11月18日、Simon Willisonが「GPT‑6.2 Astra and GPT‑6.2 Sol」と題した記事を公開した。OpenAIが発表した新モデル2種の性能・価格を整理しつつ、最大の読みどころはむしろ末尾にある――「2時間かけて作業させたエージェントが、ユーザーには到底答えようのない内部実装の詳細を質問してきて止まった」という具体的エピソードだ。値下げと性能向上の一方で、エージェントとしての実用性にはまだ根深い課題が残っていることを、開発者の生の声が突きつけている。
エージェントUX問題――これが最大の論点だ
開発者のTheo Browne(t3.ggで知られるYouTuber・エンジニア)は、プレリリース期間中にOpenAIへ送ったフィードバックレターという形でレビューを公開した。サブエージェントを束ねた長時間タスク実行の問題を、次のように具体的に指摘している:
When this model is working on long tasks, it can pull in a lot of subagents and manage them pretty well. It will then proceed to randomly ask you some weird internal implementation detail bullshit that you could not under any earthly circumstance understand, much less have input on.
I sent "/goal make a new level for Outer Wilds". 2 hours in, it's "blocked" because it wanted to ask me "does r24's reviewer write it's clips to 24_g521.mp4 or 24_p11.mp4?"
ゲーム「Outer Wilds」の新レベル制作を指示して2時間後、エージェントが止まった理由は「内部処理の出力ファイル名が24_g521.mp4か24_p11.mp4かを確認したい」という質問だった。ユーザーが知る由もない、また知る必要もない実装詳細だ。サブエージェントの管理自体は比較的うまく機能するが、ブロッキング質問の内容がユーザーの認知範囲を完全に逸脱しているという問題は、エージェントワークフローの実用化における本質的な障壁を示している。
Willisonはこの点を「賛否が分かれる評判(mottled reception)」の一例として挙げており、各種ベンチマークでGPT‑6.2 AstraがAnthropicのClaude Fable 5.2(Anthropic公式)に若干劣る結果が出ていることと合わせて、現時点での評価はまだら模様だと述べている。
価格と位置づけ
OpenAIはGPT‑6.2 Astra(フロンティアモデル)とGPT‑6.2 Sol(汎用モデル)の2種類を同時リリースした。APIでは gpt-6.2-astra および gpt-6.2-sol として利用できる。Willisonは自身が開発するCLIツール**LLM 0.38**(大規模言語モデルをコマンドラインから操作するオープンソースツール)でも即日対応している。
価格面での変化は以下のとおりだ。
- GPT‑6.2 Astra:入力 $8/MTok、出力 $40/MTok(前世代のGPT‑6 Astraから20%値下げ)
- キャッシュ価格:$0.40/百万トークン(旧モデルの$1から60%削減)
- GPT‑6.2 Sol:入力 $2/MTok、出力 $10/MTok(GPT‑6.1 Sol・GPT‑6 Solと同価格を維持)
GPT‑6.2 Astraの入出力単価は、AnthropicのClaude Fable 5.2(同$8/$40)と同水準に並んだ。キャッシュ価格の大幅引き下げは、長時間のエージェント型セッションのコスト効率に直接効いてくる変化だ。
ペリカンベンチマーク
Willisonは定番の「ペリカンが自転車に乗るSVGイラスト」生成ベンチマークで両モデルを評価した。これはモデルの描画能力と指示追従性を視覚的に比較するために彼が継続して使っているテストで、過去モデルとの横断比較が蓄積されている。
GPT‑6.2 AstraのMax品質での出力は以下のとおりだ:

前世代モデルとの比較グリッドも公開されており、effort levelごとの差異が確認できる:

コスト面で見ると、GPT‑6.2 AstraのMax品質は88.71セント、GPT‑6.2 SolのMax品質は13.69セントと大きな差がある。前世代のGPT‑6 AstraはMax品質で63.21セントかかっており、6.2 Astraはより精細な出力をより安いコストで実現している点は素直に評価できる。
Three.jsアニメーションによる実力テスト
Willisonはより実践的なベンチマークとして、以下のプロンプトを**Codex CLI**(OpenAIが提供するターミナル上で動作するAIコーディングエージェント)でeffort level「Ultra」に設定して両モデルに投げた:
Make a three js animation where yonkers stands up as a big mech (cool stand up motion) and stomps around manhattan and queens and Brooklyn, use openstreetmap mapping data
ヨンカーズ(ニューヨーク州の都市)が巨大メカに変形してマンハッタン・クイーンズ・ブルックリンを闊歩する、という複雑なシーン要件だ。結果として、SolもAstraも変形描写の質においてClaude Fable 5.2やGemini 4 Carbon(Googleが展開するGeminiシリーズの上位モデル)の出力には及ばなかったとWillisonは評価している。
なお、このベンチマーク用の比較動画自体もGPT‑6.2 Astra(Ultra)を使って生成している。Codexデスクトップアプリ上で、2つのアニメーションURLを上下に並べた正方形動画(2000×2000ピクセル)を作成するよう指示し、ラベルのスタイリングや動画長の調整も自然言語で行った点は、ツールとしての使い勝手を評価する意味で興味深い事例だ。
詳細はGPT‑6.2 Astra and GPT‑6.2 Solを参照していただきたい。