GPT-6 Astra vs DeepSeek V4.1-Flash

ポジ 13 ／ ネガ 4 ／ 中立 4

ポジ 21 ／ ネガ 3 ／ 中立 12

2026-09-03（米国時間）公開の OpenAI 最上位モデル（API は gpt-6-astra）。 「Astra」は 2026-08-01 に数学の未解決問題を10問解いた成果として存在が明かされたモデルで、そこに GPT-6 という世代番号が付いて公開された。 提供は段階的で、まず Daybreak プログラムで承認された組織（2026-09-03 時点で2,000の組織・ワークスペース）に届き、数日中に ChatGPT の Plus・Pro・Business・Enterprise へ広げると案内された（Enterprise は既定で無効、管理者が有効化）。API のほか Amazon Bedrock・Microsoft Azure でも提供。 料金は入力 $10 / 出力 $50 で、前世代の GPT-5.6 Sol（$4/$20）の2.5倍。キャッシュ入力は $1、キャッシュ書き込みは $12.50（未キャッシュ入力の1.25倍）。まとめて投げる Batch と Flex は標準の半額、低遅延の Fast モードは2倍の $20/$100（最大2.5倍高速）。入力が 272,000 トークンを超えたリクエストは、そのリクエスト全体が入力2倍・出力1.5倍で計算される。 本表の「一度に読める量」922,000 は、OpenAI 公式表記のコンテキストウィンドウ 1,050,000 トークンから1回の出力上限 128,000 トークンを引いた値（GPT-5.6 Sol と同じ数え方）。知識のカットオフは 2026-04-30。入力はテキストと画像、出力はテキスト。 第三者機関 Artificial Analysis の AA Intelligence Index は 53（v4.3.2／max 設定・2026-09-23 確認）で、Claude Fable 5.1 と同じ 53。AA 全体の順位は168モデル中6位で、本表では 2026-09-22 公開の Claude Opus 5.5（max 設定で 58）が上にいる。2026-09-08 の v4.3 では小数まで見て Fable 5.1 の 53.4 に対して Astra は 52.8、順位は130モデル中1位対3位だった（公開時の v4.1.1 では Astra 61・Fable 5.1 66 と差があり、指標の版上げで縮んだ）。Meta の Muse Spark 1.3 は同じ v4.3.2・max 設定で 48 なので、本表では Astra が上に出る（Muse Spark 1.3 の max reasoning は Meta AI Research のブログが公開初日から利用可能と明記しており、2026-09-05 に原文で再確認した）。同社の Coding Agent Index は、公開時の記事では Codex ハーネスで 67 と、Claude Fable 5.1（Claude Code ハーネス）の 70 に次ぐ位置だった（この指標もその後採点し直されているので、最新の値は AA のページで確認してほしい）。 一方、OpenAI 自身が公表した数値ではパソコン操作とサイバーの伸びが大きい。OSWorld 2.0 は 72.6%（GPT-5.6 Sol は 65.7%）で所要時間は約75分→約40分、ScreenSpot-Pro 92.7%、BrowseComp 91.5%、Agents' Last Exam 59.3%、Terminal-Bench 4.0 57.9%、DeepSWE v1.1 74.1%、FrontierCode 1.1 Extended 64.5%、FrontierMath Tier 4 v2 97.6%、GPQA Diamond 96.0%、ExploitBench 100%（同 78.5%）、SRE-Bench 88.0%（4回以内で 99.2%）、SEC-Bench Pro 85.4%。許可された範囲を超える行動は 0%（同 48.2%）。 本表の GPQA 欄には OpenAI 自身の公表値 96.0% を入れている（本表の GPQA・HLE 欄は各社の公表値を載せる欄で、Anthropic 行の HLE がツールなし条件の公表値であるのと同じ扱い）。第三者機関 Artificial Analysis の独自実測は 96.1%（max 設定・2026-09-04 確認）で、公表値とほぼ一致している。 HLE（Humanity's Last Exam）は OpenAI が Astra について公表していないため「—」のまま。AA の独自実測は 54.7%（max 設定・2026-09-04 確認）だが、本表の HLE 欄に並ぶ他行はベンダー公表値なので、測り方をそろえるため欄には入れず、ここに記録だけしておく。 なお ARC-AGI-3 の 99.9% という数字が広く報じられているが、ARC Prize の計測では各社を同条件でそろえる Standard ハーネスだと 62.7%（費用 $26,098）で、99.9%（同 $19,285）は OpenAI 独自の Provider Adapter ハーネス（考えている途中の状態をリクエストをまたいで保持できる）を使ったときの値。 サイバーセキュリティ分野で OpenAI の Preparedness Framework の最上位「Critical」に分類された初めての自社モデルで、この分類を維持したまま公開された（GPT-5.6 Sol までは一段下の「High」）。評価中に未知のゼロデイ脆弱性を2件発見し、開発元に報告している。

2026-10-17 から API の deepseek-flash は改良版 DeepSeek-V4.1-Flash-1017 が答える（ウェブ版・アプリも同日に切り替え）。1017 は 2026-09-10 の V4.1-Flash を後から学習し直した版で、大きさと料金は同じ。本表の hle 42.6（道具なし）は DeepSeek が 1017 で公表した値（9/10 版は 36.8）。1017 では GPQA Diamond が公表されていないため、9/10 版の 90.9 は本表に持ち込まない。aaIndex 39 は Artificial Analysis が 9/10 版を測った値で、1017 は 2026-10-17 時点で未計測（測られたら差し替える）。1017 の DeepSWE v1.1 は 77.0（Mini-SWE-V2 で測定）、Terminal-Bench 4.0 は 42.3（Claude Code で測定）で、どちらも DeepSeek 自社公表値。DeepSeek のグラフでは DeepSWE の max 設定の1課題あたりの費用が約 $0.49 から約 $0.20 に下がった（答えが短くなったためで、単価は据え置き）。DeepSeek が比較した相手は Claude Opus 5 と GPT-5.6 Sol で、最新の Claude Opus 5.5 とは HLE で 42.6 対 64.4 の差がある。以下は 9/10 版の公開時からの記述。552B の MoE（土台のパラメータ。1トークンあたり実際に動くのは読み込み時 8B・書き出し時 16B）。KV キャッシュを 890 バイト/トークンまで圧縮し、旧 V4-Flash の約4分の1にしたことで入力側の単価を下げている。本表の $0.15 / $0.6 はオフピーク価格（入力はキャッシュミス時）で、キャッシュヒット時の入力は $0.003。ピーク時間帯はいずれもその2倍（入力 $0.3・出力 $1.2）。ピーク時間帯は UTC 月〜金の 01:00-04:00 と 06:00-10:00（日本時間 10:00-13:00 と 15:00-19:00）。2026-09-10 の公開に合わせて旧 V4-Flash と V4-Flash-Vision-Exp は引退し、モデル名 deepseek-flash で呼ぶ。なお deepseek-v4-pro も本モデルへの置き換えが予告されたが撤回され、V4-Pro は独自の料金（オフピークで入力 $0.66・出力 $1.98）のまま継続提供されている（2026-10-09 に公式料金ページで確認。本モデルの価格で課金されるのは、旧名の deepseek-v4-flash と deepseek-v4-flash-vision-exp で呼んだ場合だけ）。9/10 版の gpqa 90.9（GPQA Diamond）と hle 36.8（道具なし）は DeepSeek 自社公表値で reasoning_effort=100 の設定。9/10 版の DeepSWE v1.1 は 74.2 で Claude Opus 5 の 74.0 を上回るが、これは同社が併記した8種類のハーネスのうち最も高く出た mini-SWE の値で、Claude Code では 69.8・Codex では 65.6 と 8.7 ポイントの幅がある。SWE-Bench Verified は非公表のため本表に持たない。前世代 V4-Pro は 1.6T（49B アクティブ）・$0.66/$1.98・aaIndex 36・画像非対応だったので、置き換えで安く・賢く・画像対応になった形。中国製のため業務利用時は規約とデータ取扱の確認を。本表の100万トークンは公式料金ページの CONTEXT LENGTH（1M）で、出力の上限 384K は別枠（2026-09-11 確認）。

• → OpenAI Developers：GPT-6 Astra Model（コンテキスト1,050,000・出力上限128,000・知識カットオフ 2026-04-30・$10/$50・キャッシュ $1/$12.50）
• → OpenAI 公式：GPT-6 Astra: A new generation of intelligence（2026-09-03。ページ本文は JavaScript 必須で機械取得できない）
• → ITmedia NEWS：OpenAI、「GPT-6 Astra」を一部組織向けに公開　サイバー能力が初の「Critical」に（2026-09-04）
• → 窓の杜（Impress）：OpenAI、次世代モデル「GPT-6 Astra」を発表（2026-09-04。API 料金とベンチマーク）
• → the decoder：GPT-6 Astra is the first model making OpenAI willing to declare the AGI era（2026-09-03。公式ベンチ一覧）
• → Artificial Analysis：Benchmarking GPT-6 Astra（2026-09-08 確認時は Intelligence Index v4.3 で 53・130モデル中3位。v4.2 では 55、公開時の v4.1.1 では 61・Coding Agent Index 67）
• → Artificial Analysis：GPT-6 Astra（max）のモデルページ（Intelligence Index v4.3.2 で 53・168モデル中6位・2026-09-23 確認）
• → ARC Prize：OpenAI's GPT-6 Astra on ARC-AGI-3（Standard 62.7% / Provider Adapter 99.9%）

• → DeepSeek API Docs：DeepSeek-V4.1-Flash-1017 Release（2026-10-17・ベンチ表と DeepSWE の成功率×費用のグラフ）
• → Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash-1017（MIT・1017 のベンチ表）
• → DeepSeek API Docs：Change Log（2026-10-17 V4.1-Flash-1017 への更新／2026-09-10 V4.1-Flash 公開・V4-Pro の提供継続の告知）
• → DeepSeek API Docs：Models & Pricing（deepseek-flash＝DeepSeek-V4.1-Flash-1017 の料金・ピーク時間帯・2026-10-17 再確認）
• → Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash（9/10 版・MIT・552B・ベンチ表とハーネス別スコア）
• → Artificial Analysis：DeepSeek V4.1 Flash（9/10 版。Intelligence Index v4.3.2 で 39・max 設定・2026-09-23 確認。v4.3 では 39.55 で四捨五入すると 40。1017 のページは 2026-10-17 時点で無し）
• → MIT Tech Review：Why DeepSeek's V4 matters（前世代の背景）