OpenAI、スタートアップ向けGPT‑6シリーズを解説

このガイドはローンチノートではなく意思決定の補助として構成されている。OpenAIはGPT‑6を3つの名前付きモデルを擁するスイートとして提示し、モデル選択と推論レベルを「知能と価格のトレードオフ」として捉えるようチームに求めている。この枠組みは文書全体を貫いている。モデル一覧（最も難しい推論向けのAstra、複雑なコーディングとリサーチ向けのSol、請求書の項目抽出のような反復タスク向けのLuna）から、推論レベル（低、中、高、そして超高／最大）や速度オプション（FastモードとUltrafast、後者はGPT‑6 Astraで利用可能）まで一貫している。

運用面の助言の多くは、生の能力よりもコストとコンテキストに関するものだ。OpenAIはプロンプトキャッシュに言及し、モデル次第でキャッシュ済み入力トークンは未キャッシュより最大95%安くなるとしている。また長い会話でコンテキストサイズを減らす圧縮も挙げている。導入前にタスク成功率、遅延、成功したタスクあたりのコストを測定し、監視とデータ管理を計画するようチームに求めている。

長めの作業については、ガイドは実行をやり直すのではなく継続させる機能に頼っている。Responses WebSocket APIによるターン途中の方向修正、非同期ツール呼び出し、そしてGPT‑6.1 Sol経由でResponses APIのマルチエージェントワークフローだ。後者は現在ベータだとOpenAIは述べている。チームがキャッシュの節約と長時間タスクの利点を実際に得られるかは、プロンプト、スキル、リポジトリの指示をどれだけガイドに忠実に従わせるかにかかっており、モデルの問題であると同時に規律の問題でもある。