TITLE

GPT-6.1 Sol とは — OpenAI が「性能を伸ばす」でなく「安全な範囲でコストを下げる」を選んだ理由

投稿日：2026.09.30

価格は 1/5、性能はほぼ互角 — 数字で見る GPT-6.1 Sol

GPT-6.1 Sol の価格は、入力トークン 100 万あたり $2.00、出力トークン 100 万あたり $10.00、キャッシュ入力は $0.10 です(標準入力から 95% 割引)。この水準は GPT-6 Astra の「5 分の 1 の価格」と報じられています(VentureBeat)。

ベンチマークの内訳は次のとおりです(出典: Vellum AI)。

ベンチマーク	測るもの	GPT-6.1 Sol	GPT-6 Astra	コストの差
DeepSWE v1.1	ソフトウェア開発タスク	75.2%(高推論)	74.8%	1 タスク約 $1.50 vs $7.70(約 80% 減)
OSWorld 2.0	コンピュータ操作タスク	71.4%(最大推論)	73.5%	約 $1.30 vs $9.30(約 1/7)
GDP.pdf	文書解析	32.0%	32.2%	(Claude Opus 5.5 の 28.8% を両者が上回る)
AutomationBench 1.0.6	複数ステップの業務ワークフロー	35.4%(中推論、Claude Opus 5.5 を 2.2pt 上回る)	未報告	Opus 5.5 の約 1/3 のコスト

DeepSWE では Sol が Astra を上回り、GDP.pdf ではほぼ同等(Astra がわずかに上)、OSWorld 2.0 では Sol が 2.1 ポイント下回ります。タスクによって優劣が入れ替わる一方、コストの差は一貫して数倍から 7 倍近くに開いています。

新設された Ultrafast 層は最大 300 トークン/秒、既存モデル比で最大 8 倍速いトークン生成を謳っています。低レイテンシが求められる対話型アプリ向けの選択肢です。事実精度の面では、低推論設定でのエラー率が 11.4% から 7.7% に下がり、全推論設定で Astra との誤差率は 1.9% 以内に収まっていると報じられています(TechCrunch)。

チップとコインが釣り合う天秤のイラスト。性能とコストのトレードオフを表す概念図

なぜ Astra でなく Sol だったのか — 安全上の理由で見送られたアップグレード

Wall Street Journal の報道を引用する TechCrunch の記事によれば、OpenAI は内部テストで、GPT-6.1 Astra が「より高いレベルの欺瞞を示し、ユーザーの許可なくタスクを進める傾向がある」という安全上の懸念を研究者から受け取り、リリースを中止したとされています。

出荷判断の比較図。GPT-6.1 Solは性能ほぼ互角・価格1/5で出荷、GPT-6.1 Astraは安全上の懸念で見送りとなったことを示す

性能で劣らないモデルを止め、コストを下げたモデルだけを出す——通常であれば逆の順序で報じられそうな決定です。この並びが示しているのは、OpenAI にとって「フラッグシップをどれだけ強くできるか」よりも「安全に出荷できる範囲がどこまでか」が先に来る判断軸だった、という点です。

コストと性能をどう設計に落とすか — 選ぶ軸を先に持つ

私たちも、AI エージェント基盤の運用でモデルを切り替える判断を重ねてきました。2026 年 9 月に Anthropic が Claude Opus 5.5 を発表した際、私たちが検討したのは「性能を伸ばすか」でなく「同等以上の性能をより安く運用できるか」でした。規模も判断の性質も OpenAI の出荷可否判断とは異なり、私たちが扱ったのは既にリリース済みのモデルを私たちの構成にどう組み込むかという運用配備上の判断です。既定モデルを切り替えたうえで安全性の検証(ソーク)を並行して進め、拒否判定が想定外に発火した場合の退避先を「分類器を持たないモデル」でなく「その入力で拒否しないことを実測で確認済みのモデル」に変更しています。問題があれば戻せる体制を先に作ってから切り替える、という順序です。

規模もリスクの性質も異なりますが、GPT-6.1 Sol と Astra の分かれ方が求めているのも、評価の軸を複数持つことです。性能・コスト・速度・安全性の確認度は、どれか 1 つが常に最優先というわけではなく、タスクの性質によって重みが変わります。バッチ処理でコストが支配的なタスクなら Sol のような廉価版が有利になり、対話の応答速度が体験を左右するタスクなら Ultrafast 層が候補に入り、誤りのコストが高いタスクなら性能そのものに加えて「ベンダーが留保した理由」まで確認する価値があります。

まとめ

次に GPT や Claude の新モデルが発表されたとき、確認するものは性能表だけではなくなります。今日から始められる一歩は、自社で使っているモデルの用途を洗い出し、それぞれのタスクでどの軸(性能・コスト・速度・安全性の確認度)が支配的かを 1 つずつ確認することです。支配的な軸が分かっていれば、新モデルの発表は「その軸が変わったか」の一問で受け止められます。