Astra Lowだけで足りる？ Sol極高と、Astraの4段階を性能と費用で比べた

結論から言うと、ふだんの最初の一手はAstra Lowで十分です。ただし、Lowに固定する必要はありません。「Lowで始めて、取りこぼしたらMedium、それでも詰まる案件だけHigh / Extra High（極高）」がいちばん筋の通った使い方です。

読書機能の使い方

聴く：本文を読み上げます。速読：語句を順に表示し、速さを調整できます。語学練習：別の言語版と対訳を読み比べます。保存：このブラウザーにブックマークし、プレイヤーの保存済み一覧から開けます。

この記事をシェア

LINEで共有（新しいタブで開きます）Xで共有（新しいタブで開きます）

モデルの設定にLowと書いてあったら、ふつうは「節約モード」「軽い仕事用」「本気を出していない側」だと思います。

ところがGPT-6 Astraは、Lowの時点で妙に強いのです。

第三者のベンチマークでは、Astra LowがGPT-5.6 SolのExtra High（xhigh）を総合指数で上回りました。コーディング系の一部の評価では、差がさらに開いています。しかも、その評価セットでは1タスク当たりの費用までAstra Lowの方が安いという結果でした。

となると、誰でもこう思います。

「じゃあ、もうずっとAstra Lowでよくない？」

Lowという名札を付けているだけで、本人はぜんぜん低姿勢ではありません。

1. まず数字――Sol極高とAstra 4段階を同じ物差しで並べる

2026年9月12日に確認したArtificial Analysisの比較は、次のとおりです。

設定	Intelligence Index	AutomationBench-AA	Terminal-Bench v4.0	SciCode	AA評価タスク当たりコスト	出力token/タスク	推論token/タスク
GPT-5.6 Sol xhigh	44	55%	25%	57%	$1.18	約20k	約10k
GPT-6 Astra Low	46	59%	42%	54%	$0.82	約4k	約938
GPT-6 Astra Medium	50	65%	49%	54%	$1.54	約10k	約3k
GPT-6 Astra High	51	67%	54%	55%	$1.72	約12k	約5k
GPT-6 Astra xhigh	53	67%	60%	56%	$2.31	約17k	約9k

先に注意しておくと、Intelligence Indexの44と46を見て「Astraが4.5%賢い」と読むのは間違いです。これは複数の評価をまとめた指数で、身長や値段のように割り算で比べられる数字ではありません。

言えるのは、同じ評価方法でAstra Lowが46、Sol xhighが44だったことです。コーディング作業を自分で進める力を測るTerminal-Bench v4.0では、42%対25%と差が大きく出ました。

一方でSciCodeは、Sol xhighが57%、Astra Lowが54%です。Astra Lowが、あらゆる面でSol xhighより上というわけではありません。

「Lowが全部勝つ。はい解散」とはなりません。そこまで世界は雑ではないのです。

2. いちばん不思議なところ――Astraは単価が2.5倍なのに、Lowは評価タスクで安かった

OpenAI公式のAPI単価は、はっきりしています。

モデル	入力 1M token	キャッシュ入力 1M token	出力 1M token
GPT-5.6 Sol	$4	$0.40	$20
GPT-6 Astra	$10	$1	$50

同じ量のtokenを使えば、AstraはSolの2.5倍かかります。

Work / Codex向けの公式credit rateも同じ比率です。Astraは入力250・キャッシュ25・出力1,250 credits/1M、Solは100・10・500 credits/1Mです。

ここだけ見ると「Astra、高っ！」で終わります。

ところがArtificial Analysisの評価では、1タスク当たりAstra Lowが$0.82、Sol xhighが$1.18でした。

理由は単純で、単価が高いモデルでも、使うtokenが大きく減れば、1タスクの合計は安くなりうるからです。

同じ評価で、Sol xhighは1タスク当たり出力約20k・推論約10kのtokenを使いました。Astra Lowは出力約4k・推論約938です。

高級タクシーは目的地まで5分で着きました。普通のタクシーは料金が安いのに、なぜか町内を三周してから着きました。そんな料金表です。

ただし、この$0.82と$1.18はArtificial Analysisの評価タスクでの加重平均です。あなたのCodex作業が、必ずこの金額になるわけではありません。

3. OpenAI自身も「まずLowかMedium」と言っている

ここは大事なところです。

OpenAIのWork / Codex向けAstra利用ガイドは、モデルの選び方と、考える量（推論の強さ）の調整は別だと説明しています。

考える量が少ない設定は、速く返してほしいときや、利用枠を長持ちさせたいときの出発点です。Mediumは、速さと深い推論のバランスを取る設定です。考える量が多い設定は、難しい問題向けだと整理されています。

さらに公式ガイドは、Astra LowがSol Highを上回る場合があると明記しています。Sol Highで良い結果が出ていた人には、Astra LowかMediumから試すよう勧めています。

もう一つ。

考える量を増やしても、結果が必ず良くなるとは限りません。

「高い設定ほど常に正義」というRPGの武器屋のような世界ではないのです。

4. Astra Lowを常用してよいのは、どんな仕事？

Lowを標準にしやすいのは、目的と材料がそろっている仕事です。

たとえば、次のような仕事です。

仕様が明確な実装
既存コードの一部だけの修正
リファクタリング（動きを変えずにコードを整理すること）
テストの追加
コードレビュー
原因がある程度見えているエラーの調査
資料の要約
比較表づくり
決まったルールに沿った繰り返し作業

この手の仕事では、必要以上に長く考えるより、短く考えて正しく終え、次へ進む方が全体は速く進みます。

OpenAIは、結果が要求を外したときは、まず指示が明確か、必要なファイル・接続アプリ・権限が渡っているかを確かめるよう案内しています。考える量を増やしても、存在しない情報や権限は呼び出せません。

「ファイルは渡してないけど、Extra Highなら透視してくれるやろ」は無理です。

5. LowからMediumへ上げるとき――最初に頼る一段上

Lowで一度取りこぼしたからといって、いきなりxhighへ飛ぶ必要はありません。

最初に上げる先はMediumで十分です。

Mediumが向くのは、次のような場面です。

複数のファイルにまたがる依存関係がある
仕様があいまい
原因の候補が複数ある不具合
設計の取捨選択が要る
長めの実装計画を立てる
テストの失敗を見ながら直していく

Artificial Analysisでは、Astra MediumはIntelligence Index 50、Terminal-Bench v4.0 49%、評価タスク当たり$1.54でした。

Lowの46 / 42% / $0.82より、性能も費用も上がります。それでも、xhighほどの重装備ではありません。

つまりMediumは、「Lowだとちょっと雑だった。でも戦車を呼ぶほどではない」というときの、ボス戦用の装備です。

6. HighとExtra Highはいつ使う？――通勤にヘリは使わない

Highを使う意味があるのは、次のような案件です。

Mediumでも問題の中心を外す
設計の副作用が大きい
同時に動く処理、速度、安全性、データの移行など、失敗したときの直しが高くつく

Astra HighはIndex 51、Terminal-Bench 54%、評価タスク当たり$1.72です。

Mediumの50 / 49% / $1.54と比べると上積みはありますが、すべての仕事をHighに固定するほど大きな差ではありません。

Extra High（xhigh）は、もっとはっきりしています。Artificial AnalysisではIndex 53、Terminal-Bench 60%で、今回の5設定の中でトップです。その代わり、評価タスク当たりの費用は$2.31でした。

難しい根本原因の調査、長く任せっぱなしにする作業、条件が絡み合う大改修、失敗が高くつく一発勝負には強い設定です。

でも毎回xhighにするのは、コンビニへヘリで行くようなものです。

行けるし、強いし、たぶん着きます。でも燃料の話をしましょう。

7. じゃあSol xhighはもういらない？――そこまでは言えない

Astra Lowがとても魅力的でも、Sol xhighを「もう用済み」と決めるのは早すぎます。

理由は三つあります。

一つ目は、ベンチマークによって勝ち負けが違うことです。SciCodeではSol xhighが57%、AstraはLow/Mediumが54%、Highが55%、xhighが56%でした。

二つ目は、同じtoken量なら、Solの公式単価はAstraより60%低いことです。Astra Lowが評価タスクで安かったのは、その評価でtokenを大きく減らせた結果です。すべての実際の作業で同じになるとは限りません。

三つ目は、実際のリポジトリ（コードの保管場所）には、ベンチマークにはない癖があることです。巨大な既存コード、独自のテスト、権限、ツールの呼び出し、長い文脈、社内ルール。最後は、自分の仕事でも確かめた方がいいでしょう。

ベンチマークは地図であって、自宅の階段の段差までは測ってくれません。

8. 実用ルール――「Low固定」ではなく「Lowから始めて、必要なときだけ上げる」

実際の作業では、次の5段階で十分です。

状況	おすすめ
新しい通常のタスクを始める	Astra Low
指示も材料もそろっているのに、核心を一度外した	Astra Medium
Mediumでも同じ中心の問題を外す / 難しい設計	Astra High
Highでも片づかない / 一発の失敗が高くつく / 最難関の根本原因	Astra xhigh
問題が解けて、通常の作業に戻った	Lowへ戻す