BenchLeader

GPT-5.3-Codex vs GPT-6 Astra

詳しいプロフィール:GPT-5.3-Codex(OpenAI)とGPT-6 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 · 13件の情報源のデータ

2026年11月16日時点で、GPT-5.3-CodexとGPT-6 Astraの品質は互角です(BenchLeader Indexで62.9 対 67.3、±7.6の誤差範囲内)。価格はGPT-5.3-Codexの方が4.2倍安く、100万トークンあたりのブレンド価格で$4.81 対 $20.00です。エージェント・ツール(80 対 64)、長文コンテキスト(66 対 65)を重視するならGPT-5.3-Codex、コーディング(73 対 61)、マルチモーダル(66 対 61)を重視するならGPT-6 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、38.2秒 対 198.4秒です。GPT-5.3-Codexは出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.3-Codexが62.9、GPT-6 Astraが67.3です(BenchLeader、2026年11月16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16日)。
  • GPT-6 Astraの100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
  • GPT-5.3-CodexはGPT-6 Astraより出力が約2倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある11件のベンチマークのうち、GPT-6 Astraが10件でリードしています(BenchLeader、2026年11月16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 Astraカテゴリスコア73 対 61;WeirdML 93.3% 対 77.9%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 64;AA-Briefcase v1.1 868 対 1569高
長い文書GPT-5.3-Codexカテゴリスコア66 対 65;AA-LCR v1.1 83.3% 対 80.7%中
画像などのメディアGPT-6 Astraカテゴリスコア66 対 61;MMMU-Pro 86.9% 対 78.5%中
チャットの質(人間の評価)–Arenaの評価があるのはGPT-6 Astraのみです(カテゴリスコア66)比較不可
最低コストGPT-5.3-Codex100万トークンあたりブレンド価格$4.81 対 $20.00;エージェント型コーディングセッション$0.161 対 $0.800–
回答開始の速さGPT-5.3-Codex最初の回答トークンまで38.2秒(GPT-5.3-Codex (xhigh))対 198.4秒(GPT-6 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 Astra (max)の品質は互角です(62.9 対 67.3、±7.6の誤差範囲内)。
  • GPT-5.3-Codex (xhigh)はエージェント・ツール、長文コンテキストで優れています。
  • GPT-6 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4.2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 $20.00)。
  • GPT-5.3-Codex (xhigh)の方が出力が2.3倍速くなっています(94 対 41トークン/秒)。

概要

仕様GPT-5.3-CodexGPT-6 Astra
プロバイダーOpenAIOpenAI
リリース日2026年2月5日2026年9月2日
コンテキストウィンドウ(トークン)400,0001,050,000
比較した構成GPT-5.3-Codex (xhigh)GPT-6 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$10.00 / $50.00 / $1.00

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 Astra (max)トップ
推論–72.4比較不可
コーディング61.073.2GPT-6 Astra
エージェント・ツール80.163.9GPT-5.3-Codex
数学–70.8比較不可
知識–72.3比較不可
指示追従73.6–比較不可
人間の評価–66.2比較不可
マルチモーダル60.865.6GPT-6 Astra
長文コンテキスト66.465.0GPT-5.3-Codex
総合–71.3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。

2550 avg75コーディングエージェント・ツール長文コンテキストマルチモーダルGPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8GPT-6 Astra, コーディング: 73.2GPT-6 Astra, エージェント・ツール: 63.9GPT-6 Astra, 長文コンテキスト: 65.0GPT-6 Astra, マルチモーダル: 65.6

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, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある11件のベンチマークのうち、GPT-5.3-Codexのリードが1件、GPT-6 Astraのリードが10件です。

総合IndexGPT-5.3-Codex (xhigh)GPT-6 Astra (max)トップ
BenchLeader Index62.967.3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 Astra (max)
100万トークンあたりのブレンド価格$4.81$20.00
100万トークンあたりの入力/出力$1.75 / $14.00$10.00 / $50.00
100万トークンあたりのキャッシュ入力$0.175$1.00
タスクあたりの価格:チャットの返答$0.0049$0.019
タスクあたりの価格:30ページのレポートを要約$0.029$0.150
タスクあたりの価格:コード編集$0.032$0.135
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$0.800
タスクあたりの価格:構造化データの抽出$0.0063$0.030
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$0.395
ベンチマークのタスクあたりのコスト(AA Index)–$6.24
タスクあたりの出力トークン(AA Index)–52k
うち推論–36k
タスクあたりの時間(AA Index)–21 min
出力速度94 tok/s41 tok/s
回答開始までの時間38.2秒198.4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533.7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62.9、最初の回答トークンまで38秒。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49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

179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 Astra (max)
BenchLeader IndexBenchLeader62.967.3
エージェント・ツールスコアBenchLeader80.163.9
コーディングスコアBenchLeader61.073.2
指示追従スコアBenchLeader73.6–
長文コンテキストスコアBenchLeader66.465.0
マルチモーダルスコアBenchLeader60.865.6
総合スコアBenchLeader–71.3
人間の評価スコアBenchLeader–66.2
知識スコアBenchLeader–72.3
数学スコアBenchLeader–70.8
推論スコアBenchLeader–72.4
ブレンド価格($/100万トークン)BenchLeader$4.81$20.00
出力速度BenchLeader94 tok/s41 tok/s
回答開始までの時間BenchLeader38.2秒198.4秒
コンテキストウィンドウBenchLeader400,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench–83.6%†
Arena Hard PromptsArena (LMArena)–1500
LiveBench 2.0 ReasoningLiveBench–92.7%
LiveBench 1.0 ReasoningLiveBench–92.7%
GPQA Diamond (AA)Artificial Analysis91.5%96.1%
Humanity's Last Exam (AA)Artificial Analysis42.5%54.7%
HLE-Diamond (AA)Artificial Analysis–63.8%
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–95.0%
ARC-AGI-3ARC Prize–98.6%
CritPtArtificial Analysis16.9%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–70.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–60.6%†
Arena ExpertArena (LMArena)–1517
Chess PuzzlesEpoch AI Benchmarking Hub–74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–84.0%
LMCAEpoch AI Benchmarking Hub–64.1%†
DTBenchEpoch AI Benchmarking Hub–97.1%†
ForecastBenchForecastBench–66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.8%†–
SciCodeSciCode–56.5%
179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 Astra (max)
コーディング
WeirdMLWeirdML77.9%93.3%
FrontierCodeCognition–53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)–1548
Arena WebDevArena (LMArena)1406†1764
LiveBench 2.0 CodingLiveBench–87.5%
LiveBench 1.0 CodingLiveBench–80.4%
LiveCodeBenchVals AI87.3%–
IOIVals AI53.8%100.0%
SWE-bench (Vals)Vals AI78.0%–
Code MigrationVals AI–67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI–5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI–27.6%
Vibe Code Bench v1.1Vals AI61.8%89.6%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL–69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
ALE-BenchEpoch AI Benchmarking Hub1655.22951.3
FrontierSWEEpoch AI Benchmarking Hub–65.5%
WeirdML v3WeirdML–42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis–59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 2–88.8†
GameBench 2 by reasoning settingDuelLab GameBench 2–94.3†
Design Arena WebsiteDesign Arena1155†1338
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.4%
エージェント・ツール
Terminal-BenchTerminal-Bench78.4%†60.3%
Remote Labor IndexScale AI / CAIS–20.8%†
APEX-AgentsMercor–64.7%†
Arena AgentArena (LMArena)–14.5
LiveBench Long AgenticLiveBench–75.6%
LiveBench BrowserLiveBench–91.3%
LiveBench Agentic CodingLiveBench–57.3%
Terminal-Bench HardArtificial Analysis53.0%–
τ²-Bench Telecom (AA)Artificial Analysis86.0%–
Terminal-Bench 2.1 (Vals)Vals AI–87.3%
HiL-BenchScale AI SEAL4.3%†65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis–1587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis–51.3%
CUA-benchVals AI–19.2%
CyberBenchVals AI–41.1%
Finance Agent v2Vals AI–53.5%
Finance Agent v2.1Vals AI–60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI–7.1%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI–39.4%
Robo-benchVals AI–23.3%
SREBenchVals AI–56.9%
Tax Agent BenchVals AI–20.7%
Terminal-Bench 2.0 (Vals)Vals AI64.0%†–
Terminal-Bench 4.0 (Vals)Vals AI–59.6%
Terminal-Bench ScienceVals AI–62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)–1245
Arena Agent Task CompletionArena (LMArena)–14
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
METR Time HorizonsMETR74.5%†–
Vending-Bench 2Andon Labs5940.1†15514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis–68.5%
GDP.pdf (AA)Artificial Analysis–31.0%
Harvey LAB-AA v1.1Harvey–8.6%
AA-Briefcase v1.1Artificial Analysis8681569
GDPxGDPx by SemiAnalysis–9.6%
Design Arena AgenticDesign Arena1018†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–50.2%
FACTS SearchGoogle–93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub–97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
Arena MathsArena (LMArena)–1481
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–75.6%
LiveBench 2.0 Data AnalysisLiveBench–83.0%
LiveBench ResearchLiveBench–90.6%
LiveBench 1.0 Data AnalysisLiveBench–83.0%
AA-Omniscience v1.1Artificial Analysis–42.4
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL–48.4%†
BioMysteryBenchVals AI–79.3%
Excel Modeling BenchmarkVals AI–71.7%
Excel Modeling Benchmark v1.1Vals AI–72.7%
MedCodeVals AI–48.5%
MedScribeVals AI–87.9%
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL–68.7%
EBR-benchEpoch AI Benchmarking Hub–76.2%
GDP.pdfEpoch AI Benchmarking Hub–34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–50.2%
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle–83.8%†
指示追従
LiveBench LanguageLiveBench–89.4%
LiveBench Instruction FollowingLiveBench–75.6%
IFBenchArtificial Analysis75.4%–
Arena Instruction FollowingArena (LMArena)–1474
人間の評価
Arena TextArena (LMArena)–1474
EQ-Bench Creative Writing v3EQ-Bench–2177†
Arena Creative WritingArena (LMArena)–1451
Arena Multi-turnArena (LMArena)–1483
Arena Longer QueriesArena (LMArena)–1485
マルチモーダル
Arena VisionArena (LMArena)–1279
LiveBench DesignLiveBench–80.0%
MMMU-ProArtificial Analysis78.5%86.9%
Humanity's Sixth SenseScale AI SEAL–53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub–49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle–55.2%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.3%80.7%
Arena DocumentArena (LMArena)–1474
MLCRArtificial Analysis–41.7%
FACTS GroundingGoogle–80.1%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–169†
LiveBench 2.0LiveBench–84.5%
LiveBench 1.0LiveBench–82.2%
AA Intelligence Index v5.0.1Artificial Analysis–56.9
AA Intelligence Index v4.3.2Artificial Analysis32.552.7
AA Progress Index v1Artificial Analysis301.3349.6
Vals IndexVals AI–65.0
Vals Finance IndexVals AI–55.6%
Vals RSI IndexVals AI–27.1%
Vals Science IndexVals AI–65.1%
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI–68.4%
AA Cyber IndexArtificial Analysis–33.4
安全性・誠実さ
FORTRESSScale AI SEAL–12.1%†
DistressBenchScale AI SEAL–74.3%†

データは2026年11月16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。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • GPT-6 Astra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):スコアの改訂1件。
  • GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
  • GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):スコアの改訂2件。
  • GPT-6 Astra (max):スコアの改訂1件。
  • GPT-6 Astra (max):スコアの改訂1件。
  • GPT-6 Astra (max):スコアの改訂1件。
  • GPT-6 Astra (max):新しい結果1件(MirrorCode)。

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 Astra:よくある質問

GPT-5.3-CodexはGPT-6 Astraより優れていますか?
GPT-5.3-Codex (xhigh)とGPT-6 Astra (max)の品質は互角です(62.9 対 67.3、±7.6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16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 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 $20.00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 Astraのどちらが向いていますか?
コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 対 61。50が平均)。共通するコーディングベンチマークのうち最も重要なWeirdMLでは、GPT-5.3-Codexが77.9%、GPT-6 Astraが93.3%です。
GPT-5.3-CodexとGPT-6 Astraはどちらが速いですか?
GPT-5.3-Codexの方が出力が約2倍速くなっています(出力94 対 41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 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 64。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?
長文コンテキストのベンチマークではGPT-5.3-Codexの方がスコアが高くなっています(66 対 65)。コンテキストはGPT-6 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38.2秒 対 198.4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 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11件のベンチマークのうち、GPT-5.3-Codexのリードが1件、GPT-6 Astraのリードが10件です。
GPT-6 Astraはいつリリースされましたか?
GPT-6 Astraは2026年9月2日にリリースされました。