GPT-6 Astra vs Gemini 3.8 Flash

ポジ 13 ／ ネガ 4 ／ 中立 4

ポジ 16 ／ ネガ 2 ／ 中立 3

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。

前世代 Gemini 3.7 Flash（2026-08-13 公開）の後継として 2026年9月2日（米国時間）に公開された Google の主力（workhorse）モデル。 3.7 Flash からわずか3週間、6週間で3世代目という速さで、Google の位置づけは「いちばん賢い働き者」。 同時に、防御側専用の Gemini 3.8 Flash Cyber も発表されました（Fairwind Program の審査を通った政府機関・重要インフラ・ ソフトウェア保守者だけが使える枠で、一般提供ではありません）。 料金は 3.7 Flash と据え置きで、2026年12月31日までの導入価格が 入力 $0.75 / 出力 $3.75、2027年1月1日から 入力 $1.50 / 出力 $7.50 （本表とコスパ指数は、いま実際に請求される導入価格で算出しています）。 入力 1,048,576 / 出力 65,536 tokens、マルチモーダル入力（テキスト・画像・音声・動画、出力はテキスト）、モデル名は `gemini-3.8-flash`。 thinking level は low / medium / high の3段階（指定しない場合は medium）で、3.7 Flash にあった minimal は 3.8 Flash では使えません （指定するとAPIエラーになります）。 Google 公表のベンチで数値が明示されているのは HLE-Verified 54.9% のみ。DeepSWE v1.1・Vals Finance Agent V2・ Harvey's Legal Agent Benchmark は「3.7 Flash を上回る」とだけ書かれていて、具体的な数値は公表されていません（推測では埋めていません）。 第三者測定は Artificial Analysis Intelligence Index v4.3.2 で 41（high 設定・2026-09-23 確認）。 SWE-Bench Verified / GPQA / AIME / MMLU は公式も第三者も数値を公表しておらず空欄です（名前の似た別テストの値では埋めていません）。 【1トークンあたりは同じでも、1タスクあたりは高くつきます】Google 自身が「3.8 Flash はより多く考え、道具を何度も呼ぶので、 とくに effort を上げるとトークンを多く使うことがある」と明記しています。実際 Artificial Analysis の測定でも、 同じテスト一式を解くのに使った出力トークンは 3.7 Flash の 64M に対し 3.8 Flash は 120M で、 1タスクあたりのコストは $0.40 → $0.58 に上がっていました（2026年9月上旬の指標の版での値。AA は 9月19日の v4.3.2 で全モデルを採点し直しているので、 最新の値は AA のページで確認してください）。公開時は、安さ優先の用途では 3.7 Flash がそのまま使え、Google も継続提供を明言していました。 ただし 3.7 Flash は2026年10月8日に提供を終え、Google AI Studio では選べなくなり、Gemini API で指定すると自動で 3.8 Flash に回されます。 いま安さを優先するなら、3.8 Flash の thinking level を low に下げるか、より安い Gemini 3.5 Flash-Lite（入力 $0.30 / 出力 $2.50）を使う手があります。 本表の 1,048,576 トークンは、Google が Input token limit（入力に使える上限）として公表している値で、出力の上限 65,536 トークンは別枠（2026-09-03 に公式モデルページで確認）。

• → 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%）

• → Google 公式ブログ：Gemini 3.8 Flash / 3.8 Flash Cyber 発表（2026-09-02）
• → Google Cloud：Gemini 3.8 Flash モデルページ（モデルID・入力 1,048,576 / 出力 65,536・thinking level）
• → Google AI for Developers：Gemini API のモデル一覧（3.8 Flash が Stable・3.7 Flash は前世代表記）
• → Google AI 料金（3.8 Flash の導入価格と2027-01-01 からの通常価格）
• → Artificial Analysis：Gemini 3.8 Flash（Intelligence Index v4.3.2 = 41・high 設定・168モデル中42位・2026-09-23 確認）
• → Artificial Analysis：Gemini 3.7 Flash（Intelligence Index v4.3 で 39・high 設定・2026-09-08 確認）
• → Google 公式ブログ：Gemini 3.7 Flash 発表（前世代・2026-08-13）
• → Google AI for Developers：Gemini API 変更履歴（2026-10-08 に 3.7 Flash を非推奨化し、3.8 Flash へ自動で転送）