここにある内容をこのサイトのテスト結果として読まないでください。公式の出典が食い違っている場合、あるいはある数値を主張しているのは企業1社だけの場合は、同じ文のうちにそのことを明示しています。方法論のページ(英語)は、リセット側でこのサイトが証拠をどう扱うかを説明しています。このページも同じルールに従います。主張に持ち主を付けてから、読者に判断を委ねます。

利用枠を溶かさずモデルを使う方法

公式の情報が2つあり、どちらも駆動方法を変えます。1つ目はキャッシュです。OpenAI は、prompt の前半を据え置き、新しい指示を末尾に追記することを推奨しています。これであればキャッシュされた接頭辞が有効のまま残り、先ほどの推論も保持されます。下のワークフローの prompt が「安定したフレーム + 追加するタスク」という書き方になっているのはこのためです。2つ目は推論強度には none の設定がなく、API がそれを拒否するため、最も安い正直な設定は low になることです。さらに、Codex と Work は同じ利用枠から消費されます。Work で重いジョブを回すと、Codex を見積もっていた利用枠まで消費します。長いジョブを並べる前に、Codex の使用量を確認する方法に記した通り、自分の利用枠を確認してください。また5時間制限と週次制限のとおり、2つの窓口は分けて見ます。

Astra と Sol の早見表

項目GPT-6.2 AstraGPT-6.2 Sol
API モデル IDgpt-6.2-astragpt-6.2-sol
OpenAI 自身のポジショニングOur most capable model for your hardest projectsOur go-to model for everyday work
新規 Work チャットの既定既定ではないため明示的に選択するSol、推論強度 Light(個人向けプラン)
Enterprise ワークスペースの既定既定ではないSol、推論強度 Medium
コンテキストウィンドウ1,050,000 トークン1,050,000 トークン
最大入力 / 最大出力922,000 / 128,000 トークン922,000 / 128,000 トークン
知識のカットオフ2026-05-182026-06-01
入力 / 出力価格(100万トークンあたり米ドル)$8 / $40$2 / $10
キャッシュ入力 / キャッシュ書き込み(100万トークンあたり米ドル)$0.40 / $10(30分保持)$0.10 / $2.50(30分保持)
Ultrafast の利用ChatGPT Pro $500ChatGPT Pro $200 と Pro $500
公式のサンプルタスクサービス横断のバグ探索と修正、レポートをスライド構成に、矛盾する証拠に言及する複数ソースの調査プルリクエストレビュー、レビュー指摘に伴うコード変更、会議メモをプロジェクトブリーフ化

両モデルの推論強度は low、medium、high、xhigh、max です。推論強度を none に設定したリクエストは API が拒否します。価格はプランの見積りではなく、記載された API レートです。

実際に開ける場所

場所入手方法知っておくこと
ChatGPT Work(ウェブ、デスクトップ、モバイル)Work を開いてモデルを選ぶ公式のロールアウトは Plus、Pro、Business、Enterprise、Edu が対象です。Enterprise と Edu では管理者がワークスペース設定で先にモデルを有効にする必要があります。メインの Chat 画面では GPT-6.2 は選べません。
Codexアプリ内のモデルピッカー、または CLI の /modelCodex と Work は同じ利用枠を使います。公式のサンプルでは Astra をクロスサービスのデバッグ、Sol をレビューとレビュー反映のループに対応させています。
APIResponses API と Chat Completions 上の gpt-6.2-astra と gpt-6.2-solファインチューニングには対応していません。音声・動画出力には対応していません。画像は入力のみです。推論強度を none に設定すると API が拒否します。
Ultrafastどちらのモデルでも Pro $500、Sol なら Pro $200、Enterprise と Edu は所有者の設定によるUltrafast は 2027-02-28 まで標準 API レートの3倍、2027-03-01 からは6倍で課金されます。

無料アカウントは公式のロールアウト対象外です。有料プランを使っていてもモデルが見えない場合、確認する価値があるのは2つだけです。Chat ではなく Work に入っているか、Enterprise または Edu の管理者がワークスペースのモデルアクセスを有効にしているかです。

API 仕様と価格

API レート(100万トークンあたり米ドル)AstraSol
入力$8$2
キャッシュ入力$0.40$0.10
キャッシュ書き込み、30分保持$10$2.50
キャッシュ書き込み、12時間保持$20$5
出力$40$10

両モデルに共通するルールです。1リクエストの入力が 272K トークンを超えると、入力とキャッシュ入力は標準レートの2倍、出力は1.5倍で課金されます。Batch API は標準レートの半分です。Fast モードは2倍です。推論強度は low、medium、high、xhigh、max で、none は API が拒否します。Responses API では両モデルが同じツールを列挙しています:web_search、file_search、image_generation、code_interpreter、hosted_shell、apply_patch、skills、computer_use、mcp、tool_search。OpenAI のキャッシュに関する推奨は、prompt の前半を据え置き、新しい指示を末尾に追記することです。これによりキャッシュされた接頭辞が有効なまま残り、先ほどの推論も保持されます。現行の API 価格はAPI ページ(英語)にも掲載されています。

公式の主張 vs 独立した実測

以下の数値はすべて誰かのものです。持ち主の列は意図的に残しています。ベンダーのベンチマークと人手採点された実タスクは別の物差しであり、同じものとして読むことががっかりの正体だからです。

主張数値持ち主持ち主のコメント
Agents' Last Exam、GPT-6 Astra との比較+5.2 点、コストは3分の1以下OpenAI(自社申告)自社試験における会社のベンチマークです。執筆時点で他の誰-develop者による再現はありません。
Agents' Last Exam、Claude Fable 5.2 との比較+5.5 点、コストは5%OpenAI(自社申告)公告の脚注では、Fable のリーダーボードは9つの fallback タスクを除外していると記されています。
GPT-6 Astra に対する価格入力と出力は20%安く、キャッシュ入力は60%安くOpenAI(自社申告)ベンチマークではなく、製品の価格変更として述べられています。
FrontierCode 2.0、Sol と Astra の比較0.5 点以内で、コストは約5分の1OpenAI(自社申告)、両方とも max 推論会社のベンチマークです。Sol の API 価格は GPT-6.1 Sol と同じままです。
Preparedness FrameworkAI の自己改善について High の閾値に初めて到達した公開済みモデルOpenAI(自社申告、システムカード)Astra について述べられたものです。Sol は達成していません。
実作業、人手採点Astra は平均65%、Fable 5.2 より17点低いEpoch AI(独立、限界を明記)Epoch は自身の限界を明示しています。タスク集が小さく、タスクごとに1回だけの実行で、採点は主観的です。どのモデルも Epoch 自身の従業員水準には到達しませんでした。
AI データセンタータスクFable 5.2 97.5%、Opus 5.5 87.5%、Astra 65%Epoch AI(独立、限界を明記)Epoch はこのタスク集で Astra を過度に慎重で、重要な推計を取りこぼしたとしています。
Epoch 内部のタスク集両モデルともほぼ互角、174 対 173Epoch AI(独立、限界を明記)2つのモデルが近い結果になった唯一のタスク集です。
Blocker Deception22.28%、GPT-6 Astra の 11.09% と比較OpenAI システムカード(自社申告)これは安全性の評価結果であり、能力の評価結果ではありません。品質に関する主張と混同されないように掲載しています。
開発者の反応、リリース当週ある開発者は自分の業務で Opus 5.5 を選ばなかったTheo Browne(実名を挙げたリリース当日の逸話)リリース当週の個人の意見であり、測定結果ではありません。
開発者の反応、1週間後7日で改善なし、速度は約56%遅いts-rust(実名を挙げたリリース当日の逸話)1つのプロジェクトによる1週間の報告です。ベンチマークではありません。
OpenAI 自身の反応モデルは扱いやすく、まだやることがあるSam Altman(実名を挙げた発言)上に挙げたリリース当週のフィードバックへの発言として引用しています。

この表に意図的に入れていないものが2つあります。日本語タスクの実測値と、レイテンシの数値です。どちらもデータがないため、どちらも公開していません。

そのまま貼り付けられる4つのワークフロー

これらは GPT-6.2 の公式ユースケースから組み立てたサンプルワークフローで、貼り付けて角括弧の部分を差し替えれば使える形にしてあります。ワークフロー4は同じ作り方のボーナスです。どれも私たち自身は実行していないので、測定結果ではなく出発点の型として扱ってください。

ワークフロー1:確認できる根拠を備えた調査の統合(Astra)

目標。複数の出典を意思決定に使える表にまとめ、どの主張にも引用できる根拠が向かい、どの出典がどこで食い違うのかを平らげずに書き出すこと。

貼り付けるもの。出典そのもの(それぞれタイトル、URL、日付)、この調査が答えなければならない問い、そして誰がいつまでこの結果を読むのか。長い出典は関係する部分を貼り、その旨を明示してください。

役割: 調査の統合アシスタント。

出典(タイトル | URL | 日付 の形式で貼り付けてください):
1. <出典 1>
2. <出典 2>
3. <出典 3>

この調査が答えなければならない問い:
<支える判断>

読者と期限:
<誰が読み、いつまでか>

次の順に作業してください:
1. これらの出典が実際に支持している主張を列挙する。1主張につき1行。
2. 各主張について、出典番号、根拠となる原文の文または数値、日付、そして確信度(直接引用 / 推論 / 記載なし)を示す。
3. 出典間の食い違いをすべて書き出す。黙って勝者を選ばない。
4. 私の問いについて、これらの出典が覆っていない部分を列挙する。

出力は表で: 主張 | 出典 | 引用 | 日付 | 確信度。
続けて短い節: 食い違い。
続けて短い節: 未カバー。

ルール:
- 上記の出典だけを使う。ある出典が述べていない場合は「出典に記載なし」と書く。
- 自分の知識で空白を埋めない。
- 確信のない数値には [要確認] を付ける。
- 要約する前に引用する。

使う前に出力を確認する。どの行にも出典番号と引用断片が必要です。ある行が「出典に記載なし」となっているのは正当な答えであって失敗ではありません。出典が実際に一致している場合を除いて、食い違いの節は空にしないでください。要約のどの記述にも裏となる行が必要です。最後に、引用を2つだけ原文と照合してください。流暢な言い換えがここで最も間違いやすい部分です。根拠の扱いに関する固定ルールは方法論と根拠のルール(英語)にあります。

プライバシーと失敗パターン。社内認証情報、顧客記録、チケットに載せる予定のないものを貼り付けないでください。Epoch の評価では Astra は過度に慎重で、重要な推計を取りこぼしたとされています。そのため欠けた数値は曖昧な言い方的人格として届くことがあります。必要な数値を具体的に求め、安全で内容のない返答をそのまま受け入れないでください。中途で止まるという報告もあります。その場合は prompt 全体を再送せず「止めたところから続けて」と送り、接合部に落ちた内容がないか確認してください。

ワークフロー2:メモを、チームが動けるブリーフへ(Sol)

目標。雑な作業メモを、読んだだけで動ける短いブリーフへ変えること。メモにない事実、日付、担当者を一切作らないこと。

貼り付けるもの。元のメモ(断片やリンクのままで構いません)、このブリーフの宛先、読者が読んだ後に行う必要がある決定、目標の長さ、そして希望するトーン。

役割: 雑な作業メモをプロジェクトブリーフに変える。

メモ(そのまま、雑な断片やリンクも含めて貼り付けてください):
<メモ>

背景:
- 読者: <誰が読むか>
- 読んだ後に行う必要がある決定: <その決定>
- 目標の長さ: <例 400字>
- トーン: <平易 / 形式的な日本語 / 日英併記>

次の順に書いてください:
1. 要約: 1段落、5文まで。
2. 未解決の疑問と必要な決定: それぞれ、なぜそれが重要かを添える。
3. 次のステップ: それぞれ担当者と期限を添える。どちらか不明なら [担当者不明] または [期限不明] と書く。
4. 付録: 私のメモのうち要約に入らなかった事実をすべて、元の行とともに挙げる。

ルール:
- 私のメモにある事実だけを使う。事実が欠けている場合は [不足: 必要なもの] と書く。
- すでに清楚的でない表現はそのまま残す。文体だけを理由に書き直さない。
- メモにない日付、数値、氏名、担当者を追加しない。
- ある項目が事実か私の推測か判断がつかない場合は [私と確認] を付ける。

使う前に出力を確認する。[不足] と [私と確認] の2つのリストこそこのワークフローの要点です。内容を確認していないタスクで、この2つが空なら、モデルが空白を埋めたということで、そのブリーフは送って安全ではありません。次のステップにはすべて、担当者と期限、または明確な不明の記号が必要です。メモに落とした内容があれば、付録は空であってはいけません。要約をメモと突き合わせ、でっち上げられた具体的な細部を1つ1つ探してください。

プライバシーと失敗パターン。会議メモは、個人データ・給与の数値・顧客名が入り込む最も可能性が高い場所です。貼り付け前に伏せ字化し、伏せ字のリストは自分で持っていてください。出力に日付を作り出したら、下書きを破棄してメモを貼り直し、「私のメモにある事実だけを使う」というルール行を冒頭に置いてください。長いメモではブリーフが途中で切ることがあります。全部を作り直すのではなく欠けた節だけを求め、すでに承認した部分を失わないようにします。

ワークフロー3:プルリクエストレビュー、そして指摘の反映(レビューは Sol、クロスサービスのデバッグは Astra)

目標。ファイルと行番号を指し、水増しを拒否するレビューを得て、選んだ指摘だけを1つずつ反映すること。

貼り付けるもの。diff または変更したファイル、この変更で何をしたいか、サービス名またはリポジトリ名、そして特に気にしているリスク領域(データ移行、認証、課金、第三者呼び出し)。

役割: プルリクエストのレビュアー。この応答ではコードを書かない。

背景:
- サービスまたはリポジトリ: <名称>
- この変更で何をしたいか: <1段落>
- 最初に確認するリスク領域: <例 データ移行、認証、課金、第三者 API>

次の順にレビューする:
1. 正しさ: 説明どおりに振る舞うか。エラー時の経路と空の入力の経路も含めて確認する。
2. テスト: どの振る舞いにテストがない。欠けているテストケースを具体的に挙げる。
3. 影響範囲: どの呼び出し元、スキーマ、キュー、機能フラグを壊すか。
4. 可読性: 将来を読む人の時間を実際に奪うところだけ指摘する。

出力:
- 指摘を番号付きで列挙する。各指摘: 深刻度(ブロッカー / 修正すべき / 軽微)、ファイルと行番号、なぜ重要か、そして具体的な修正案。
- 続けて「判定: 承認 / コメント付きで承認 / 修正依頼」と、その理由を1つだけ書く。
- 続けて「自分で確認」: あなたが確認できなかったが、確認すべき項目。

ルール:
- すべての指摘にファイルと行番号を付ける。位置情報のない指摘は指摘として数えない。
- diff が正しいなら、そのようにはっきり書く。Deutscher な感じを出すために問題を作り出さない。
- この応答ではコードを書き直さない。
私が印を付けた指摘だけを反映する。
- 指摘1件につき変更1つ。最小にとどめ、既存の書き方に合わせ。
- 依頼されていないリファクタリングはしない。
- 変更するたびに、触ったファイルとテストを実行するコマンドを示す。

終わったら、次の3点を列挙する: 何を変えたか、何を変えなかったかとその理由、そして賛成できない指摘。

使う前に出力を確認する。すべての指摘にファイルと行番号があること。位置情報のない指摘は指摘ではありません。判定の理由は1つで5つではありません。不足テストのリストは「テストを追加する」ではなく、実際のテストケースを挙げること。指摘の反映では、変更リストは印を付けた指摘と1対1で対応し、印を付けた範囲の外は動かしてはいけません。push する前に diff を自分で読んでください。すべての修正案は、適用済みの事実ではなく提案として扱います。

プライバシーと失敗パターン。API キー、トークン、セッション cookie、顧客データをレビュー用 prompt に貼り付けないでください。仮の名称と伏せ字にしたフィクスチャを使ってください。秘密情報は環境に置き、prompt では変数名で参照します。開発者の報告では、これらのモデルは 다루いにくいと感じられることがあるので、prompt 全体を書き直すのではなく1ターン1指示にしてください。レビューが途中で止まったら、残りの指摘だけを求め=全面的な再実行は避けて、2つの回答を突き合わせてから判断してください。

ワークフロー4:レポートをスライド構成へ(Astra)

目標。レポートをスライド1枚1要点へ圧縮し、各要点を支える根拠をその横に置くこと。

貼り付けるもの。レポート本文、聴衆、そしてその聴衆がスライド большин後に下す必要がある決定。

役割: このレポートをスライドのアウトラインに変える。

レポート(貼り付けてください):
<本文>

聴衆と、その聴衆が下す必要がある決定:
<聴衆 / 決定>

出力:
- スライド1枚につき1行: スライド番号 | スライドのタイトル | そのスライドが主張する唯一の要点 | それを支える根拠。
- 続けて各スライドに1段落の発表メモ。
- 続けて「入れない」リスト: 私が含めるべきでないもの。

ルール:
- スライド1枚につき主張は1つだけ。見出しを説明するためのだけのスライドは書かない。
- レポートにある内容だけを使う。レポートにない数値がスライドに必要な場合は [数値が必要] と書く。
- 各スライドの要点は20語以内にする。

使う前に出力を確認する。スライド1枚につき主張1つ、根拠のどの欄もレポートに遡れること。持っていない数値が要るスライドは、作り出すのではなく要と表示されていること。「入れない」リストは、何を省くべきかを示すもので、それが出力の中で最も価値のある部分になることがよくあります。

プライバシーと失敗パターン。レポートはメモと同じように秘密情報を含みます。まず氏名、数値、顧客向けの内容を伏せ字化してください。スライドが数値を作り出したなら、そのスライドを落として、レポートを貼り直して再実行します。スライドのアウトラインは完成品に見えるため、つい過信しがちです。ただし、 확인すべきなのは根拠の欄です。

よくある失敗とデータプライバシー

失敗しやすい点

  • 途中で止まる。リリース当日の利用者から、タスクの途中でモデルが止まったという報告があります。プロンプト全体を再送せず「止めたところから続けて」と送り、接合部に落ちた内容がないか確認してください。
  • 推論を避け、見積もりを出さない。Epoch の評価では Astra は過度に慎重で、重要な推計を取りこぼしたとされています。必要な数値を具体的に求め、安全で内容のない返答は拒否ではなく欠損として扱ってください。
  • 出典がないのに断定する。上のどのワークフローも、引用、行番号、あるいは明示的な [要確認] の記号を必須にしています。出典のない数値は、体裁成章の推測にすぎません。
  • 1ターンでは方向づけられない。開発者はこれらのモデルを使いにくいと述べています。プロンプト全体を書き直すより、1ターン1指示にするほうが確実です。
  • モデルが見つからない。GPT-6.2 は Work の中で選ぶもので、メインの Chat 画面ではありません。これが「存在しない」という報告の最も多い原因です。
  • 推論強度を none にしてしまった。API はその値を拒否します。low を使ってください。

データプライバシー

  • OpenAI のパスワード、API キー、セッション cookie、トークンをプロンプトに貼り付けないでください。このサイトにも絶対に貼り付けないでください。秘密情報は環境に置き、プロンプトでは変数名で呼びます。
  • コード、メモ、レポートを貼り付けられる前に、顧客記録、個人データ、ユーザー識別子を含む本番ログ行は伏せ字化してください。
  • Codex と Work は1つの利用枠を共有しています。Work で重いジョブを回すと、Codex 用に見積もっていた利用枠を消費します。長いジョブを並べる前に、Codex の使用量を確認する方法に記した通り、自分の利用枠を確認してください。
  • このサイトは OpenAI のログインを求めることも、あなたの利用枠を読むこともありません。アカウントの事実を語れるのは自分自身の使用状況パネルだけです。このルールはGPT-5 リセットトラッカーのページでも同じです。リセット通知も購読できます。

出典

OpenAI 公式

独立した実測

背景とリリース時の報道

明記しておく価値のある穴が1つあります。ChatGPT Work と Codex についての OpenAI ヘルプセンターの記事は、まだ GPT-6 と 6.1 の表現のままなので、このページでは一切引用していません。6.2 に関するこのページの記述はすべて、公告、API ドキュメント、カタログ、Learn ガイド、システムカードから来ています。

更新履歴

このページに自動更新の仕組みはありません。OpenAI が GPT-6.2 の補足情報を出すとき、API の価格表が変わったとき、または読者がこのページの記述が出典と食い違っていることを指摘したときに、このページを見直します。

次の強いリセットシグナルをメールで受け取りますか?

レーダーがより強い公開リセットシグナルを検出したらメールでお知らせします。OpenAI ログイン、API キー、パスワード、セッショントークンは一切不要です。メール通知は現在英語のみです。

メール通知を購読 →

GPT-6.2 Astra vs Sol:どちらのモデルを使うか、どう使いこむか FAQ

GPT-6.2 Astra と GPT-6.2 Sol の違いはなんですか

OpenAI は Astra を最も難しいプロジェクト向けのモデル、Sol を日々の業務的第一候補と位置づけています。Astra は入力100万トークンあたり8米ドル、出力100万トークンあたり40米ドル、Sol は2米ドルと10米ドルです。両者とも1,050,000トークンのコンテキストウィンドウを共有し、新規の Work チャットは Sol の推論強度 Light で始まります。

ChatGPT で GPT-6.2 を使うにはどうすればよいですか

メインの Chat 画面ではなく、ChatGPT Work を開いてください。モデルは Work の中で選びます。公式のロールアウトは Plus、Pro、Business、Enterprise、Edu が対象で、Enterprise と Edu では管理者がワークスペース設定で先にモデルアクセスを有効にする必要があります。

私の ChatGPT プランに GPT-6.2 は含まれますか

公式の一覧は Plus、Pro、Business、Enterprise、Edu が対象です。無料アカウントはロールアウト対象外で、Enterprise と Edu では管理者がワークスペースのモデルを有効にしたあとで、ようやくメンバーがモデルを見られます。

Astra と Sol のどちらのほうが安く動きますか

Sol です。差大きく、入力100万トークンあたり2米ドル、出力100万トークンあたり10米ドルで、Astra は8米ドルと40米ドルです。キャッシュ入力は0.10米ドル対0.40米ドルです。実用的な規則は、日常の作業は Sol で回し、タスクが本当に難しいときだけ Astra に上げる、というものです。

GPT-6.2 はファインチューニング、音声、動画に対応していますか

ファインチューニングには対応していません。音声と動画の出力にも対応していません。画像は入力としてのみ受け付けます。両モデルとも Responses API と Chat Completions で動き、推論強度を none にしたリクエストは API が拒否します。

GPT-6.2 は本当に Claude Fable 5.2 より優れているか

誰の測定を採るかで変わります。OpenAI は Agents' Last Exam で Astra が Fable 5.2 を5.5点上回り、コストは5%だったと報告しています。一方 Epoch AI は人手採点による実タスクで、Astra は平均65%、Fable 5.2 より17点低いと測定し、Epoch 自身がサンプルが小さく採点が主観的であると注記しています。どちらの数値も、持ち主を付けてこのページに掲載しています。

OpenAI は GPT-6.1 Astra のリリースを取り下げましたか

はい。OpenAI は 2026-09-28 に、スコープと認可の問題、およびユーザーへの伝え方について、予定されていた GPT-6.1 Astra のリリースを取り下げると発表しました。GPT-6.2 はその取り下げ後の初めての Astra アップグレードです。

私の GPT-6.2 の使用量や制限を確認できるトラッカーはありますか

ありません。OpenAI はこれらのモデルについてアカウント単位の利用枠を公開していないため、どのトラッカーもあなたの使用量を読むことはできません。アカウントの事実を語れるのは自分自身の Codex と Work の使用状況パネルだけで、このサイトは OpenAI のログインを一切求めません。GPT-5 リセットトラッカーのページで、なぜこのルールがここにも当てはまるのかを説明しています。

このページにあるワークフローはテストしましたか

していません。公式ユースケースから組み立てたサンプルフローで、貼り付けて角括弧の部分を埋めて使える形にしてあります。日本語タスクの実測値も、レイテンシの数値も、公開されているベンチマークの再現もなく、それらを自分たちのテスト結果として提示することもありません。

関連 Codex リセットガイド