GPT-6 Astra vs Gemini 4 Argon

ポジ 13 ／ ネガ 4 ／ 中立 4

ポジ 15 ／ ネガ 7 ／ 中立 1

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。

Google の Gemini でいちばん上のモデル。2026年9月30日（米国時間）に発表され、発表時は Google の Fairwind Program に入ったサイバー防御の組織だけへの限定提供だったが、2026年10月13日（米国時間）に一般提供が始まった（本表の公開日は発表日）。 API のモデル名は gemini-4-argon（Stable）で、使えるのは Gemini API の有料ティアだけ（無料枠なし）。Gemini アプリと Google 検索の AI モードでは Google AI Pro・Google AI Ultra の加入者が使える。 料金は2026年11月30日までが 入力 $2 / 出力 $10（キャッシュ入力 $0.10）、2026年12月1日から 入力 $4 / 出力 $20（キャッシュ入力 $0.20）（本表とコスパ指数は、いま実際に請求される11月30日までの価格で算出しています）。3.1 Pro と違い、20万トークンを超える依頼の割増料金はない。 本表の 1,048,576 トークンは入力と出力で共有する1つの枠で、Gemini 3.8 Flash などの「入力に使える上限」とは数え方が違う。 1回の出力は通常 65,536 トークンまでで、long decode（長い出力のモード）を使うと最大 1,048,576 トークンまで書ける。 入力はテキスト・画像・動画・音声・PDF、出力はテキストのみで、考える量（thinking level）は low / medium / high の3段階（2026-10-14 に公式モデルページで確認）。 第三者測定は Artificial Analysis Intelligence Index v4.3.2 で 53（High 設定・216モデル中8位・2026-10-14 確認）。 この評価一式で書いた出力は 110M トークン（全モデルの中央値は 85M）で、1課題あたりの費用は $1.99。 Google が公表した比較表と評価方法の資料には SWE-bench Verified・MMLU・GPQA・AIME・HLE が出てこないため、これらの欄は空欄です（名前の似た別のテストの値では埋めていません。たとえば資料にある Agent's Last Exam は HLE とは別のテスト。3.1 Pro の値も持ち込んでいません）。 Google の公式比較表では、実務系の Vals Index が 68.9%（Vals AI の測定）、長いプログラム修正の DeepSWE v1.1 が 77.9%、コマンド操作の Terminal-Bench 4.0 が 57.4%（この2つは Google 自身の測定）。 前の行の Gemini 3.1 Pro（2026年2月19日公開・入力 $2 / 出力 $12、20万トークン超は $4 / $18・SWE-bench Verified 80.6%・GPQA 94.3%・MMLU 91・AIME 95・知能スコア 30）は、Gemini アプリでは 4 Argon と並んで引き続き選べ（報道）、API のモデル名も gemini-3.1-pro-preview のままで終了日の告知はない（2026-10-14 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 4 Argon の一般提供開始（2026-10-13）
• → Google 公式ブログ：Gemini 4 Argon 発表（2026-09-30。Fairwind Program での限定提供）
• → Google AI for Developers：Gemini 4 Argon モデルページ（入出力共通 1,048,576・出力 65,536／long decode で 1,048,576）
• → Google AI 料金（2026-11-30 までの $2/$10 と 2026-12-01 からの $4/$20）
• → Google DeepMind：Gemini 4 Argon の評価方法（公式比較表のテスト一覧と測定条件）
• → Artificial Analysis：Gemini 4 Argon（Intelligence Index v4.3.2 で 53・High 設定・216モデル中8位・2026-10-14 確認）
• → Google 公式ブログ：Gemini アプリでの Gemini 4 Argon の提供（Google AI Pro・Ultra）
• → Jetstream：Gemini アプリで 4 Argon が 3.1 Pro と並んで選べるように（2026-10-14・報道）
• → Gemini API の提供終了予定一覧（gemini-3.1-pro-preview は終了日の告知なし・2026-10-14 確認）
• → Google DeepMind：Gemini 3.1 Pro Model Card（前の行の値）