BenchLeader

GPT-6 Astra vs Step 5 Preview

詳しいプロフィール:GPT-6 Astra(OpenAI)とStep 5 Preview(StepFun)。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、品質ではGPT-6 AstraがStep 5 Previewを上回ります(BenchLeader Indexで67.3 対 56.0)。ただし、価格はStep 5 Previewの方が14倍安く、100万トークンあたりのブレンド価格で$1.43 対 $20.00です。コーディング(73 対 50)、推論(72 対 52)、知識(72 対 54)を重視するならGPT-6 Astra、長文コンテキスト(69 対 65)を重視するならStep 5 Previewが向いています。回答開始までの時間はStep 5 Previewの方が短く、23.5秒 対 198.4秒です。Step 5 Previewは出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Astraが67.3、Step 5 Previewが56.0です(BenchLeader、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)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • Step 5 PreviewはGPT-6 Astraより出力が3倍以上速いです(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62件のベンチマークのうち、GPT-6 Astraが49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 50;FrontierCode 2.0 (AA) 42.4% 対 12.0%高
エージェント・ツール利用GPT-6 Astraカテゴリスコア64 対 49;Arena Agent 14.5 対 -3.7高
数学GPT-6 Astraカテゴリスコア71 対 60;Arena Maths 1481 対 1470高
推論GPT-6 Astraカテゴリスコア72 対 52;HLE-Diamond (AA) 63.8% 対 24.3%高
知識GPT-6 Astraカテゴリスコア72 対 54;AA-Omniscience v1.1 42.4 対 16.4高
長い文書Step 5 Previewカテゴリスコア69 対 65;AA-LCR v1.1 88.3% 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 59;Arena Vision 1279 対 1263中
チャットの質(人間の評価)GPT-6 AstraArenaの投票で66 対 63中
最低コストStep 5 Preview100万トークンあたりブレンド価格$1.43 対 $20.00;エージェント型コーディングセッション$0.071 対 $0.800–
回答開始の速さStep 5 Preview最初の回答トークンまで23.5秒(Step 5 Preview)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

  • 品質ではGPT-6 Astra (max)がリードしています:67.3 対 56.0。
  • GPT-6 Astra (max)はエージェント・ツール、コーディング、人間の評価、知識、数学、マルチモーダル、推論で優れています。
  • Step 5 Previewは長文コンテキストで優れています。
  • Step 5 Previewの方が14倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $20.00)。
  • Step 5 Previewの方が出力が3.0倍速くなっています(124 対 41トークン/秒)。

概要

仕様GPT-6 AstraStep 5 Preview
プロバイダーOpenAIStepFun
リリース日2026年9月2日2026年9月18日
コンテキストウィンドウ(トークン)1,050,0001,000,000
比較した構成GPT-6 Astra (max)Step 5 Preview
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$10.00 / $50.00 / $1.00$1.00 / $2.70 / $0.105

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-6 Astra (max)Step 5 Previewトップ
推論72.451.7GPT-6 Astra
コーディング73.249.9GPT-6 Astra
エージェント・ツール63.949.1GPT-6 Astra
数学70.860.1GPT-6 Astra
知識72.353.7GPT-6 Astra
人間の評価66.263.1GPT-6 Astra
マルチモーダル65.659.3GPT-6 Astra
長文コンテキスト65.069.0Step 5 Preview
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推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価GPT-6 Astra, 推論: 72.4GPT-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, 数学: 70.8GPT-6 Astra, 知識: 72.3GPT-6 Astra, 長文コンテキスト: 65.0GPT-6 Astra, マルチモーダル: 65.6GPT-6 Astra, 人間の評価: 66.2Step 5 Preview, 推論: 51.7Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, 長文コンテキスト: 69.0Step 5 Preview, マルチモーダル: 59.3Step 5 Preview, 人間の評価: 63.1

描画していないもの(測定済みのモデルが2つ未満):指示追従。

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62件のベンチマークのうち、GPT-6 Astraのリードが49件、Step 5 Previewのリードが13件です。両方を評価しているすべての総合指標で、GPT-6 Astraが上回っています。

総合IndexGPT-6 Astra (max)Step 5 Previewトップ
BenchLeader Index67.356.0GPT-6 Astra
AA Intelligence Index v5.0.156.928.5GPT-6 Astra
Vals Index65.054.8GPT-6 Astra
Arena Text14741449GPT-6 Astra

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-6 Astra (max)Step 5 Preview
100万トークンあたりのブレンド価格$20.00$1.43
100万トークンあたりの入力/出力$10.00 / $50.00$1.00 / $2.70
100万トークンあたりのキャッシュ入力$1.00$0.105
タスクあたりの価格:チャットの返答$0.019$0.0012
タスクあたりの価格:30ページのレポートを要約$0.150$0.014
タスクあたりの価格:コード編集$0.135$0.010
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$0.800$0.071
タスクあたりの価格:構造化データの抽出$0.030$0.0025
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)$0.395$0.030
ベンチマークのタスクあたりのコスト(AA Index)$6.24$2.35
タスクあたりの出力トークン(AA Index)52k113k
うち推論36k80k
タスクあたりの時間(AA Index)21 min15 min
出力速度41 tok/s124 tok/s
回答開始までの時間198.4秒23.5秒
回答が完了するまでの時間(最終測定2026年11月13日)533.7秒54.4秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、GPT-6 Astra (max)で$6.24、Step 5 Previewで$2.35でした。同じ作業でStep 5 Previewは2.2倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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-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)。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

175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-6 Astra (max)Step 5 Preview
BenchLeader IndexBenchLeader67.356.0
エージェント・ツールスコアBenchLeader63.949.1
コーディングスコアBenchLeader73.249.9
総合スコアBenchLeader71.3–
人間の評価スコアBenchLeader66.263.1
知識スコアBenchLeader72.353.7
長文コンテキストスコアBenchLeader65.069.0
数学スコアBenchLeader70.860.1
マルチモーダルスコアBenchLeader65.659.3
推論スコアBenchLeader72.451.7
ブレンド価格($/100万トークン)BenchLeader$20.00$1.43
出力速度BenchLeader41 tok/s124 tok/s
回答開始までの時間BenchLeader198.4秒23.5秒
コンテキストウィンドウBenchLeader1,050,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub95.8%–
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†–
Arena Hard PromptsArena (LMArena)15001477
LiveBench 2.0 ReasoningLiveBench92.7%83.8%†
LiveBench 1.0 ReasoningLiveBench92.7%–
GPQA Diamond (AA)Artificial Analysis96.1%–
Humanity's Last Exam (AA)Artificial Analysis54.7%46.5%
HLE-Diamond (AA)Artificial Analysis63.8%24.3%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize95.0%–
ARC-AGI-3ARC Prize98.6%–
CritPtArtificial Analysis31.7%20.9%
CritPt v2 hard subset (AA)Artificial Analysis70.5%32.5%
MysteryMechanismVals AI53.1%18.5%
HLE-Diamond (Scale)Scale AI SEAL60.6%†–
Arena ExpertArena (LMArena)15171489
Chess PuzzlesEpoch AI Benchmarking Hub74.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%–
LMCAEpoch AI Benchmarking Hub64.1%†–
DTBenchEpoch AI Benchmarking Hub97.1%†–
ForecastBenchForecastBench66.6%†–
BTF-3Epoch AI Benchmarking Hub13.5%†–
コーディング
SciCodeSciCode56.5%58.9%
WeirdMLWeirdML93.3%–
175件のベンチマークをすべて表示
指標公開元GPT-6 Astra (max)Step 5 Preview
コーディング
FrontierCodeCognition53.3%–
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)15481505
Arena WebDevArena (LMArena)17641573†
LiveBench 2.0 CodingLiveBench87.5%67.6%†
LiveBench 1.0 CodingLiveBench80.4%–
IOIVals AI100.0%38.1%
Code MigrationVals AI67.7%39.0%
Code Migration v1.1Vals AI80.6%47.0%
ProgramBenchVals AI5.5%–
SWE-bench MultimodalVals AI43.3%40.8%
Vibe Code Bench 1-100Vals AI27.6%–
Vibe Code Bench v1.1Vals AI89.6%70.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL59.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL59.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL50.7%†–
SWE Atlas v1.1Scale AI SEAL69.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL96.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†–
MirrorCodeEpoch AI Benchmarking Hub60.0%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
ALE-BenchEpoch AI Benchmarking Hub2951.3–
FrontierSWEEpoch AI Benchmarking Hub65.5%–
WeirdML v3WeirdML42.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise79.9%†–
GameBench 2 OverallDuelLab GameBench 288.8†–
GameBench 2 by reasoning settingDuelLab GameBench 294.3†–
Design Arena WebsiteDesign Arena1338–
FrontierCode 1.1 (AA)Artificial Analysis47.0%38.4%
FrontierCode 2.0 (AA)Artificial Analysis42.4%12.0%
エージェント・ツール
Terminal-BenchTerminal-Bench60.3%–
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†–
Arena AgentArena (LMArena)14.5-3.7
LiveBench Long AgenticLiveBench75.6%19.4%†
LiveBench BrowserLiveBench91.3%24.8%†
LiveBench Agentic CodingLiveBench57.3%–
Terminal-Bench 2.1 (Vals)Vals AI87.3%–
HiL-BenchScale AI SEAL65.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%54.3%
GDPval-AA v2.1Artificial Analysis15871591
τ³-Banking (AA)Artificial Analysis41.4%–
ITBench SRE (AA)Artificial Analysis48.6%55.6%
Analyst Agent (AA)Artificial Analysis51.3%35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
CUA-benchVals AI19.2%–
CyberBenchVals AI41.1%–
Finance Agent v2Vals AI53.5%50.7%
Finance Agent v2.1Vals AI60.4%58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%12.9%
Harvey's Legal Agent Benchmark v1Vals AI5.4%9.2%
Legal Research BenchVals AI39.4%40.4%
Robo-benchVals AI23.3%–
SREBenchVals AI56.9%0.4%
Tax Agent BenchVals AI20.7%27.3%
Terminal-Bench 4.0 (Vals)Vals AI59.6%31.8%
Terminal-Bench ScienceVals AI62.9%2.9%
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)1245–
Arena Agent Task CompletionArena (LMArena)14-1.5
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†–
SpireClimbEpoch AI Benchmarking Hub34.0%–
AutomationBenchArtificial Analysis68.5%51.0%
GDP.pdf (AA)Artificial Analysis31.0%14.8%
Harvey LAB-AA v1.1Harvey8.6%–
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis15691424
GDPxGDPx by SemiAnalysis9.6%–
Design Arena AgenticDesign Arena1405–
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%2.4%
CWE-Bench (AA)Artificial Analysis63.3%52.5%
DeepSec-Bench (AA)Artificial Analysis36.9%15.8%
CyberGym end-to-end (AA)Artificial Analysis0.0%74.8%
MKA (AA)Artificial Analysis50.2%27.6%
FACTS SearchGoogle93.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%–
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI99.0%†42.0%
LiveBench MathematicsLiveBench96.8%–
Arena MathsArena (LMArena)14811470
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%–
LiveBench 2.0 Data AnalysisLiveBench83.0%63.5%†
LiveBench ResearchLiveBench90.6%75.5%†
LiveBench 1.0 Data AnalysisLiveBench83.0%–
AA-Omniscience v1.1Artificial Analysis42.416.4
PRBench FinanceScale AI SEAL47.5%†–
PRBench LegalScale AI SEAL48.4%†–
BioMysteryBenchVals AI79.3%67.4%
Excel Modeling BenchmarkVals AI71.7%57.1%
Excel Modeling Benchmark v1.1Vals AI72.7%69.5%
MedCodeVals AI48.5%–
MedScribeVals AI87.9%–
Public Benefits Bench v1.1Vals AI–58.1%
Financial Coaching BenchVals AI67.5%–
Immigration BenchVals AI67.7%–
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%–
GDP.pdfEpoch AI Benchmarking Hub34.2%–
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%68.7%
HealthBench Professional (AA)OpenAI66.0%–
FACTS ParametricGoogle83.8%†–
指示追従
LiveBench LanguageLiveBench89.4%–
LiveBench Instruction FollowingLiveBench75.6%–
Arena Instruction FollowingArena (LMArena)14741450
人間の評価
Arena TextArena (LMArena)14741449
EQ-Bench Creative Writing v3EQ-Bench2177†–
Arena Creative WritingArena (LMArena)14511413
Arena Multi-turnArena (LMArena)14831445
Arena Longer QueriesArena (LMArena)14851461
マルチモーダル
Arena VisionArena (LMArena)12791263
LiveBench DesignLiveBench80.0%70.8%†
MMMU-ProArtificial Analysis86.9%76.4%
Humanity's Sixth SenseScale AI SEAL53.6%–
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†–
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI62.7%–
Code2Video-AAArtificial Analysis1427821
AA-3DArtificial Analysis1168859
FACTS MultimodalGoogle55.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.7%88.3%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%18.3%
FACTS GroundingGoogle80.1%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†–
LiveBench 2.0LiveBench84.5%54.9%†
LiveBench 1.0LiveBench82.2%–
AA Intelligence Index v5.0.1Artificial Analysis56.928.5
AA Intelligence Index v4.3.2Artificial Analysis52.743.7
AA Progress Index v1Artificial Analysis349.6318.2
Vals IndexVals AI65.054.8
Vals Finance IndexVals AI55.6%55.4%
Vals RSI IndexVals AI27.1%–
Vals Science IndexVals AI65.1%29.6%
Vals Router IndexVals AI65.0%†–
Vals Legal IndexVals AI68.4%70.2%
AA Cyber IndexArtificial Analysis33.447.7
安全性・誠実さ
FORTRESSScale AI SEAL12.1%†–
DistressBenchScale AI SEAL74.3%†–
メタデータ
AA Openness IndexArtificial Analysis–33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • GPT-6 Astra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • 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。
  • Step 5 Preview:スコアの改訂1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。
  • Step 5 Preview:スコアの改訂7件。

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-6 Astra vs Step 5 Preview:よくある質問

GPT-6 AstraはStep 5 Previewより優れていますか?
品質ではGPT-6 Astra (max)がリードしています:67.3 対 56.0。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日時点では総合でGPT-6 Astra (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
GPT-6 AstraとStep 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 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-6 AstraとStep 5 Preview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 50。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FrontierCode 2.0 (AA)では、GPT-6 Astraが42.4%、Step 5 Previewが12.0%です。
GPT-6 AstraとStep 5 Previewはどちらが速いですか?
Step 5 Previewの方が出力が3倍以上速くなっています(出力124 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-6 AstraとStep 5 Preview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-6 Astraの方がスコアが高くなっています(カテゴリ指標で64 対 49。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なArena Agentでは、GPT-6 Astraが14.5、Step 5 Previewが-3.7です。
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Step 5 Previewの方がスコアが高くなっています(69 対 65)。どちらも約1.1Mトークンです(GPT-6 Astraは1,050,000、Step 5 Previewは1,000,000)。
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Step 5 Previewです。Artificial Analysisの測定では、最初の回答トークンまで23.5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-6 AstraとStep 5 Preview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62件のベンチマークのうち、GPT-6 Astraのリードが49件、Step 5 Previewのリードが13件です。両方を評価しているすべての総合指標で、GPT-6 Astraが上回っています。
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。