GPT-5.3-Codex vs GPT-6.2 Astra
詳しいプロフィール:GPT-5.3-Codex(OpenAI)とGPT-6.2 Astra(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 10件の情報源のデータ
2026年11月19日時点で、GPT-5.3-CodexとGPT-6.2 Astraの品質は互角です(BenchLeader Indexで62.8 対 68.9、±7.4の誤差範囲内)。価格はGPT-5.3-Codexの方が3.3倍安く、100万トークンあたりのブレンド価格で$4.81 対 $16.00です。エージェント・ツール(80 対 66)を重視するならGPT-5.3-Codex、コーディング(76 対 61)、マルチモーダル(72 対 61)を重視するならGPT-6.2 Astraが向いています。回答開始までの時間はGPT-5.3-Codexの方が短く、39.7秒 対 202.7秒です。GPT-5.3-Codexは出力が約1.5倍速い点も強みです。
要点(2026年11月19日時点)
- BenchLeader IndexはGPT-5.3-Codexが62.8、GPT-6.2 Astraが68.9です(BenchLeader、2026年11月19日)。
- GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81です(定価、2026年11月19日)。
- GPT-6.2 Astraの100万トークンあたりのブレンド価格は$16.00です(定価、2026年11月19日)。
- GPT-5.3-CodexはGPT-6.2 Astraより出力が約1.5倍速いです(Artificial Analysis、7日間の中央値、2026年11月19日)。
- 両モデルに結果がある3件のベンチマークのうち、GPT-6.2 Astraが3件でリードしています(BenchLeader、2026年11月19日)。
用途別のおすすめ
おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。
| 用途 | おすすめ | 理由 | 信頼度 |
|---|---|---|---|
| コーディング | GPT-6.2 Astra | カテゴリスコア76 対 61;Vibe Code Bench v1.1 89.9% 対 61.8% | 高 |
| エージェント・ツール利用 | GPT-5.3-Codex | カテゴリスコア80 対 66;AA-Briefcase v1.1 868 対 1643 | 高 |
| 画像などのメディア | GPT-6.2 Astra | カテゴリスコア72 対 61;MMMU-Pro 89.5% 対 78.5% | 高 |
| 最低コスト | GPT-5.3-Codex | 100万トークンあたりブレンド価格$4.81 対 $16.00;エージェント型コーディングセッション$0.161 対 $0.640 | – |
| 回答開始の速さ | GPT-5.3-Codex | 最初の回答トークンまで39.7秒(GPT-5.3-Codex (xhigh))対 202.7秒(GPT-6.2 Astra (max)) | – |
| 低予算での大量処理 | フラッグシップ以外 | 小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM | – |
主な違い
- GPT-5.3-Codex (xhigh)とGPT-6.2 Astra (max)の品質は互角です(62.8 対 68.9、±7.4の誤差範囲内)。
- GPT-5.3-Codex (xhigh)はエージェント・ツールで優れています。
- GPT-6.2 Astra (max)はコーディング、マルチモーダルで優れています。
- GPT-5.3-Codex (xhigh)の方が3.3倍安くなっています(100万トークンあたりブレンド価格$4.81 対 $16.00)。
- GPT-5.3-Codex (xhigh)の方が出力が1.7倍速くなっています(81 対 49トークン/秒)。
概要
| 仕様 | GPT-5.3-Codex | GPT-6.2 Astra |
|---|---|---|
| プロバイダー | OpenAI | OpenAI |
| リリース日 | 2026年2月5日 | 2026年11月17日 |
| コンテキストウィンドウ(トークン) | 400,000 | 1,050,000 |
| 比較した構成 | GPT-5.3-Codex (xhigh) | GPT-6.2 Astra (max) |
| オープンウェイト | なし | なし |
| 100万トークンあたりの価格(入力/出力/キャッシュ入力) | $1.75 / $14.00 / $0.175 | $8.00 / $40.00 / $0.400 |
カテゴリ別の比較
カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。
| カテゴリ | GPT-5.3-Codex (xhigh) | GPT-6.2 Astra (max) | トップ |
|---|---|---|---|
| 推論 | – | 73.1 | 比較不可 |
| コーディング | 61.0 | 76.1 | GPT-6.2 Astra |
| エージェント・ツール | 80.1 | 66.4 | GPT-5.3-Codex |
| 数学 | – | 72.5 | 比較不可 |
| 知識 | – | 74.2 | 比較不可 |
| 指示追従 | 73.6 | – | 比較不可 |
| マルチモーダル | 60.5 | 71.7 | GPT-6.2 Astra |
| 長文コンテキスト | 66.4 | – | 比較不可 |
| 総合 | – | 69.5 | 比較不可 |
1つのグラフで比較
各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。
描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, 長文コンテキスト, 人間の評価。
情報源で評価が分かれる点
両方に結果がある3件のベンチマークのうち、GPT-5.3-Codexのリードが0件、GPT-6.2 Astraのリードが3件です。
| 総合Index | GPT-5.3-Codex (xhigh) | GPT-6.2 Astra (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.8 | 68.9 | 互角 |
公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。
価格・速度・レイテンシ
定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。
| 指標 | GPT-5.3-Codex (xhigh) | GPT-6.2 Astra (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.81 | $16.00 |
| 100万トークンあたりの入力/出力 | $1.75 / $14.00 | $8.00 / $40.00 |
| 100万トークンあたりのキャッシュ入力 | $0.175 | $0.400 |
| タスクあたりの価格:チャットの返答 | $0.0049 | $0.015 |
| タスクあたりの価格:30ページのレポートを要約 | $0.029 | $0.120 |
| タスクあたりの価格:コード編集 | $0.032 | $0.108 |
| タスクあたりの価格:エージェント型コーディングセッション | $0.161 | $0.640 |
| タスクあたりの価格:構造化データの抽出 | $0.0063 | $0.024 |
| エージェント型コーディングセッション(入力の大半がキャッシュ) | $0.090 | $0.298 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $4.00 |
| タスクあたりの出力トークン(AA Index) | – | 41k |
| うち推論 | – | 26k |
| タスクあたりの時間(AA Index) | – | 14 min |
| 出力速度 | 81 tok/s | 49 tok/s |
| 回答開始までの時間 | 39.7秒 | 202.7秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 97.1秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.3-Codex (xhigh)のスコアは62.8、最初の回答トークンまで40秒。GPT-6.2 Astra (max)のスコアは68.9、最初の回答トークンまで203秒。GPT-6.2 Astra (xhigh)は67.1(67秒)、GPT-6.2 Astra (medium)は65.6(4秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
100件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | GPT-6.2 Astra (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.8 | 68.9 |
| エージェント・ツールスコア | BenchLeader | 80.1 | 66.4 |
| コーディングスコア | BenchLeader | 61.0 | 76.1 |
| 指示追従スコア | BenchLeader | 73.6 | – |
| 長文コンテキストスコア | BenchLeader | 66.4 | – |
| マルチモーダルスコア | BenchLeader | 60.5 | 71.7 |
| 総合スコア | BenchLeader | – | 69.5 |
| 知識スコア | BenchLeader | – | 74.2 |
| 数学スコア | BenchLeader | – | 72.5 |
| 推論スコア | BenchLeader | – | 73.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.81 | $16.00 |
| 出力速度 | BenchLeader | 81 tok/s | 49 tok/s |
| 回答開始までの時間 | BenchLeader | 39.7秒 | 202.7秒 |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 1,050,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 96.8% |
| LiveBench 2.0 Reasoning | LiveBench | – | 91.6% |
| GPQA Diamond (AA) | Artificial Analysis | 91.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.5% | – |
| HLE-Diamond (AA) | Artificial Analysis | – | 72.2% |
| ARC-AGI-1 | ARC Prize | – | 98.5% |
| ARC-AGI-2 | ARC Prize | – | 95.8% |
| ARC-AGI-3 | ARC Prize | – | 99.8% |
| CritPt | Artificial Analysis | 16.9% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 71.5% |
| MysteryMechanism | Vals AI | – | 53.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 66.9%† |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 78.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 95.0% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 74.8%† | – |
| WeirdML | WeirdML | 77.9% | – |
| Arena WebDev | Arena (LMArena) | 1371† | 1781 |
| LiveBench 2.0 Coding | LiveBench | – | 91.9% |
| LiveCodeBench | Vals AI | 87.3% | – |
| IOI | Vals AI | 53.8% | – |
| SWE-bench (Vals) | Vals AI | 78.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 61.8% | 89.9% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 55.2% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 60.5%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 67.7%† |
100件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | GPT-6.2 Astra (max) |
|---|---|---|---|
| コーディング | |||
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 62.2%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 51.4%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 67.8% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1655.2 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 64.1% |
| Design Arena Website | Design Arena | – | 1339† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 45.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 78.4%† | 62.1% |
| Arena Agent | Arena (LMArena) | – | 15.2 |
| LiveBench Long Agentic | LiveBench | – | 70.8% |
| LiveBench Browser | LiveBench | – | 93.0% |
| Terminal-Bench Hard | Artificial Analysis | 53.0% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.0% | – |
| HiL-Bench | Scale AI SEAL | 4.3%† | – |
| Analyst Agent (AA) | Artificial Analysis | – | 62.5% |
| Finance Agent v2.1 | Vals AI | – | 60.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 16.3% |
| Legal Research Bench | Vals AI | – | 42.8% |
| Robo-bench | Vals AI | – | 32.7% |
| Tax Agent Bench | Vals AI | – | 21.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 64.0%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 63.1% |
| Terminal-Bench Science | Vals AI | – | 71.4% |
| Arena Agent Task Completion | Arena (LMArena) | – | 12.4 |
| METR Time Horizons | METR | 74.5%† | – |
| Vending-Bench 2 | Andon Labs | 5940.1† | – |
| SpireClimb | Epoch AI Benchmarking Hub | – | 41.3% |
| AutomationBench | Artificial Analysis | – | 77.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 29.8% |
| Harvey LAB-AA v1.1 | Harvey | – | 15.0% |
| EnterpriseOps-Gym | Artificial Analysis | – | 29.9% |
| AA-Briefcase v1.1 | Artificial Analysis | 868 | 1643 |
| Design Arena Agentic | Design Arena | 1010† | 1304 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 78.1% |
| CWE-Bench (AA) | Artificial Analysis | – | 65.0% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 46.8% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| MKA (AA) | Artificial Analysis | – | 52.7% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 92.6% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 100.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 100.0% |
| Autoform-Hard | Vals AI | – | 87.5% |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 10.3% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 78.5% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 84.1% |
| LiveBench Research | LiveBench | – | 91.5% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 50 |
| PRBench Legal | Scale AI SEAL | – | 43.1%† |
| BioMysteryBench | Vals AI | – | 80.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 76.0% |
| DrugDiscoveryBench | Scale AI SEAL | – | 65.5%† |
| EBR-bench | Epoch AI Benchmarking Hub | – | 92.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 68.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 40.9% |
| 指示追従 | |||
| IFBench | Artificial Analysis | 75.4% | – |
| MultiChallenge | Scale AI SEAL | – | 73.2%† |
| マルチモーダル | |||
| LiveBench Design | LiveBench | – | 82.8% |
| MMMU-Pro | Artificial Analysis | 78.5% | 89.5% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 63.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 89.2% |
| VIALS-AA | Handshake AI | – | 65.8% |
| AA-3D | Artificial Analysis | – | 1318 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | – |
| MLCR | Artificial Analysis | – | 39.4% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 174.2† |
| LiveBench 2.0 | LiveBench | – | 84.9% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 62.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.5 | – |
| AA Progress Index v1 | Artificial Analysis | 301.3 | – |
| Vals Index | Vals AI | – | 67.7 |
| Vals Finance Index | Vals AI | – | 57.3% |
| Vals RSI Index | Vals AI | – | 29.0% |
| Vals Science Index | Vals AI | – | 68.4% |
| Vals Legal Index | Vals AI | – | 69.7% |
| AA Cyber Index | Artificial Analysis | – | 37.3 |
データは2026年11月19日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。
最近の変化
- GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
- GPT-6.2 Astra (max):新しい結果6件(VIALS-AA, Arena WebDev, Arena Agent…)。
- GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
- GPT-6.2 Astra (max):新しい結果2件(MKA (AA), Terminal-Bench)。
- GPT-5.3-Codex (xhigh):BenchLeader Index 63.3 → 62.8。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
- GPT-5.3-Codex (xhigh):新しい結果1件(AA Progress Index v1)。
関連する比較
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs Claude Opus 5.5
- GPT-6.2 Astra vs Claude Fable 5.2
- GPT-6.2 Astra vs Gemini 4 Carbon
- GPT-6.2 Astra vs Claude Opus 5.5
- GPT-6.2 Astra vs Gemini 4 Neon
- GPT-5.3-Codex vs GPT-6.1 Terra
ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM
GPT-5.3-Codex vs GPT-6.2 Astra:よくある質問
- GPT-5.3-CodexはGPT-6.2 Astraより優れていますか?
- GPT-5.3-Codex (xhigh)とGPT-6.2 Astra (max)の品質は互角です(62.8 対 68.9、±7.4の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月19日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
- GPT-5.3-CodexとGPT-6.2 Astraはどちらが安いですか?今後変わる予定はありますか?
- 現在はGPT-5.3-Codexの方が安く、100万トークンあたり$4.81 対 $16.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
- コーディングにはGPT-5.3-CodexとGPT-6.2 Astraのどちらが向いていますか?
- コーディングではGPT-6.2 Astraの方がスコアが高くなっています(カテゴリ指標で76 対 61。50が平均)。
- GPT-5.3-CodexとGPT-6.2 Astraはどちらが速いですか?
- GPT-5.3-Codexの方が出力が約1.5倍速くなっています(出力81 対 49トークン/秒、Artificial Analysisの7日間の中央値)。
- エージェントやツール利用にはGPT-5.3-CodexとGPT-6.2 Astraのどちらが向いていますか?
- エージェント型のタスクではGPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 対 66。50が平均)。
ほかの質問(4件)
- 長い文書にはどちらが向いていますか?
- コンテキストはGPT-6.2 Astraの方が長く、1,050,000トークンです(GPT-5.3-Codexは400,000トークン)。
- レイテンシが低いのはどちらですか?
- 先に回答を始めるのはGPT-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで39.7秒 対 202.7秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
- GPT-5.3-CodexとGPT-6.2 Astraについて、第三者ベンチマークの評価は一致していますか?
- 両方に結果がある3件のベンチマークのうち、GPT-5.3-Codexのリードが0件、GPT-6.2 Astraのリードが3件です。
- GPT-6.2 Astraはいつリリースされましたか?
- GPT-6.2 Astraは2026年11月17日にリリースされました。