GPT-6.1 Solとは？Astraの5分の1のAPI料金・性能・使い分けを解説

Astra・Sol・Lunaの役割

OpenAIのGPT-6には、大きさの違う3つのモデルがあります。

GPT-6 Astra：最高の結果を出す、OpenAIでもっとも知能の高いモデル。入力10ドル・出力50ドル

GPT-6.1 Sol：Astraに迫る知能を、5分の1の価格で。入力2ドル・出力10ドル

GPT-6 Luna：速く効率的な、日常の仕事を大量にこなすモデル。入力0.10ドル・出力0.50ドル

いずれも100万トークンあたりの料金です。トークンは、AIが文章を数えるときの単位だと思ってください。

公式は、位置づけをはっきり書いています。総合的な能力では、いまもAstraが最高のモデルです。GPT-6.1 Solは、重要な仕事をもっと頻繁にこなしたい人や、アプリを大規模に作って動かすAPIの利用者に、能力とコストの新しいバランスを提供するモデルだ、という説明です。

得意分野は3つ。コードの作成やデバッグといったエージェント型のコーディング、パソコンの画面を操作するコンピューター操作、そして文書の理解や複数ステップの業務ワークフローなどの専門業務です。

前回のGPT-6 SolとLunaのリリース記事も、あわせて読むと位置づけがつかみやすくなります。

• 出典：OpenAI「GPT-6.1 Sol のご紹介」（新しいタブ）

料金：Astraの5分の1。キャッシュならさらに安く

料金を、もう少し具体的に見てみます。

たとえば、各リクエストの入力が272K以下で、複数回の合計が入力100万トークン＋出力10万トークンになる場合、キャッシュを使わないとして、Astraは15ドル、GPT-6.1 Solは3ドルです（上記の単価からの計算です）。標準の料金で、きっちり5分の1になります。

さらに、同じ前置きを繰り返し送る場面では、キャッシュ済みの入力が効きます。100万トークンあたり0.10ドルで、標準の入力料金から95%の割引です。エージェントのように、同じ文脈を何度も使い回す仕事ほど、効果が大きくなります。

処理のモードによっても料金が変わります。公式の料金ページによると、BatchとFlexは標準の半額、Fast（速度を上げるモード）は標準の2倍です。上の料金は、入力が27.2万トークン以下のプロンプトの場合です（APIの変更履歴の記載）。それを超える長い入力には、別の料金が設定されています。

なお、速度を最優先する「Ultrafast」については、GPT-6.1 Sol版は「近日中」の予定です。Ultrafastの詳しい内容は、別の記事でまとめています。

性能：公式のベンチマークを読む

先に、グラフの読み方です。横軸が「タスクあたりのコスト」（左ほど安い）、縦軸が「スコア」（上ほど良い）です。つまり、左上にあるほど、安くて賢いことになります。線でつながった点は、AIが考える量（思考量）の設定違いを表しています。

コーディング：DeepSWE

DeepSWEは、実際のコードベースで、長い取り組みが必要なソフトウェア開発のタスクを、AIが解けるかを測るテストです。黄色がGPT-6.1 Solで、青のAstraと同じ高さのスコアに、ずっと左（安い）側で届いています。

公式は「約5分の1のコストでAstraと同等」と説明しています。しかも、GPT-6 Solの最高スコアを、少ない思考量と低いコストで6.4ポイント上回ったそうです。

• 出典：OpenAI「GPT-6.1 Sol のご紹介」（新しいタブ）

業務ワークフロー：AutomationBench

AutomationBenchは、営業・マーケティング・運用・サポート・財務・人事にわたる47のツールを使って、仕事を最初から最後までやり切れるかを測ります。

公式が強調しているのは、思考量を「中」にしたときの比較です。GPT-6.1 Solは、約3分の1のコストでOpus 5.5を2.2ポイント上回り、同じ設定のGPT-6 Solも4.8ポイント上回りました。

ただし、グラフを見ると、最高の設定同士ではOpus 5.5やAstraのほうが高い点もあります。「同じ思考量で比べたときにコスパがよい」と読むのが、いちばん正確です。

• 出典：OpenAI「GPT-6.1 Sol のご紹介」（新しいタブ）

コンピューター操作：OSWorld 2.0

OSWorld 2.0は、AIがパソコンの画面を操作して、日常から専門的な作業までの長いワークフローを完了できるかを測ります。思考量を最大にすると、GPT-6.1 Solは半分未満のコストでGPT-6 Solを7ポイント上回り、Astraとの差も2.1ポイントまで縮まりました。

そのときのタスクあたりのコストは、Astraの約7分の1です。

• 出典：OpenAI「GPT-6.1 Sol のご紹介」（新しいタブ）

科学研究：Terminal-Bench Science

コードとターミナルを使って、データ分析やシミュレーションなど、科学研究の作業をやり切れるかを測るテストです。GPT-6.1 Solは、GPT-6 Solの2倍を超えるスコアを、半分未満のコストで出しました。

思考量を最大にしたときの平均コストは、GPT-6.1 Solが5.47ドル、Opus 5.5が23.21ドル、Astraが23.80ドルです。公式は「いずれのモデルと比べても75%以上低いコスト」と説明しています。

一方で、最高スコアはAstraの68.1%で、公式も最も難しい科学研究のタスクにはAstraを勧めています。

• 出典：OpenAI「GPT-6.1 Sol のご紹介」（新しいタブ）

そのほかの評価

GDP.pdf：表・グラフ・小さな文字を含む複雑なPDFに、専門的な質問へ正確に答えられるかを測ります（金融・医療・法務など10分野）。GPT-6.1 Solは、テストしたどの思考量でも、Opus 5.5（フォールバックあり）より高いスコアを、半分未満のコストで出しました

事実誤認率：難しいプロンプトで、間違いを含む回答の割合を測ります。思考量が「超高」のとき、GPT-6 Solの4.5%から4.1%に下がり、Astra（4.0%）に近づきました。

コストはAstraより約83%低くなっています。この評価は意図的に難しい例を選んでおり、通常の利用を代表するものではありません

安全面：自分の限界を、正直に伝える

公式は、アラインメント（人の意図や安全上の制約を守れるか）の評価でも、GPT-6.1 SolはGPT-6 Solから大きく改善し、Astraに近づいたと説明しています。

たとえば、検索ツールが壊れていたのに、それを伝えずに答えてしまう割合は、Astraが1.5%、GPT-6.1 Solが2.1%、GPT-6 Solが4.9%、Lunaが28.7%です（低いほど良い）。

安全性の自動レビューを回避しようとする動きは、AstraやGPT-6 Solと同じく、観測されなかったそうです。これらの評価は、意図的に難しい状況を試すもので、普段の失敗率ではありません。

• 出典：OpenAI「GPT-6.1 Sol のご紹介」（新しいタブ）

どこで使える？ 提供状況

GPT-6.1 Solは、次の場所で使えます。

ChatGPT WorkとCodex：Plus、Pro、Business、Enterprise、Eduのすべてのユーザー。ChatGPT Workは、ファイルやアプリを使って、複数の手順にまたがる仕事を任せられる機能です

API：モデル名は gpt-6.1-sol

通常のチャットでは、まだ使えません。

また、公式は「GPT-6 Astraの最大8倍の速さ」のUltrafastも同時に始めました。GPT-6.1 Sol Ultrafastが出れば、従来のAstraとほぼ同じAPIコストで、Astraに迫る知能を最大8倍の速度で使えるとしています。

使い分け：Astra・6.1 Sol・Lunaをどう選ぶ？

公式の位置づけから考えると、次のような使い分けが自然だと思います。

最高の結果がほしい難所は、Astra。公式も、最も難しい科学研究のタスクにはAstraを勧めています

大量に、長く、エージェントを動かしたいなら、GPT-6.1 Sol。同じ予算で、より複雑なワークフローを動かせます

軽い処理をとにかく速く・安く回したいなら、Luna

おすすめの進め方は、まずGPT-6.1 Solで試して、足りない場面だけAstraに上げることです。5分の1の料金なら、失敗しても試行錯誤のコストが小さく済みます。試すときは、いつもの仕事を1つ選んで、Astraと同じ指示で結果を見比べると、違いが分かりやすいはずです。

Solを主力にするか、同じ依頼で確かめる

モデルの比較では、自分の仕事に近い依頼を3〜5個用意すると判断しやすくなります。資料の要約、数値を含む説明、コード修正など、普段繰り返す作業が候補です。同じ入力、同じ成果物の条件で試し、結果の正しさと手直しの時間を確認します。

APIでは、入力と出力で料金が違います。入力は依頼や資料として送る内容、出力はモデルが生成する内容です。キャッシュの利用や長い出力、ツール利用も条件に入るため、入力料金だけを見て仕事の合計費用を判断しないでください。

Solで十分に完成する作業が多ければ、低い料金で日常の処理を回す候補になります。失敗の影響が大きい仕事や複雑な判断では、上位モデルに変えた結果も比較します。どのモデルを選んでも、引用元、数字、テストなどで成果物を確認する工程は必要です。