GPT-6 Astraが来た。
賢い。強い。探索もできる。
では最高モデルをずっと回せば最強では？
そう思って回すと、今度は利用枠のほうが先に死ぬ。
特にCodexやChatGPT Workの長時間タスクでは、短い質問を何回送ったかだけでは消費量を説明できない。OpenAIは、使用量がモデル、タスクの複雑さ、コンテキスト、推論設定、速度、ツール利用などで変わり、AstraはGPT-5.6 Solより利用枠を速く消費し得ると説明している。
そこで重要になるのが、「全部Astra」ではなく「Astraを難所にだけ出動させる」運用だ。
結論から言えば、Codexでは同じセッション内で/modelからモデルと推論強度を変更できる。
ただし注意。
実行中の1ターンの途中で、走っているAstraをその場でSolへ差し替える機能ではない。
公開Issueでも「実行中のプロンプト中にモデルを切り替え、次のキュー済みプロンプトへ反映したい」という要望は別機能として扱われている。
つまり実際の運用は、
Solで作業 → ここは難しい → ターンが終わる → /modelでAstra → 難所を処理 → /modelでSolへ戻す
である。
1. 「モデル切替可能」と「自動ルーティング」は別物
Codexの/modelは、使うモデルと推論強度を選ぶためのコマンドとして実装されている。
これはかなり便利だ。
しかし、Codexが毎回タスク難易度を完璧に判定して、
- READMEの誤字修正だからLuna
- 普通の実装だからSol
- 原因不明の障害だからAstra
- 修正方針が決まったからまたSol
と自動で財布まで考えて切り替えてくれる、という意味ではない。
現時点では、人間側で「この仕事にAstraを使う価値があるか」を判断する運用が重要になる。
AstraでREADMEの句読点を直すのは、F1マシンで牛乳を買いに行くようなものだ。
できる。
たぶん速い。
でもその使い方を毎日やる必要はない。
2. なぜAstraは週枠を溶かしやすいのか
まず、API料金を見るとモデルの位置づけが分かりやすい。
2026年9月6日時点の公式モデル一覧では、100万トークンあたりの標準API価格は次の通り。
| モデル | 入力 | 出力 |
|---|---|---|
| GPT-6 Astra | $10 | $50 |
| GPT-5.6 Sol | $4 | $20 |
| GPT-5.6 Terra | $2 | $12 |
| GPT-5.6 Luna | $0.20 | $1.20 |
AstraはSolの2.5倍の単価だ。
ただし、ここで「Codexの週枠も必ず2.5倍速で減る」と計算してはいけない。
ChatGPTプラン内のWork/Codex利用枠はAPI請求そのものではなく、実際の消費はタスクの場所、複雑さ、コンテキスト、推論、速度、ツールなどでも変わる。
つまりAstraは「一発何円の固定コイン」ではない。
長いrepoを読ませる。
大量のログを渡す。
ブラウザを使わせる。
仮説を何本も立てさせる。
何度もテストさせる。
こうなると、最高性能モデルを使っている時間そのものではなく、仕事量全体で利用枠が燃える。
Astraに「全部見て、全部考えて、全部直して」と5時間言い続けるのは、研究主任にコピー、荷下ろし、清掃、電話番まで全部やらせている状態に近い。
研究主任は優秀だが、主任の勤務時間は有限である。
3. Astraを使う価値が高いのは「探索」
では何にAstraを使うべきか。
特に相性がいいのが探索だ。
ここでいう探索とは、単にファイルを検索することではない。
- 原因が分からない障害から複数の仮説を作る
- repo全体を見て構造的な欠陥を推定する
- 何度直しても再発するバグの共通原因を探す
- 大量の候補から検証価値の高いものを絞る
- 既存手法を比較し、新しい実験案を作る
- 失敗ログから「次に何を試すべきか」を考える
- 設計のトレードオフを横断して最終判断する
といった、答えが最初から見えていない仕事である。
OpenAI自身もAstraを、複雑な推論、コーディング、ブラウジング、ソフトウェア工学、複数段階ワークフローに強い最上位モデルとして位置づけている。
逆に、答えがほぼ決まっている大量処理は下位モデルへ渡しやすい。
4. 一番強いのは「Sol → Astra → Sol」のサンドイッチ
実用上かなり強いのは、この流れだ。
第1段階：Sol/Terra/Lunaで安く広く集める。
ファイル一覧、ログ、テスト結果、候補箇所、既存実装を集める。
第2段階：Astraで絞る。
「候補は7つ。失敗ログはこれ。過去3案は全部失敗した。次に疑うべき原因を順位付けして」と渡す。
第3段階：Sol/Terraで大量検証する。
Astraが作った仮説をテスト、修正、ベンチマークで潰していく。
第4段階：まだ詰まったらAstraへ戻す。
検証結果を圧縮して、第2探索をさせる。
これならAstraは、100個のファイルを一個ずつ眺める作業員ではなく、材料が揃ったところで呼ばれる研究主任になる。
財布にも優しいし、Astraの能力にも合っている。
5. 役割分担はこう考えると分かりやすい
厳密な性能順位ではなく、利用枠を節約する運用イメージとしては次のように分けられる。
| 仕事 | 第一候補 |
|---|---|
| 単純検索、整形、軽い修正、大量反復 | Luna / Terra |
| 通常実装、レビュー、一般的なバグ修正 | Sol |
| 未知の原因探索、複雑な設計、仮説生成、最終難所 | Astra |
大事なのは「Astraは一番賢いから全部Astra」ではなく、
Astraでしか増えにくい価値がある場所へAstraを置くこと。
これは工場で一番高性能な測定器を全工程に置かないのと同じだ。
異常が出た場所、判定が難しい場所、原因究明が必要な場所に置く。
6. 使用量は/statusと使用状況画面を見る
Codexの利用上限が怪しくなったら、感覚で「あと100メッセージくらいかな」と考えないほうがいい。
OpenAIは設定・使用状況ダッシュボードで、使い切った利用枠、残高、表示されているリセット時刻を確認するよう案内している。実行中のCodex CLIでは/statusも使える。
さらに、Codex、ChatGPT Workなど対象機能は共通利用枠を使う場合がある。
「Codexをあまり使っていないのに減っている」なら、別の対象エージェント作業も含めて見る必要がある。
7. 「毎日リセットしてくれ」は残念ながら標準仕様ではない
Astraを探索用に使うと、一番欲しくなる機能がこれだ。
毎朝100%に戻ってくれ。
昨日は未知バグを掘った。
今日は別の未知バグを掘りたい。
研究者の気分としては完全に正しい。
しかし現行のCodex利用枠は、5時間枠や週次枠など、画面に表示される複数の期間で管理される。
対象のPlus/Pro個人アカウントには、即時の有料週間リセットが表示される場合がある。購入すると5時間枠と週次枠が即時回復するが、これは「追加の別週をプレゼント」ではない。通常の週間枠を前倒しし、その後の最初のWork/Codexリクエストを起点に新しい7日周期が始まる仕組みだ。
また、保存済みのリセットを持っている対象ユーザーは、それを使うと5時間・週次の利用期間が更新され、次の週次リセット日も変わる。
サポートへ「今日だけ全回復してください」と頼めば通常リセットしてもらえる、という制度ではない。
つまり現状は、
毎日ログインボーナスでAstra全回復
ではない。
残念。
ゲームならかなり欲しい仕様である。
8. Astraを使うならCLIのバージョンにも注意
AstraをCodex CLIで使うには、OpenAIはCLI 0.153.0以上を要求している。
モデルが見えない、選べない、挙動がおかしい場合、プランだけでなくクライアントのバージョンも確認する必要がある。
9. 結論――Astraは常駐作業員ではなく、探索主任にすると強い
Codexはモデルを切り替えられる。
ただし、実行中の1ターンをリアルタイムで差し替えるのではなく、ターン間で仕事に合わせて切り替えると考えるのが正確だ。
そしてAstraの利用枠が貴重なら、最も合理的な運用はかなり明快である。
普段はSol。軽作業はTerra/Luna。探索、仮説生成、原因不明の難所、最終判断だけAstra。終わったら即戻す。
Astraを5時間ずっと走らせれば、とんでもない仕事量をこなせる。
そして、とんでもない速度で週間予算も食べられる。
だから必要なのは「最強モデルを使う技術」だけではない。
最強モデルを、どこで使わないか決める技術である。
