Codex向けのGPT-6モデル：Astra、Sol、Lunaのどれを選ぶべきか？
最も役立つモデル比較は、完了させたい作業を出発点にします。明確な受け入れテストがある小さな編集、原因が不明確な本番環境のバグ、大規模なリファクタリングでは、コーディングエージェントに求められる能力が異なります。
これはモデルを選ぶための手順であり、あるモデルがあらゆるタスクで勝ると主張するベンチマークではありません。各モデルに同じリポジトリ状態、指示、検証項目を用意し、結果と実際の使用量を比較してください。
最初の候補を選ぶ
| タスク | 最初に試す候補 | 測定する項目 |
|---|---|---|
| 範囲が限定された編集や抽出 | GPT-6 Luna | 明確な出力仕様に対する正確性 |
| 機能開発と日常的なコードレビュー | GPT-6.1 Sol | 実装の完了度と検証にかかる労力 |
| 難しいデバッグや相互に影響する制約 | GPT-6 Astra | 根本原因を解決できるか |
| 既存のGPT-6 Sol連携 | GPT-6 Sol、その後GPT-6.1 Sol | モデルIDを変更したときのリグレッションの有無 |
これらの出発点は、OpenAIの次の資料に記載された役割に基づいています モデル選択ガイダンス。別の選択肢がより適切かどうかは、ご自身のワークロードによって決まります。
正確なモデルIDを使う
- GPT-6 Astra:
gpt-6-astra. - GPT-6.1 Sol:
gpt-6.1-sol. - GPT-6 Luna:
gpt-6-luna. - GPT-6 Sol:
gpt-6-sol.
GPT-6 SolとGPT-6.1 Solは別の識別子です。比較の中で、一方をもう一方に黙って置き換えないでください。リクエストに指定した正確なモデル、プロバイダー、推論設定、およびサービステ ィアのオプションを記録してください。
AI Prime TechのプリペイドCodexグループには、これらのモデルに対するResponsesリクエストが最近完了した実績があります。テストする前に、ご自身のキーで利用できるモデル一覧を確認してください。この実績はゲートウェイが最近利用されたことを示すものであり、上流のすべてのツールや今後のリクエストがサポートされることを保証するものではありません。
小規模な評価セットを作る
実際の作業からいくつかのタスクを選びます。単純な変更、再現可能な失敗を伴うバグ、要件が不明確で慎重な解釈が必要なタスクを含めてください。すべてのモデルに同じ初期コードと、文書化した完了条件を与えます。
たとえば、公開APIを変更せずに入力検証のバグを修正するよう、各モデルに依頼します。既存のチェックを通過することを必須とし、対象を絞ったリグレッション確認用の例を含めてください。モデルが原因を見つけたか、パッチに無関係な変更が含まれたか、人による修正がどの程度必要だったかを記録します。
あるモデルが別のモデルの解決策を引き継がないよう、評価は個別に行ってください。最終的な成果物に対してリポジトリのチェックを実行します。説得力のある説明があっても、変更が動作しなければ成功とみなすべきではありません。
タスク完了あたりのコストを比較する
トークン単価は判断材料の一つにすぎません。再試行や追加のプロンプトも含め、実行にかかった実際の料金を記録してください。安価なリクエストでも、より多くの試行が必要になることがあります。一方、小さなモデルが確実に完了できるタスクでは、高価なモデルは過剰な選択になり得ます。
モデルの詳細ページには、公式の標準料金へのリンクと、その適用上の制限についての説明があります。AI Prime Tech経由のリクエストでは、選択したグループとプランに対応するダッシュボードの課金額を使用してください。実行結果を比較するときは、キャッシュの有無、長いコンテキスト、サービスオプションの条件をそろえてください。
期間制のプランでは、有効期間とレート制限の範囲内で、どれだけ有用な作業を完了できるかも考慮してください。プラン名だけを根拠に、スループットやすべてのモデルの利用可否を判断しないでください。
コンテキストを予算として扱う
関連するコード、失敗時の挙動、制約をエージェントに渡してください。毎回のリクエストにリポジトリ全体を追加すると、コストが増え、重要な部分が見えにくくなることがあります。調査したファイルに基づく根拠を求め、完了を確認するテストを残してください。
本当に長いリクエストが必要な場合は、モデル、クライアント、ゲートウェイのグループで実際に適用される上限を確認してください。上流モデルが公表しているコンテキスト長は仕様であり、統合システム全体がそのサイズのリクエストを受け付けることの証明ではありません。
Codexを一度設定し、モデルは意図的に変更する
次のガイドに記載されたカスタムプロバイダーを使用してください Codex CLIガイド。次の項目の model 値を上記一覧にある正確なIDに変更し、次のコマンドで現在のモデルとプロバイダーを確認します /status.
アプリケーション向けには、次の資料で OpenAI互換APIガイド ストリーミングResponsesリクエストを紹介しています。モデルを変更するときも、エンドポイントと認証情報は同じものを使用してください。エージェントに長時間の無人作業を依頼する前に、各ツールを個別にテストしてください。
役立つ判断基準
代表的なタスクを必要な品質で完了できる、最も軽量なモデルを選んでください。失敗した場合や問題が複雑になった場合に、より高性能なモデルへ切り替えられるようにしておきます。モデルのバージョン、プロンプト、ゲートウェイ設定を変更するときは、用意した例を再実行してください。
サブスクリプションとAPIアクセスのどちらにするかまだ検討中の場合は、次の資料をご覧ください Codex APIキーとChatGPTサブスクリプションの比較。このゲートウェイを使い始めるには、次のページをご利用ください Codex APIアクセスページ.
ワークフローに合ったモデルとアクセスグループを選択してください。
CodexのAPIアクセスを詳しく見る