GPT-6 Astra vs Grok 4.7

ポジ 13 ／ ネガ 4 ／ 中立 4

ポジ 12 ／ ネガ 4 ／ 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。

2026-09-21 公開、Grok 4.6 の後継（API は grok-4.7）。SpaceXAI は「Grok 4.6 より大きい新しい土台のモデル」を使い、完了まで何時間もかかる難しい問題に重みを置いて追加学習を延ばしたと説明している。料金は入力 $2／出力 $6、キャッシュ済み入力 $0.50 で Grok 4.6 と同じ。ただしプロンプトが20万トークンに達したリクエストは、そのリクエストの全トークンが倍額（入力 $4／キャッシュ $1／出力 $12）になる。本表の $2/$6 は20万トークン未満のときの値。一度に読める量は50万トークン、1回の出力に上限は設けられていない。知識は2026年5月まで。考える機能は切れず、段階は low・medium・high・xhigh の4つで既定は high。出力速度が2倍・料金も2倍の高速版は、Cursor と自社のコーディングツール Grok Build でだけ使える。第三者機関 Artificial Analysis の AA Intelligence Index は 46（v4.3.2・xhigh 設定／2026-09-23 確認。high 設定でも 46）で、同じ指標の Grok 4.6（high 設定）は 44。公式の比較表（Grok 4.7 は xHigh、Grok 4.6 は High、GPT-5.6 Sol と Claude Fable 5.1 は Max での測定）では、コマンド操作の Terminal-Bench 4.0 が 37.6%（Grok 4.6 は 20.3%）、CursorBench 4.0 が 46.3%、DeepSWE v1.1 が 71.0%（この1項目だけ high 設定）、電気工学の EEBench が 64.0%、法務の Harvey Legal Agent Benchmark が 19.6%。なお同じ表は Claude Fable 5.1 の Terminal-Bench 4.0 を 57.9% としているが、Anthropic 自身の公表値は 55.8%。Artificial Analysis 自身の測定（共通の足回り）では、Grok 4.7 の Terminal-Bench 4.0 は 25.8% だった。本表の SWE-bench Verified・MMLU・GPQA・AIME・HLE は公式も第三者も数値を出しておらず「—」（DeepSWE や SWE-bench Pro の値を、別のテストである SWE-bench Verified の欄には入れません）。前世代 Grok 4.6（2026-08-12 公開）は料金も一度に読める量も同じで、知能スコアは 44（v4.3.2・high 設定）。

• → 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%）

• → SpaceXAI：Introducing Grok 4.7（2026-09-21・公式の比較表）
• → xAI Docs：Grok 4.7（知識カットオフ 2026年5月・出力上限なし）
• → xAI Docs：Models（grok-4.7・一度に読める量 50万トークン）
• → xAI Docs：料金（20万トークン以上で倍額の段差料金・高速版の料金）
• → Artificial Analysis：Grok 4.7（Intelligence Index v4.3.2 で 46・xhigh 設定・2026-09-23 確認）
• → Artificial Analysis：Benchmarking Grok 4.7（2026-09-21・xhigh 設定で評価）
• → Anthropic：Claude Fable 5.1 発表（Terminal-Bench 4.0 は 55.8%）
• → Artificial Analysis：Grok 4.6（前世代・v4.3.2 で 44・high 設定）