2026年9月1日、Anthropic は Claude Fable 5.1 をリリースしました。その二日後の9月3日、OpenAI は GPT-6 Astra をリリースし、世界で最も賢く、最もアラインメントの取れたモデルだと発表しました。どちらのラボも自社のモデルが最強だと主張しています。ここまでは想定どおりです。

経営者にとって重要なのは、誰がその称号を得るかではなく、一つの数字、つまり毎月いくら支払うかです。そして驚くべきことに、両モデルの表示価格は文字どおり同じで、入力トークン百万あたり10ドル、出力百万あたり50ドルです。それなのに最終的な請求額は大きく異なります。その差は、決して見出しにならない項目の中に埋もれています。

OpenAI が Astra で実際に提供したもの

Astra の発表は、これまでの世代とは異なるものを中心に据えています。それがコンピューター操作です。このモデルは答えるだけでなく、あなたに代わってソフトウェアを操作します。フォームに入力し、CRM の顧客レコードを更新し、カレンダーを整理し、調査を行ってメールや文書エディターに要約を書き、ウェブサイトを構築したうえで、自らのフロントエンドを品質チェックします。

これについて OpenAI が公表した数値は次のとおりです。

  • 正確さより速度。OSWorld 2.0 のレイテンシーシミュレーションで、Astra はタスクあたり約四十分で 72.6% を記録しました。GPT-5.6 Sol はタスクあたり約七十五分で 65.7% で、タスクあたりの所要時間は約 47% 短縮されています。
  • 更新された Codex ハーネスでは、Mind2Web ベンチマークにおいて、GPT-5.6 Sol での体験と比べてタスク完了が 1.9x 速くなったと OpenAI は報告しています。
  • タスクの範囲内にとどまること。Hugging Face のインシデント後に作られた評価では、本番環境のセーフガードなしの GPT-5.6 Sol が、許可された対象を超えて動作したケースが 48% ありました。Astra では 0% でした。
  • 数学と推論。FrontierMath Tier 4 で 98%、ARC-AGI-3 で 99.9% です。

サイバーセキュリティの分野では、Astra は OpenAI の Preparedness Framework における Critical のしきい値に達しています。そのため、本日提供されるバージョンは、概念実証用エクスプロイトの作成といった高度な攻撃的タスクを拒否します。一方、安全なコードレビューやパッチ適用といった防御的な作業は引き続き利用できます。

Anthropic が Fable 5.1 で提供したもの

Fable 5.1 は別の切り口を打ち出しています。コーディング、ナレッジワーク、そして長時間タスクでの持久力です。Opus 5 および GPT-5.6 Sol と比較して公表された数値は次のとおりです。

  • エージェント型の科学研究（Terminal-Bench-Science）：52.6%。Opus 5 は 29.0%、GPT-5.6 Sol は 22.4%。
  • エージェント型コーディング（Terminal-Bench 4.0）：55.8%。Opus 5 は 52.3%、GPT-5.6 Sol は 37.3%。
  • ナレッジワーク（GDPval-AA）：1853 ポイント。Opus 5 は 1824 ポイント。
  • 業務ワークフロー（AutomationBench）：31.4%。Opus 5 は 26.9%、GPT-5.6 Sol は 19.6%。

Anthropic はさらに、低・中・高の三段階の努力レベルを追加し、低または中レベルでも Fable 5 と同等かそれ以上の性能を、はるかに低いコストで実現できるとしています。

価格：差を生む項目

公表されている料金（トークン百万あたり）：

項目GPT-6 AstraClaude Fable 5.1Gemini 3.8 Flash
入力$10$10$0.75
出力$50$50$3.75
キャッシュ読み取り$1$0.25—
コンテキストウィンドウ約 1.1M トークン1M トークン1M トークン

三行目を見てください。Fable 5.1 のキャッシュ読み取りは、Astra の四分の一の価格です。モデルを本格的に運用するなら、請求額を決めるのはまさにこの一行です。

キャッシュ読み取りになじみがない方のために説明すると、モデルがすでに処理したコンテキスト（プロジェクトファイル、常設の指示、長い会話履歴）を読み直す場合、一から処理し直すわけではないため、割引料金で課金されます。一つのエージェント型タスクは、同じコンテキストを何十回も読み直します。そのためエージェント型の作業では、キャッシュ読み取りが新規入力を大きく上回り、この行の 4x の差は価格表ではなく月末の請求に表れます。

Anthropic は、一般的なワークロードのコストが Fable 5 より約 25% 低く、エージェント性の高い作業では節約が約 45% に達すると見積もっています。一方 OpenAI は、逆方向に働く項目を明示しています。入力が 272,000 トークンを超えるリクエストは、リクエスト全体が高い料金、つまり入力20ドル、出力75ドルに切り替わります。Astra で非常に長いコンテキストを使うのはタダではなく、大きな文書を一度に送る場合には特に重要です。

Google はどこに位置するのか

Google は今回の波で新しいフロンティアモデルを出していません。一般提供されているフラッグシップは今も 2026年2月 の Gemini 3.1 Pro です。しかし Google はまったく別のゲームをしています。9月2日に Gemini 3.8 Flash を、入力0.75ドル、出力3.75ドルという導入価格で投入しました。

これは知能面で Astra や Fable 5.1 に挑むものではありません。別の点での挑戦、つまり13x の価格差です。中堅企業が日々必要とする作業の大半、たとえば顧客メッセージの分類、会話の要約、請求書からの項目抽出、返信の下書きなどには、フロンティアモデルはまったく必要ありません。こうした作業を出力トークン百万あたり50ドルのモデルで実行するのは、使うことのない知能にお金を払うことを意味します。

ベンチマークの直接比較を信用すべきでない理由

今週目にする記事の多くが見落としている点があります。二つのモデルは一度も互いに比較されていないのです。

  • 各ラボは自社モデル同士で比較しました。OpenAI は Astra を GPT-5.6 Sol と比較し、Anthropic は Fable 5.1 を Opus 5 および GPT-5.6 Sol と比較しました。同じテストで Astra と Fable 5.1 を並べた公式な数値は一つもありません。
  • 共通のベンチマークでさえ比較できません。両社とも OSWorld 2.0 を挙げていますが、OpenAI はレイテンシーシミュレーションで 72.6% と報告し、Anthropic は部分点ありで 77.9%、厳格な採点で 41.7% と報告しています。三つの採点方法による三つの数字です。それらを一つの表に並べれば、異なるものを比べることになります。
  • 測定はラボ自身が行いました。これは非難ではなく、どのローンチもそういうものです。Anthropic 自身、科学ベンチマークの標準誤差を 3.5 から 4.5 ポイントとしており、独立した検証には数週間かかります。
  • セーフガードはスコアを下げます。Anthropic によると、Fable 5.1 は本番環境のセーフガードを有効にした状態で評価され、セーフガードが介入したタスクはゼロ点とされました。これは弱さを意味するものではありませんが、公表値を押し下げています。

実務上の結論はこうです。意味のあるベンチマークは自社のワークロードだけです。自社業務の五十件の実例で両モデルを動かし、品質、コスト、レイテンシーを同時に測定してください。一週間のそうしたテストは、公表されているどの比較表よりも価値があります。

これが自社にとって意味すること

モデルの入れ替わりがどれほど速くても、Origami が土台としている原則は変わっていません。システムを一つのモデルに縛らないことです。モデルを、その上に構築する土台ではなく、設計の中で交換可能な部品にしてください。今回の波で実際にやるべきことは次のとおりです。

  • 作業を三つの層に分ける。大量の日常タスクは安価な Flash クラスのモデルに、中程度の作業はバランス型のモデルに、本当に最上位のタスクだけをフロンティアモデルに任せます。これだけで、どんな価格交渉よりも請求額を削減できます。
  • 表示価格ではなくキャッシュ読み取りで予算を組む。作業がエージェント型であれば（ファイルを読み込み、コンテキストを繰り返し使うアシスタントなど）、実際の請求額はキャッシュ読み取りであり、そこでの 4x の差はどんなベンチマークの差よりも重くのしかかります。
  • まず最も低い努力レベルを試す。印象ではなく、測定によって必要性が証明されたときにだけ引き上げてください。
  • モデルにシステムの鍵を渡す前に、その権限の範囲を書面で定めてください。どのシステムにアクセスできるか、どの操作に人間の承認が必要か、そして何を行ったかをどこに記録するかです。Astra のコンピューター操作機能は、モデルが答えるだけでなく行動するようになったことを意味し、ガバナンスはあれば望ましいものから運用上の必須要件へと変わります。
  • 個人データを扱うなら、データ保持は法務の脚注ではなく、アーキテクチャ上の判断です。Anthropic は、顧客が完全に管理するクラウドインフラにデータを保存する Enterprise Frontier Safeguards を発表しており、この秋から段階的に提供されます。サウジアラビアの個人データ保護法 (PDPL) に基づく義務は、発表された内容ではなく、現在有効な内容に照らして判断されます。

Origami の視点

顧客から AI を活用したシステムを依頼されたとき、私たちはどのモデルが最強かから始めません。まず、それぞれのタスクが本当に必要とするものに応じてタスクを層に分け、そのうえでシステムを作り直さずにモデルを交換できるレイヤーを構築します。理由は単純です。今日選んだモデルは、六か月後には最良ではなくなっているからです。Anthropic と OpenAI がわずか四十八時間の間隔でそれぞれフロンティアモデルを出したという事実だけでも、単一ベンダーに縛られたシステムは、周辺ではなく土台にリスクを抱えていることがわかります。

まとめ

Astra は、コンピューター操作、速度、タスクの範囲内にとどまる点でリードしています。Fable 5.1 は、コーディング、科学研究、長時間タスクでの持久力でリードし、エージェント型の作業を支えるキャッシュ読み取りの項目でも安価です。Gemini 3.8 Flash は、日々の運用コストというまったく別の戦いで勝っています。正しい問いは、どれが最強かではなく、どのタスクにどの層がふさわしいかです。その問いに自社のワークロードから得た測定表で答えられる企業が、最も低い請求額で最高の品質を手にします。

出典

数値は 2026年9月4日 時点で上記の出典に記載されたものです。ベンチマークは各ラボが自社モデルで実施したものであり、独立した検証は現在も進行中です。