GPT-6 Astra のコードは本当にどれだけ強いか？Coding Agent 実測：速度、Token、コストと実プロジェクト完了率

発表ページは GPT-6 Astra を「いちばんコードが上手いモデル」と書く。請求書は別の話だ。単価は先代の約 2.5 倍、思考レベルは low から max。チームが本当に止まるのは「榜で何点高いか」ではなく、同じ ticket で壁時計が何分、Token がいくつ、月末がいくら、最初の diff をマージしてよいか、だ。

日常の殻は Codex が多い。製品の切り方は Claude Code、Codex、Gemini 3.8 Flash 比較、お金の重ね方は AI Coding Agent の月額は結局いくら。Fable と同一プロジェクトで並べる話は GPT-6 Astra vs Claude Fable 5.1：本当にコードが上手いのは誰。ここでは Astra 自身を四つに分ける。速度、Token、コスト、完了率。

公開の完了率は何を測っているか

2026年9月の OpenAI 発表ページにあるソフトウェア工学の数字（知識カットオフ 2026-04-30）はおおよそこうだ。

Artificial Analysis は Codex 上の Astra に 62 を付け、Claude Code 上の Fable 5.1 と並ぶ。数字は揃っても定義は揃わない。公式表、第三者 harness、そして「テスト緑＋レビューがマージしてよい」は、三種類の完了率だ。

壁時計と思考レベルをどう読むか

Astra の reasoning.effort は low / medium / high / xhigh / max。上げるほど周回数、ブラウザ検証、盲目の apply-patch ではなく実行が増え、壁時計も Token も一緒に伸びる。

発表ページの壁時計はもう二つある。

• Codex harness 更新後、Mind2Web では GPT-5.6 Sol より約 1.9× 早く終わる。
• OSWorld 2.0：Astra は約 72.6% / 40 分、Sol は約 65.7% / 75 分（時間は約 47% 短い）。
• API の Fast は標準の約 2 倍速、課金も約 2 倍。

同じリポジトリ、同じ「非同期 CSV エクスポート」ticket では、Astra はキュー・再試行・CI を先に緑にしやすい。空状態と読み込み文言は二周目になりがちだ。壁時計が短くても、レビューが一発で通るとは限らない。

Token 量と単価がねじれる理由

表示価格は Sol の $4 / $20 から $10 / $50（100万入力 / 出力）へ、約 2.5 倍。キャッシュ読み $1、キャッシュ書き $12.50。Token 単価は高い。同じ仕事で「話す量」は減りやすい。

Artificial Analysis の Codex・max では、Astra のタスクあたり Token は Sol の約 三分の一。タスク単価は約 $7.09 で、同点の Fable 5.1 より約 4 割安く、Sol max より約 15% 高いだけ、指数は上。Intelligence Index では Astra max の出力は約 27k、Fable 側は 78k 付近が多い。

読み方は一つ。単価だけ比べない。 短い実行密集タスクなら 2.5× の札を相殺できる。同じ巨大リポを何度も読み、長文脈加算まで踏むと、請求は逆に傾く。

一回のタスク請求にまだ何が残るか

Plus / Pro には Astra 枠が含まれることが多い。無限の max ではない。中規模の Agent ターンでリポ、ログ、失敗軌跡を全部窓に詰めれば、先に当たるのは $10 の行ではなく 272K 加算だ。マシンが眠ると Prompt Cache が切れ、「続けて」が全量入力になる。いちばん損なウォームアップだ。月次の四冊の帳簿は、コスト記事のまま。

実リポジトリで完了率はどこで落ちるか

「実プロジェクト完了率」は総榜より、三列で書いた方がいい。

1. 評価完了： Terminal-Bench は Sol から大きく跳ねる。DeepSWE は +1.4 点だけで、短いパッチはもともと近い。
2. デモ完了： キュー、認証、再試行は、Astra の方が先に手を挙げやすい。
3. マージ完了： 空状態、無効状態、横断モジュールのリスク説明は、まだ人の一言かもう一周が要ることが多い。

落ちやすい三点。レビューが UI を見る。二周目で共有クエリやキャッシュキーを触るのに「先に読み取り、最小 diff」を書いていない。Token 節約で文脈を切って制約を落とす。第三者の公開例では、low で中規模移行が約 30 分・約 11 ドルで終わった、という話もある。それは「動いた」であり、「読まずにマージ」ではない。

日常のレベルと上限の置き方

1. 既定は medium か high。 max は横断リファクタ用。low は下調べと再現スクリプト。
2. Fast を夜間の既定にしない。 デモ急ぎならよい。長いリファクタは単価をもう一度掛ける。
3. できるなら 272K 未満。 ticket を変えるときは /clear。失敗ログを /compact で押し込むより安い。
4. マシンを起こしておく。 蓋を一時間閉じるとキャッシュが消え、次は全量入力。
5. 受け入れは三列。 緑だけ見ると、完了率は榜に引っ張られる。

# 同じ ticket を三列で残す
壁時計（分） | 入力 / 出力 / キャッシュ Token | そのままレビューに出せるか