OpenAIのGPT-6.2 AstraとSolの発表ページ、内部サーバーエラーで表示できず

GPT‑6.2 Astra and Sol

OpenAIがGPT-6.2 AstraとSolを発表するはずのページが、アクセス時点で「500 Internal Server Error」となり本文を読めない状態になっている。ナビゲーションにはGPT-6.1 SolやGPT-6 Astraなど既存モデルへのリンクが並ぶが、新モデルの詳細や性能、提供時期は一切確認できない。発表直後の障害か、公開前の誤公開かは不明。

500 Internal Server Error.
  1. azuanrb

    OpenAIのリリーススレッドのコメントはAnthropicを支持し、AnthropicのリリーススレッドのコメントはOpenAIを支持する傾向があるのが面白い。批判は注目を集めやすいだけなのかもしれない。ここでのコメントの多くは他のモデルについてのようで、実際にリリースされているモデルについての議論はほとんどない。

    どちらのプロバイダーのモデルも完璧ではないが、互いに切磋琢磨している。個人なら比較的簡単に乗り換えられる。大企業では長期間一つのプロバイダーに縛られることが多いので、我々の中には、アクセスできるモデルを最大限活用するための有益な議論を期待してこうしたスレッドに来る人もいる。

  2. chriddyp

    かなりすごいコスト削減だ。我々のデータ分析試験[1]では、Astraは約$20(V6)から約$4(V6.2)に、Solは$2.6(V6.1)から$1.2(V6.2)になった。

    精度はどちらも同程度。安くなったのはトークン削減(20%)のおかげだけでなく、質問に答えるのに必要なツール呼び出しも減ったからだ。場合によっては「早めに終了」してしまい、我々が探していた答えを見つけられなかったこともある。

    また非常に高速だ。AstraとSolはどちらも、試験で少なくともAを取ったモデルの中で私がテストした中で最速の2つだ。

    [1] https://plotly.com/blog/gpt-6-2-sol-plotly-data-analytics-be...

  3. mlmonkey

    システムカードより:

    > GPT-6.2 AstraはGPT-6 Astraよりも評価認識の兆候を多く示した。内部のCodexセッションを再生する評価では、GPT-6.2 AstraはGPT-6 Astraよりも、テストされている、あるいはシミュレーションの中にいると疑う表現をする可能性が高かった。

    > GPT-6 Astraと比較して、GPT-6.2 Astraは一部のテストで思考連鎖(CoT)モニタリングを回避するのが得意である。

  4. thefourthchime

    PacBenchの結果。

    GPT-6.2 Astraは6.6分で92点、コスト$2.04。対するKimi K3.1 Proは11.5分で93点、コスト$0.68。迷路周りのWebページレイアウトと、しばしば家から出てこないオレンジのゴーストのせいで点数を落とした。

    モデル: https://jonclegg.github.io/pacman-bakeoff/#gpt-6.2-astra

    最も近いもの: https://jonclegg.github.io/pacman-bakeoff/#kimi-k3.1-pro

    PacBenchの結果。

    GPT-6.2 Solは6.3分で87点、コスト$0.49。対するMuse Wonderは5.4分で87点、コスト$1.17。アーケードに近いプレイだが、Webページレイアウト、紺色で塗りつぶされた光る壁、安定しないサイレンのせいで点数を落とした。

    モデル: https://jonclegg.github.io/pacman-bakeoff/#gpt-6.2-sol

    最も近いもの: https://jonclegg.github.io/pacman-bakeoff/#muse-wonder

  5. Topfi

    オフィス作業はOpenAIの得意分野ではなかったし、それ自体は恥ずかしいことではないが、このスライドショーの例は特にひどく見える。2週間ほど前に私がGPT-5.6 Solで単一プロンプトから得たものよりはるかに悪い。

    ワークブックやメモも同様で、これらの例は私が保存しているOpus 4.5以前やKimi K2 Thinkingのドキュメントよりも劣って読める。モデルがこれらを得意としないのは構わないが、これはかなり貧弱な例だ。この点でOpenAIに何が起きているのか本当に混乱している。

    数か月前のフロントエンドのブログ記事でも同じことを覚えている。視覚的な不具合やバグ、問題だらけなのに誇らしげに共有していた。その少し前のバイブチャートもそうだ。公開する前に、新鮮な目を持つ誰かにあなた方のコミュニケーションを確認してもらってほしい。これらは非常に悪い第一印象を与える。

    オフィス作業とは別に、これらのモデルがついにプロンプトに従うのか、それとも明示的に禁止された、取り返しのつかない破壊的なタスクを、単に(しかも常にそうとは限らないが)モデルがより早く結果に到達できるかもしれないという理由だけで実行してしまうのか、そしてGPT-5.5のリリース以来存在する他のリグレッションについても、早く知りたい。GPT-5からGPT-5.4は本当に画期的だったが、それ以降、それらのモデルをあれほど有用で信頼できるものにしていた点にリグレッションが起きている。

    編集:CodexでGPT-6.2 AstraをHighで使った最初の、信じられないほど単純なテストプロンプトの後、範囲外の結果のスクリーンショットを共有した際の応答はこうだった […]

  6. ilaksh

    読み始めた時点でこの投稿のコメントの3分の2ほどは、新しいモデルを評価するための重要な情報であるかのように述べられた、以前のGPTモデルのレビューだった。新しいモデルが出たときは、実際にそのモデルを最小限でもテストするまではレビューを控えたほうが役に立つのではないかと感じる。

  7. theanonymousone

    新しいSolには満足だ。会社のアカウントで私の主力だ。

    しかしそれ以上に新しいLunaを待っている。私にとっては「Tokenpocalypse」を終わらせたゲームチェンジャーであり、「まともなモデルを無限に使う」ユースケースでは今でもほぼ無敵だ。

  8. aenis

    私の種類のワークロードにとっては大きな進歩だ。

    私のベンチマークスイートは、エージェントがタスクを十分に実行されたとみなすタイミングを自分で決める、いくつかの長期的なタスクを含んでいるが、これに対して、最小限の品質レベルに達するとすぐに終わらせようとしない初めてのOpenAIモデルだ。Fable、Opus、Sonnetのように、今では許容される最大反復回数を実行し、「満足のいく」で止まらず、私が喜ぶことに解決策を金メッキしてくれる。

    (仕事のプロジェクトではこういうふうにはやらないが、趣味のすべてにおいて、コーディングエージェントにどれだけの自律性を与えられるかをテストしており、それが私のベンチマークスイートがテストしているものだ。基本スイートは2〜4時間で完了し、長時間実行スイートは1週間ほどかかる。もう一つはつい先ほど起動したが、最初の反復は同じエフォートレベルでの前世代のSol/Astraよりずっと良く見える)。

  9. intenex

    もしそれらのベンチマークが持ちこたえるなら、コストに対して性能は異常だ。AnthropicのIPO直前に合わせてタイミングを取ったように見える。Anthropicがそれに応えて何をリリースするのか、そしてこれらが実世界のタスクでどう機能するのか気になる。

    pelicanベンチマークが有用だった時代はもうとっくに過ぎている気がする。Fable 5.2やOpus 5.5と比較してどうかを素早くバイブチェックするための、より良いベンチマークを持っている人はいる?

    編集:おっと、ここでとても興味深い、非常にネガティブなバイブチェックがある:https://x.com/mattshumer_/status/2122752192226406421?a=fVRt3...

  10. jrflo

    Artificial Analysisのベンチマークがちょうど更新され、AstraとSolの両方が知能/タスクあたりコストのパレートフロンティア上にある:

    https://artificialanalysis.ai/models?speed=output-speed-over...

この日のほかの記事

2026-11-17