GPT-6 AstraをCodexで使う方法｜GPT-5.6 Solとの違いと選び方

GPT-6 Astraは、Codexで扱う仕事が「コードを一度生成する」範囲を超え、調査、実装、画面操作、検証まで何段階も続くときに選びたいモデルです。小さな修正を短時間で終わらせたい場合は、まずGPT-5.6 SolやTerra、Lunaも候補にし、実測した完了時間と利用量で選ぶのが安全です。

この記事では、GPT-6 AstraをCodexで選択する方法と、GPT-5.6 Solとの違いを整理します。推論強度、ChatGPTの利用枠、APIの従量課金は別の要素として扱い、用途からモデルを選べるようにします。

この記事は2026年9月8日時点のOpenAI公式情報を基にしています。GPT-6 Astraは提供開始直後であり、利用できるプランやクライアントは段階的に変わる可能性があります。

結論：Astraは複数工程で判断が続く仕事に使う

モデル名だけで選ぶより、「作業の途中で何回判断が必要になるか」を基準にすると選びやすくなります。

これは公式の用途説明を基にした実務上の選び方です。OpenAIは、Astraをコード、アプリ、リサーチにまたがる複雑な仕事向け、Solを複雑なコーディングや調査向けと位置付けています。詳しい現行モデルの説明はCodexのモデルで確認できます。

迷ったら、普段の作業は現在の既定モデルと既定の推論強度から始めてください。途中で調査対象やツールが増え、成果物の整合性を保つのが難しくなったときがAstraへ切り替える目安です。

GPT-6 Astraで何が変わったのか

GPT-6 Astraは、単発の回答よりも、複数の手順とツールを組み合わせて最終成果へ到達する仕事を重視しています。GPT-6 Astraのモデルガイドでは、ソフトウェア開発、ブラウジング、コンピューター操作、リサーチなどをまたぐ複数工程の処理が主な用途として挙げられています。

特に注目したい変更は次の4点です。

Mid-turn steering（応答の生成中に追加の指示を送る仕組み）と非同期ツール呼び出しは、主にResponses APIで利用する新機能です。Codexの画面ですべてを直接設定する機能ではありません。ただし、Astraが長い仕事と途中の変更を想定したモデルであることを理解する材料になります。

Codex CLIでは0.153系列からAstra対応が追加され、0.153.4でモデル選択画面への表示と既定モデルの扱いが修正されました。現在の対応状況はChatGPT & Codex changelogで確認できます。

CodexでGPT-6 Astraを選択する方法

対話中に選ぶ

Codex CLIの対話セッションでは、次のコマンドでモデル選択画面を開きます。

/model

表示された候補からAstraと推論強度を選びます。アプリやIDE拡張でも、入力欄付近のモデル選択メニューから変更できます。

起動時に指定する

Codex CLIの起動時にAstraを指定する場合は、次のコマンドを使います。

codex -m gpt-6-astra

非対話実行でも同じモデルIDを指定できます。

codex exec -m gpt-6-astra "現在の変更をレビューし、重大な問題だけ報告してください"

公式のコマンドと現行モデル一覧はCodexのモデルに掲載されています。

Astraが表示されない場合

Astraを選べるかどうかは、Codexのバージョンだけでは決まりません。次の順に確認します。

1. Codex CLIやアプリを最新状態にする。
2. /modelを開き、現在のアカウントで利用できるモデルを確認する。
3. ChatGPTでログインしているか、APIキーで接続しているかを確認する。
4. BusinessやEnterpriseでは、管理者によるモデル利用設定を確認する。
5. 段階的なロールアウト中でないか、公式のモデルページと変更履歴を確認する。

ChatGPTワークスペースでAstraが有効でも、APIキーに同じアクセス権が自動付与されるわけではありません。逆に、API側のモデル利用権限だけではChatGPTログイン側のモデル一覧は決まりません。利用している認証方法と画面を分けて確認してください。

GPT-6 AstraとGPT-5.6 Solの違い

AstraとSolは、どちらも難しい仕事に向きます。差を考えるときは、コードの難しさだけでなく、作業範囲と判断回数を見ます。

たとえば、既存APIへ一つのバリデーションを追加する仕事なら、要件が明確で変更範囲も狭いため、Astraである必要性は低めです。一方で、仕様を調査し、複数リポジトリを変更し、UIを操作して表示を確認し、文書とテストも更新する仕事では、Astraの対象範囲と一致します。

SolはAstraの単純な下位互換ではありません。作業範囲を絞りやすい複雑なコード変更では、Solも有力です。速度と利用量はタスクや環境で変わるため、同じ課題で比較して判断してください。

推論強度はタスクの難所に合わせる

推論強度は、モデルが回答前にどれだけ処理へ時間とトークンを使うかを調整する設定です。強度を上げれば常に結果が良くなるとは限りません。公式ガイドも、既定値から始め、綿密な計画や分析が必要な場合に上げる方法を勧めています。

Ultraは推論強度を上げるだけでなく、サブエージェントによる自動分担を利用するモードです。並列化の考え方はCodexサブエージェントの使い方でも解説しています。

実務では、次のように段階的に上げると無駄を減らせます。

1. Mediumでタスクを開始する。
2. 計画段階で依存関係を整理できない場合はHighへ上げる。
3. 複数の独立作業へ分割でき、全体統合も必要な場合だけUltraを検討する。
4. 作業後はテスト結果と差分で品質を確認し、推論強度だけを品質保証にしない。

AstraではAGENTS.mdと完了条件を見直す

OpenAIのモデルガイドは、Astraが従来モデルより指示へ敏感で、SkillやAGENTS.mdなどのファイルに含まれる指示の影響も受けやすいと説明しています。古いルール、曖昧な停止条件、互いに矛盾する指示があると、高性能なモデルでも作業が止まったり、必要以上に広い変更へ進んだりします。

依頼では、少なくとも次の4点を明示します。

• 完了条件：どのファイル、テスト、成果物まで必要か。
• 変更境界：触れてよいリポジトリ、サービス、外部状態はどこまでか。
• 質問条件：どの判断だけ人間へ確認し、それ以外は推測して進めてよいか。
• 検証範囲：変更箇所のテストだけか、統合テストまで必要か。

たとえば「ログイン画面を直して」だけでは、対象画面、成功条件、認証基盤を変更してよいかが分かりません。次のように成果物と境界を加えると、Astraが長い作業を進めても意図から外れにくくなります。

ログイン画面で、無効なメールアドレスを送信したときに
入力欄の下へエラーを表示してください。

- 既存の認証APIは変更しない
- 画面コンポーネントと関連テストだけを変更する
- 対象テストを実行し、差分をレビューして完了する
- 認証仕様の変更が必要なら、その時点で確認する

繰り返す手順はCodex Skillsの作り方へまとめ、終了時の検証はCodex Hooks入門と組み合わせると、モデルを切り替えても作業基準を維持できます。

APIでGPT-6 Astraへ移行するときの変更点

ここからは、Codexのモデル選択ではなく、OpenAI APIでAstraを使う開発者向けの説明です。CodexをChatGPTアカウントで使うだけなら、この設定変更は不要です。

基本のモデルIDはgpt-6-astraです。GPT-6 AstraのAPIモデルページではResponses APIとChat Completionsの両方が対応エンドポイントに含まれますが、ツール呼び出しにはResponses APIが必要です。

移行時は次を確認してください。

既存コードのパラメータをモデル名だけ差し替えると、非対応設定でエラーになる可能性があります。モデル変更、API形式、推論設定、キャッシュ設定を一つずつ確認してください。

Astra固有の非同期ツール呼び出しやMid-turn steeringを使わない場合でも、まず既存処理が同じテストを通ることを確認してから新機能を追加すると、移行と機能追加の問題を切り分けられます。

料金と利用量はログイン方法を分けて考える

Codexの利用量を考えるときは、ChatGPTアカウントで利用する場合と、APIキーで利用する場合を混ぜないことが大切です。

ChatGPTアカウントでCodexを使う場合

Codexの料金によると、ChatGPT WorkとCodexは利用枠を共有します。実際の消費は、モデル、タスクの規模、保持するコンテキスト、推論強度、ツール利用、キャッシュなどで変わります。そのため「Astraなら必ず何回使える」と固定メッセージ数で考えることはできません。

利用状況画面で残量を確認し、日常的な小さな作業ではTerraやLuna、判断が難しい仕事ではSolやAstraを選ぶ方が管理しやすくなります。

APIキーで利用する場合

APIキー認証では、ChatGPTプランの利用枠ではなくAPIトークン料金が適用されます。2026年9月8日時点の標準API価格は、100万トークンあたり入力10ドル、キャッシュ入力1ドル、出力50ドルです。272Kトークンを超える入力には、リクエスト全体へ長文料金の倍率が適用されます。価格は変更され得るため、実装前にGPT-6 AstraのAPIモデルページを確認してください。

長いコンテキストが使えることと、長いコンテキストを毎回送るべきことは同じではありません。不要なログや生成物を入力へ積み続けず、必要な情報、判断、完了条件を短く整理する方が、料金と判断精度の両方を管理しやすくなります。

Astraを選ぶ前のチェックリスト

次のうち3つ以上に当てはまるなら、Astraを試す価値があります。

• 調査、実装、操作、テスト、文書更新を一つの仕事として進めたい。
• 複数のツールやリポジトリをまたぐ。
• 途中で条件が追加されても、元の目的を保つ必要がある。
• 設計や優先順位について複数回の判断が必要になる。
• 最終成果物と完了条件が明確で、長時間の作業を任せられる。

反対に、変更箇所が一つで成功条件が明確なら、TerraやLunaから試す方が合理的です。難しいが範囲の定まったコード変更ならSolも有力です。

新モデルを評価するときは、いきなり本番変更を任せず、同じ小規模タスクを既存モデルとAstraで実行します。比較するのは、生成された文章の印象ではなく、次の項目です。

• 要件を満たしたか。
• 変更範囲を守ったか。
• テストが通ったか。
• 修正のやり直しが何回必要だったか。
• 完了までの時間と利用量が許容範囲か。

モデルがファイルを編集できない場合は、性能ではなく権限やworkspace設定が原因のこともあります。Codexがファイルを編集できないときの対処法で切り分けてください。

まとめ

GPT-6 Astraは、Codexへ常に指定する万能な置き換えではなく、複数工程と判断を最後までつなぐための選択肢です。日常作業は既定モデルと既定の推論強度から始め、作業範囲と判断回数が増えたときにAstraへ切り替えると、速度と利用量を管理しやすくなります。

Astraを使う前に、AGENTS.md、Skill、依頼文の完了条件と境界も確認してください。モデルの能力が上がるほど、どこまで進めてよいかを明確にする価値も高くなります。

参考資料

• Model guidance — Using GPT-6 Astra
• モデル — ChatGPT Work と Codex
• GPT-6 Astra Model
• 料金 — ChatGPT Work と Codex
• ChatGPT & Codex changelog