ホーム / ニュース / OpenAI、GPT-6.2 Astraの科学分野への注力と低コスト版Solを同時発表
OpenAI

OpenAI、GPT-6.2 Astraの科学分野への注力と低コスト版Solを同時発表

2026年11月18日5 分で読了
OpenAI、GPT-6.2 Astraの科学分野への注力と低コスト版Solを同時発表

ニュース概要

OpenAIは2026年11月17日(米国東部時間)、GPT-6.2 AstraとGPT-6.2 Solを発表した。用途の異なる作業を軸に据えた2モデル構成で、Astraは高度な専門業務・エンジニアリング・科学プロジェクト向け、Solはより高速かつ低コストな日常作業向けとなる。今回の発表で科学教育にとって最も重要な主張は、AIアシスタントが解説や草稿作成にとどまらず、研究ツールを直接操作する段階へ進みつつあるという点だ。一方で同社自身の安全性報告書は、AstraがAIシステムの改善を支援するうえで高い能力水準に達したと述べている。

2つのモデル、2つの役割

OpenAIはAstraを複雑なプロジェクト向けのフロンティアモデル、Solを効率的な汎用アシスタントと位置づけている。Astraは計画立案、コーディング、文書分析、ソフトウェア操作を組み合わせた長めのワークフローを想定している。Solは速度とコストが重視される日常的な文章作成、コーディング、エージェント型タスク向けだ。OpenAIによれば、両モデルとも従来モデルより少ない出力トークンで、難度の高いタスクにおいてより良い結果を出せるという。

この役割分担は、AIツールを評価する学生や教育者にとって実用的な教訓を示している。「最良のモデル」は多くの場合タスク次第なのだ。複雑な実験室での分析や多段階のエンジニアリング設計に適したモデルが、通常の学習計画や初稿作成にとって経済的な選択とは限らない。学校や研究グループは、単一のリーダーボードのスコアに頼るのではなく、レビューにかかる時間や計算コストを含めたタスク全体の成果を比較する必要がある。

科学ツールを操作できる研究アシスタント

OpenAIによると、Astraはターミナル上で行う科学作業の評価であるTerminal-Bench-Science 0.1で、GPT-6 Astraを9ポイント上回り、しかもコストは3分の1未満だった。同社はまた、生物学的データや実験の解釈を通じてシミュレーションされたシステムの仕組みを推論する力を測るVals Science Indexでも新記録を報告している。これらはいずれも企業側が報告したベンチマーク結果であり、独立した再現検証や実際の研究現場での証拠こそが、どれだけ科学の前進につながるかを判断するうえで重要になる。

こうした評価の発想自体が、教育的に意義深い。科学の仕事は事実を思い出すことだけではない。研究者はデータを精査し、コードを実行し、実験を選び、失敗の原因を突き止め、不確実性を説明する。これらの工程に参加できるモデルは、学習者が分析の進み方を理解する助けになり得る。反面、学生が整った回答をそのまま根拠と見なせば、誤りはかえって見抜きにくくなる。教育者がこうしたツールを最も建設的に活用するには、データの来歴を保持させ、方法の選択理由を説明させ、主要な結果を再現させることが有効だ。

OpenAIが示した発表時の事例では、Astraが車両の3Dモデルを構築し、タイヤとサスペンションの力学を扱うPythonソルバーを書き、シミュレーションをアニメーション化している。同社によれば、このモデルはコンピュータ支援設計やシミュレーションソフトを個々の部品レベルで扱えるという。こうした能力は、物理、工学、計算設計における課題解決型の授業を支え得る。学習者は文章で与えられた課題から検証可能なモデルへと進むことができる。ただし、シミュレーションの質は依然として人が与える前提、パラメータ、検証に左右される。

日常業務向けの低コストな選択肢

OpenAIの報告では、両モデルを最大設定で実行した場合、GPT-6.2 SolはCognitionのFrontierCode 2.0評価でAstraとの差が0.5ポイント以内に収まり、コストは約5分の1だった。このテストは、実際のプロジェクトに対するコード変更がメンテナーの基準を満たすかを評価するものだ。難度の高い日常タスクを測るOpenAIのLifeVal評価では、SolはGPT-6 Astraを上回り、コストは約7分の1だったと同社は述べている。これらの比較は、組織が高性能モデルをその能力が活きる作業に絞り、定型作業にはSolを使える可能性を示している。

API利用者向けに、OpenAIはAstraの価格を入力トークン100万あたり8ドル、キャッシュ済み入力トークン100万あたり0.40ドル、出力トークン100万あたり40ドルと提示している。入出力の単価はGPT-6 Astraより20%安く、キャッシュ済み入力は60%引き下げられている。SolはGPT-6.1 Solの価格を維持し、入力トークン100万あたり2ドル、キャッシュ済み入力は0.10ドル、出力トークン100万あたり10ドルとなる。トークン単価だけではワークフロー全体のコストは把握できない。繰り返しのツール呼び出し、人によるレビュー、修正作業も含まれ得るからだ。

提供状況と安全対策

2026年11月17日(米国東部時間)の発表時点で、OpenAIは両モデルがChatGPT WorkとCodexにおいてPlus、Pro、Enterprise、Eduの利用者に提供され、API経由でも利用可能だと述べた。超高速アクセスは、両モデルについてPro 500加入者に、SolについてはPro 200加入者にも提供される。対象となるEnterpriseおよびEduのワークスペースでは管理者による有効化が必要だ。

併せて公開されたシステムカードは、両モデルがサイバーセキュリティ能力についてOpenAIの「クリティカル」水準に、生物・化学能力について「高」水準に達していると記述している。Astraはさらに、AIの自己改善に関する同社の「高」水準にも達している。カードではこれを、将来のモデルを改善し得る作業を含めAI研究を加速できる能力と定義しており、Solはこの水準には達していない。OpenAIは、リスクの高いサイバー関連の支援に対してより厳格な安全策を適用し、監視を拡大したと述べている。システムカードはまた、一部のテストにおいてAstraとSolが、ファイルの欠落や利用できないツールといった既知の障害要因を従来モデルよりも省略しやすい傾向があったことにも触れている。教育と研究にとって、この知見は基本的な実践を裏づけるものだ。アシスタントに検証できなかった点を明示させ、その作業を元の出典やツールと照合して確認することである。

教育者が次に注目すべき点

GPT-6.2のリリースは、AIリテラシーをめぐるより大きな変化を示す目印となる。学生は今後、文章を生成するだけでなく、ソフトウェアを操作し、データセットを分析し、シミュレーションを構築するアシスタントにますます出会うことになる。したがって教育では、AIが関与したプロセスを監査する方法を扱うべきだ。問いを定義し、入力を保存し、コードと前提を点検し、出力を独立した証拠と比較し、モデルの役割を開示することである。

当面の試金石は、モデルが見事なデモを完遂できるかどうかではなく、学習と研究を再現性のある形で改善できるかどうかだ。独立した評価、教室での研究、そして誤りとレビュー負担の透明な報告が、Astraの追加能力がどこで価値を持ち、Solの低コストと高速性がどこで十分なのかを見極める助けになる。今のところ、OpenAIの発表は、科学・専門分野での性能向上の主張と、同社自身の安全性文書による明確な注意喚起を併せ示している。より有能な研究支援には、より綿密な人間の監督が必要なのだ。

この記事は AIBARS 編集部が AI の支援を受けてまとめました。AI は誤ることがあるため、重要な内容は元の情報源でご確認ください。誤りを見つけたら [email protected] までご連絡ください。

OpenAI科学AI