Gemini 4 Carbon・Claude Fable 5.2・GPT-6.2 Astraを比較:難しいタスクにお金をかける価値があるのはどれ?

Gemini 4 Carbon、Claude Fable 5.2、GPT-6.2 Astraを、公式料金、制限、推論強度の設定、Google MKA論文の結果、Artificial Analysisのタスク当たりコストで比較し、タスク別の選び方を示します。

3艘の木製ボートが同じ桟橋に着く。2艘は長いオールの跡を残し、オレンジ色のオールを持つ中央のボートの跡だけが短い。

ファイルが多く長丁場になる知的作業で、最も安くClaude Fable 5.2に近い品質を得られるのはGemini 4 Carbonです。Google DeepMindのMKAベンチマークでは、Fable 5.2のスコアはCarbonより2.22ポイント高いものの、この差はGoogle自身のブートストラップ検定ではノイズと区別できませんでした。一方でFable 5.2のタスク当たりコストはCarbonの6.26倍です(Carbonは12月料金で計算)。ただし、このコスト面の優位はGPT-6.2 Astraに対しては成り立ちません。 Artificial Analysisの幅広いIntelligence Indexでは、High設定のAstraがHigh設定のCarbonと同等のスコアを、Carbonの現行料金でのコストの約半分、しかもごく短い時間で出しています。最後の数ポイントの品質がコストより重要で、MKAのタスク当たりコストがCarbonの5〜6倍(Carbonは12月料金で計算)になっても構わないならFable 5.2を選びます。速さと1ドル当たりのスコアを重視するならAstraです。視覚情報の多いドキュメント、非常に長いコンテキスト、数時間に及ぶエージェント実行にはCarbonが向いています。Carbonのトークン料金は2026年12月1日に2倍になるため、予算は新料金で見積もってください。

この比較は2026年11月19日時点の情報です。本記事の発行元はOfoxで、3モデルのうちClaude Fable 5.2とGPT-6.2 AstraはOfox経由で呼び出せますが、Gemini 4 Carbonは呼び出せません。11月19日にOfoxの/v1/models一覧を確認したところ、137モデルが返され、anthropic/claude-fable-5.2とopenai/gpt-6.2-astraは含まれていましたが、gemini-4-carbonはありませんでした。そのため、以下のCarbonの例ではGoogle自身のGemini APIを使います。

根拠の種類は、登場する箇所ごとに明記します。ドキュメント上の事実は各ベンダーの現行ページによるものです。ベンチマーク結果はGoogle DeepMindのMKA論文とArtificial Analysis(AA)から、いずれも11月19日に取得しました。当社の計算はそれらの数値を使った算術です。当社の実行結果はOfox経由の4件の例示的なリクエストであり、ベンチマークではありません。

比較の前に注意したい落とし穴:表に載っているのはどのバージョンか

現在出回っているリリース時の比較表の多くは、今日実際に購入できるものとは異なるバージョンを比べています。

出典Carbonの比較対象含まれていないモデル
GoogleのCarbonモデルカード(11月10日)GPT-6 Astra、Claude Opus 5.5、Claude Fable 5.1Fable 5.2、GPT-6.2 Astra
Google DeepMindのMKA技術論文(11月10日)Claude Fable 5.2、Opus 5.5、GPT-6 AstraGPT-6.2 Astra
AnthropicのFable 5.2リリース記事(11月9日)Fable 5.1、Opus 5.5、GPT-6 Astra、Gemini 4 CarbonGPT-6.2 Astra
Artificial AnalysisのMKAリーダーボード(随時更新)現行の3バージョンすべて—

GPT-6.2 Astraのリリースは11月17日で(OpenAI APIの変更履歴)、上記のベンダー表がすべて公開された後です。「GPT-6 Astra」と表記されたスコアはGPT-6.2 Astraのスコアではありません。Carbonのモデルカードにある「Fable 5.1」の列も、Fable 5.2については何も示していません。本記事では、各出典が記載したラベルをそのまま使います。現行の3モデルが同じ評価環境で並んでいるのは、Artificial Analysisだけです。

前世代については、Gemini 4 Argon・GPT-6 Astra・Claude Opusのベンチマーク解説とGPT-6 Astraレビューをご覧ください。Fable 5.2とAnthropicの他モデルで迷っている場合は、Fable 5.2・5.1・Opus 5.5の比較が参考になります。

同じ基準でそろえた公式料金

ドキュメント上の事実です。Standard区分、100万トークン当たりの米ドル、2026年11月19日に確認しました。

Gemini 4 CarbonClaude Fable 5.2GPT-6.2 Astra
モデルIDgemini-4-carbonclaude-fable-5-2gpt-6.2-astra
入力11月30日まで$2.00、12月1日から$4.00$8.00$8.00
キャッシュ入力(読み取り)$0.10、12月1日から$0.20(暗黙的キャッシュのみ)$0.20(入力料金の2.5%)$0.40
出力(思考を含む)$10.00、12月1日から$20.00$40.00$40.00
割引オプションBatch、Flex、Priority区分(本記事では料金を扱いません)Batchは50%オフ。fastモードは割高($16 / $80)バックグラウンド処理枠で30%(2時間)または40%(8時間)オフ。Batch
長コンテキストの追加料金なし。1Mのウィンドウ全体で一律なし。1Mのウィンドウ全体で標準料金入力が272Kトークンを超えると、リクエスト全体で入力とキャッシュの料金が2倍、出力が1.5倍
無料枠なしなし記載なし

出典(いずれも英語):GoogleのCarbon料金セクションとCarbonガイド、Anthropicのモデル概要とFable 5.2リリース記事、OpenAIのGPT-6.2 Astraモデルページと変更履歴。FableとAstraではキャッシュの書き込みが別途課金され、Googleもグラウンディングツールをクエリ単位で別途課金します。CarbonとArgonの料金改定の詳細は12月の料金改定ガイドで解説しています。

入力が272Kトークン未満であれば、Fable 5.2とGPT-6.2 Astraの定価は同じです。したがって両者の差は、それぞれが消費するトークン数で決まります。272Kを超えると、Astraは長コンテキストの追加料金によって3モデルの中でトークン単価が最も高くなります。これは、Carbonが最も得意とする256K〜1Mのワークロードで効いてきます。Carbonの定価は、11月30日までは他の2モデルの4分の1、12月1日からは2分の1です。

当社の計算:同一リクエストの場合。 入力50,000トークンのうち40,000トークンがキャッシュヒット、出力6,000トークンとします。キャッシュ書き込み料金は含めません。Carbonは暗黙的キャッシュのみのため、ヒット率は保証されません。

キャッシュなし入力キャッシュ入力出力合計
Carbon(11月料金)$0.020$0.004$0.060$0.084
Carbon(12月料金)$0.040$0.008$0.120$0.168
Fable 5.2$0.080$0.008$0.240$0.328
GPT-6.2 Astra$0.080$0.016$0.240$0.336

この記事の中で最も役に立たないのがこの表です。実際には、3モデルが同じタスクで同じ6,000トークンを出力することはありません。GoogleのMKA論文では、タスク当たりの平均出力トークンはFable 5.2が378.9k、Carbonが129.5k、GPT-6 Astraが42.0kでした。トークナイザーも異なります。当社の実行では、同じプロンプトがFable 5.2では301入力トークン、GPT-6.2 Astraでは212入力トークンと数えられました。トークン単価は料金の水準を決めますが、請求額を決めるのは完了したタスク当たりのコストです。リトライやキャッシュのルールまで含めたCarbonのタスク台帳を作るには、Carbonタスクコスト計算ツールをお使いください。

制限、推論強度の設定、利用経路

ドキュメント上の事実です。

Gemini 4 CarbonClaude Fable 5.2GPT-6.2 Astra
コンテキストウィンドウ1,048,576トークン(入力・思考・出力で共有)1Mトークン1,050,000トークン(最大入力922,000)
1レスポンスの出力上限同期で65,536。バックグラウンドの長時間デコードでは最大「1M−入力」128K128,000
推論の制御thinking_level:low、medium(デフォルト)、highoutput_config.effort:low〜max、デフォルトはhigh。適応型思考は常時オンreasoning.effort(Chat Completionsではreasoning_effort)。noneは拒否される。モデルページには他の段階とデフォルトの記載なし
入力モダリティテキスト、画像、音声、動画テキスト、画像(APIではPDFも可)テキスト、画像
知識のカットオフ2026年3月2026年6月(信頼できる範囲)2026年5月18日
呼び出せる場所Gemini API有料枠、Google AI Studio、Gemini for businessClaude API、Bedrock、Google Cloud、FoundryChat Completions、Responses(ツール呼び出しに必須)、Batch
Ofoxでの提供(11月19日確認)なしありあり

移行前に押さえておきたい点があります。

  • Carbonの出力上限には思考が含まれます。 max_output_tokensは思考と回答の両方を対象とします。CarbonはArgonよりも上限の多くを思考に使うため、Googleは32,768トークン以上に設定するよう推奨しています。それより長い出力にはbackground: trueが必要です。どちらの方法もCarbon APIセットアップガイドで説明しています。
  • Fable 5.2は思考をオフにできません。 Anthropicは、まずhighから始め、最も難しい長時間の作業にはxhighを使い、maxはモデルの上限を測るときに使うよう推奨しています。リクエストの形式と履歴の扱いはFable 5.2 APIガイドにまとめています。
  • GPT-6.2 Astraでツールを呼び出すにはResponses APIが必要です。 変更履歴では、移行に関わる変更点として、履歴を編集した後にResponsesが推論をどう保持するか、トップレベルのinstructionsフィールドをどう扱うかも挙げられています。

Ofoxでは、Fable 5.2のモデルページにOpenAI互換プロトコルとAnthropicプロトコルの両方が記載されています。両モデルのOfoxでの現在の料金は各モデルページと料金・課金ドキュメントに表示されているため、本記事では転記しません。

ベンチマーク1:Google DeepMindのMKA論文(いわゆる「統計的な引き分け」)

Carbonが “ties Fable 5.2 at a sixth of the cost”(6分の1のコストでFable 5.2と互角)という主張は、主に二次的な報道を通じて広まっています。一次情報源はMKA技術論文です。GoogleのMKAブログ記事は、Carbonが “#2 in quality”(品質で2位)であり、トップモデルより “at 6x lower cost on average”(平均で6分の1のコスト)でタスクを完了したと述べているだけです。

MKAは10業界にわたる200件の非公開タスクで構成されています。各タスクは、図面、回路図、スキャン、チャートといった視覚情報の多いファイルを使う複数ステップのプロジェクトです。すべてのモデルが、同じオープンソースのStirrupハーネスで250ターンを上限として実行されました。論文の主な表は次のとおりです。

モデル(論文の表記)Climb-WSR(± 95% CI)全体WSRタスク当たり出力トークンターン数タスク当たり時間タスク当たりAPIコスト
Claude Fable 5.256.56 ± 3.6373.26378.9k128.883.2分$35.28
Gemini 4 Carbon54.34 ± 3.2471.89129.5k46.629.2分$5.63
Claude Opus 5.553.01 ± 3.5470.98208.8k91.433.8分$10.29
GPT-6 Astra50.24 ± 3.2569.3442.0k29.018.5分$6.03

論文は中心的な結論を次のように表現しています。タスク単位の対応付きブートストラップでは、Fable 5.2、Carbon、Opus 5.5は “are statistically indistinguishable on Climb-WSR”(Climb-WSRで統計的に区別できない)。Fable 5.2のCarbonに対するリードは+2.22ポイントで、95%区間は−0.94〜+5.49です。CarbonのGPT-6 Astraに対するリード(+4.10ポイント、区間は+1.00〜+7.11)は、統計的に有意です。6.26倍というコスト差は、“provider list prices at the time of writing”(執筆時点のプロバイダー定価)による$35.28 ÷ $5.63から来ています。論文はCarbonのどの料金を使ったか明記していませんが、当社の計算では12月料金を指しています。$4 / $20で計算すると、表4のCarbonのトークン数は、入力の93.7%がキャッシュから提供される場合にちょうど$5.63になります。これは論文が示す93.7%〜97.7%の範囲の下限です。$2 / $10では、同じトークン数でこの範囲のどのキャッシュ比率でも$5.63に届きません。現在の11月料金なら、Carbonのタスク当たりコストは約半分になり、Fableの倍率は約2倍に広がります。

この結果を読むときは、次の4つの限界を念頭に置いてください。

  1. 各モデルはタスクごとに1回しか実行されておらず、採点も1回だけです。論文によれば、区間が反映しているのはタスクのサンプリングによるばらつきであり、実行ごとのばらつきや採点者のばらつきは含みません。
  2. ベンチマークはGoogleが共同設計し、Googleのモデルが2位でした。 採点者はGoogle以外のモデルで、人間が確認した高配点の評価項目では96.2%で人間と一致しました。強力な検証ではありますが、独立した追試ではありません。
  3. テストされたOpenAIのモデルはGPT-6 Astraであり、GPT-6.2 Astraではありません。 論文は6.2について何も述べていません。
  4. 統計的な引き分けは、同じ結果を保証するものではありません。 これは、この200タスクのサンプルでは真の差がゼロである可能性を排除できないという意味です。同様に、Fableが5ポイント上回っている可能性も排除できません。

ベンチマーク2:GPT-6.2 Astraが加わったArtificial AnalysisのMKAリーダーボード

MKAはGoogleとArtificial Analysisが共同で構築したもので、公開リーダーボードはAAがホストしています。論文に載っている4モデルについては、AAのClimb WSRスコアは論文と小数点以下2桁まで一致します。したがって、このリーダーボードは独立した追試ではなく、同じ評価を新しいモデルに広げたものと捉えるべきです。AA自身の採点者はmedium設定のGPT-6 Lunaで、推論強度は各モデル名の一部として表記されています。AAはコストと時間を独自の基準で見積もっているため、これらの列は論文と異なります。2026年11月19日に取得しました。

モデルと推論強度(AAの表記)MKA Climb WSRタスク当たりコストタスク当たり時間
Claude Fable 5.2 (Max)56.6%$31.9857.1分
Gemini 4 Carbon (High)54.3%$6.2929.0分
Claude Opus 5.5 (Max)53.0%$10.2326.1分
GPT-6.2 Astra (Max)52.7%$3.6721.8分
GPT-6 Astra (Max)50.2%$6.2117.0分

GPT-6.2 Astraがリーダーボードに加わったことで、2つの点が変わります。

  • コストでは、AAの数値でFable 5.2はCarbonの約5.1倍($31.98 ÷ $6.29、当社の計算)で、論文の6.26倍より小さくなります。どちらもCarbonは12月料金での数値です。方向は同じで、倍率の大きさは同じトークン使用量を各者がどう価格換算するかで変わります。
  • GPT-6.2 Astraは、MKAで3モデル中最も安くなりました。 スコアはCarbonより1.7ポイント低く(52.67%対54.34%)、コストはAA上のCarbonの約58%です。AAは信頼区間を公開しておらず、論文は6.2をテストしていないため、この1.7ポイントの差が実在するかどうかは誰も示していません。

AAのCarbonの数値を流用する前に、価格の前提を確認してください。AAのデータはCarbonを$4 / $20、つまり12月料金で計算しています。12月1日にCarbonのトークン料金はすべてちょうど2倍になるため、現在の$2 / $10では、同じトークン使用量でMKAタスク1件当たり約$3.15になります(当社の計算:$6.29 ÷ 2)。つまり11月30日までは、CarbonはGPT-6.2 Astraの$3.67をわずかに下回り、それ以降は$6.29に戻ります。

11月18日にリリースされたGemini 4 Neonは、Xhigh設定で同じリーダーボード上56.5%、$5.36を記録しています。Neonは別の比較になるため、Gemini 4 NeonとCarbonの比較で扱っています。

ベンチマーク3:Artificial Analysisの幅広いIntelligence Index

MKAが測るのは1種類の作業だけです。AAのIntelligence Index v5.0.1は、知的作業、コーディング、科学、一般知識にわたる9つの評価を組み合わせたものです。数値は2026年11月19日に取得したAAのモデルページによるもので、コストはAAが各モデルに掲載している価格で計算されています。

モデルと推論強度IndexスコアIndexタスク当たりコストIndexタスク当たり時間
Claude Fable 5.2 (Max)64.6$26.5441.6分
Claude Fable 5.2 (High、APIのデフォルト)61.8$9.0815.0分
GPT-6.2 Astra (Max)62.1$4.0013.7分
GPT-6.2 Astra (High)60.1$2.075.9分
Gemini 4 Carbon (High)60.0$7.76(11月料金なら約$3.88)37.2分
Gemini 4 Carbon (Medium、APIのデフォルト)58.3$6.59(11月料金なら約$3.29)29.6分

半額にしたCarbonの数値は当社の計算で、時間の列はAAの秒数を分に換算したものです。この幅広い評価では、Carbonのコスト面の評価が逆転します。High設定のGPT-6.2 Astraは、High設定のCarbonと同等のスコア(60.1対60.0)を、Carbonの現行料金でのコストの約半分、AAが使う12月料金でのコストの4分の1で、しかも約6分の1の時間(5.9分対37.2分)で出しています。 AAのCarbonページには、最初の回答トークンまで73秒、出力速度は毎秒55トークンと記載され、“notably slow per task and very verbose”(タスク当たり目立って遅く、非常に冗長)と評されています。各ベンダーのデフォルト設定で比べると、Fable 5.2 High(61.8)はCarbon Medium(58.3)を上回り、タスク当たりコストは$9.08で、Carbonは12月料金で$6.59です。OpenAIはAstraのデフォルトの推論強度を公開していないため、Highで比較しています。

ベンダーの表が補えること(と当てはまらないところ)

ファーストパーティの表でFable 5.2とCarbonを並べているのは、AnthropicのFable 5.2リリース記事だけです。そのOpenAIの列はGPT-6 Astraです。Anthropicは、特記がない限り各モデルの最高の推論強度を使い、CarbonのFrontierCodeスコアはMedium設定であると注記しています。

ベンチマーク(Anthropic発表)Fable 5.2GPT-6 AstraGemini 4 Carbon
FrontierSWE v269.9%65.5%61.2%
AutomationBench51.4%41.4%53.9%
Terminal-Bench-Science 0.174.6%68.1%64.8%
AA-Briefcase v1.1(Elo)178515691611
Chartography(ツールなし)73.4%71.0%72.5%

Carbon自身のモデルカードは、他のどの表にもない長コンテキストの根拠を加えています。256k〜1MトークンのGraphWalks BFSで、GoogleはCarbonを96.2%、GPT-6 Astraを71.8%、Fable 5.1を65.0%と報告しています。そこではFable 5.2は測定されていないため、長コンテキストでCarbonがFable 5.2を上回るという点は、妥当ではあるものの未検証と考えます。同じカードでは、Terminal-Bench 4.0(AA)でCarbonが65.2%、GPT-6 Astraが59.1%、Fable 5.1が52.0%、SWE-sweepではCarbonが9.6%、他の2モデルが9.5%と2.9%です。これらの出典を総合すると、Fable 5.2はエージェント型コーディングと自由度の高いリサーチでリードし、Carbonは業務ワークフローと長く視覚的なドキュメントで最も強いと言えます。Anthropicの表では、GPT-6 AstraはFrontierSWE v2とTerminal-Bench-ScienceでCarbonを上回る一方、AutomationBench、Chartography、Googleの長コンテキストテストではCarbonに及びません。

当社の例示的な実行:Ofox経由のFable 5.2対GPT-6.2 Astra

自分たちのプロンプトでトークン消費の違いを確かめるため、2026年11月19日に小さなタスクを2つ実行しました。各モデルで各タスクを1回ずつ、同一のプロンプトで、OfoxのOpenAI互換エンドポイント(https://api.ofox.ai/v1/chat/completions)を通じてreasoning_effort: "high"、max_tokens: 32000で実行しています。OfoxはCarbonを提供していないため、Carbonは実行していません。下表のコストは、返された使用量に各ベンダーの公式定価を当てはめたもので、Ofoxの請求額ではありません。

  • タスクA(コード修正): 書面の仕様に4点で違反している9行の区間マージ関数です(入力を変更する、不正な区間を残す、接する区間を統合しない、タプルではなくリストを返す)。修正後の関数は、入力変更と戻り値の型のチェックを含む505件のテストケースで確認しました。
  • タスクB(数え上げパズル): 5つの制約のもとで7つの項目の並べ方を、コードを使わずに数える問題です。総当たりで確認すると答えは129です。
タスクモデル結果出力トークン(うち推論)実時間定価ベースのコスト
AClaude Fable 5.24点すべて指摘、テスト合格1,037 (465)12.1秒$0.044
AGPT-6.2 Astra4点すべて指摘、テスト合格201 (49)5.1秒$0.010
BClaude Fable 5.2129、正解5,250 (4,419)44.7秒$0.211
BGPT-6.2 Astra129、正解2,435 (1,916)29.8秒$0.098

どちらのモデルも両方のタスクを解きました。Fable 5.2の出力トークンは、タスクAでAstraの5.2倍、タスクBで2.2倍でした。説明もより詳しく、タスクAでは計算例まで示しています。Astraの回答は簡潔でした。定価が同じなので、トークン消費の差がそのままコストの差になりました。これはAAとMKAのトークン数と同じ傾向ですが、4件のリクエストでは品質や安定性について何も証明できません。また、OpenAI互換ルートでOfoxがreasoning_effortをFableのeffort設定にどう対応付けているかは検証していません。生のリクエスト、レスポンス、検証スクリプトは当社のレポートファイルとともに保管しています。

1つのキーで再現するには、OpenAI互換クライアントの接続先をOfoxにして、モデルIDだけを変えます。設定方法はOfoxの連携ドキュメントをご覧ください。

from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.ai/v1", api_key="YOUR_OFOX_KEY")

for model in ["anthropic/claude-fable-5.2", "openai/gpt-6.2-astra"]:
    r = client.chat.completions.create(
        model=model,
        max_tokens=32000,
        reasoning_effort="high",
        messages=[{"role": "user", "content": "<your task>"}],
    )
    print(model, r.usage.completion_tokens, r.choices[0].message.content[:200])

Carbonは、Gemini APIキーを使ってGoogleのネイティブAPIでテストする必要があります。ドキュメントに記載されているInteractionsの呼び出しは次のとおりです。

from google import genai

client = genai.Client()
interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="<your task>",
    generation_config={"thinking_level": "medium"},
)
print(interaction.output_text)

リクエストが失敗したら、再試行の前に、アクセス権やクォータのエラーとパラメーターのエラーを切り分けてください。Fableについては、Fable 5.2の400エラーガイドで思考とツール履歴に関するミスを扱っています。Astra系のモデルID、401、トークン上限のエラーはGPT-6 Astraエラーガイドをご覧ください。Gemini側はGemini 4 APIエラーを参照してください。Ofox経由での再試行と制限については、Ofoxのエラー処理ガイドとレート制限のドキュメントにまとめています。

判断表:どの仕事にどれを選ぶか

状況選択理由(根拠)注意点
図面、スキャン、チャートをもとにした長いレポート、スライド、監査Gemini 4 CarbonMKAでFable 5.2と統計的に引き分けで、タスク当たりコストは約6分の1(論文)〜5分の1(AA)。どちらもCarbonは12月料金遅い。12月1日に2倍。Ofoxにはない
単に検索するのではなく推論が必要な256k〜1Mトークンの入力Gemini 4 CarbonGoogleのモデルカードでGraphWalks 256k〜1Mが96.2%そこではFable 5.2は未測定。自分で確認を
SaaSツールをまたぐ業務自動化Gemini 4 CarbonAutomationBenchで53.9%、Fable 5.2は51.4%(Anthropic発表)差は小さく、ベンチマークは1つだけ
最難関のエージェント型コーディング、移行作業、数ポイントが重要な自由度の高いリサーチClaude Fable 5.2FrontierSWE v2、Terminal-Bench-Science、Max設定のAA Indexで首位MKAのタスク当たりコストはCarbonの5〜6倍(Carbonは12月料金)。Max設定は遅い
コストよりも最高スコアを優先したい作業Claude Fable 5.2(Xhigh/Max)AA Indexで最高(64.6)、MKAでも最高スコアMaxではIndexタスク当たり$26.54。まずHighで試す
セキュリティ研究デフォルトのアクセスではFable 5.2以外AnthropicによればFable 5.2のセーフガードはサイバーセキュリティタスクの大半をブロックする。Mythos 5.2の利用にはCyber Verification Programのアクセスが必要GoogleもFairwind Programを通じて検証済みの防御側にCarbonを提供している。本記事ではサイバー分野の結果は比較していない
対話的、またはレイテンシに敏感な難しい推論GPT-6.2 AstraAAで3モデル中最速(High設定でIndexタスク当たり5.9分)、同等スコアでは最安新しく、独立した評価はまだ少ない。音声・動画入力には非対応
ベンダーをまたいで1つのAPIキーで使い、フォールバックもしたいOfoxでFable 5.2 + GPT-6.2 Astraどちらも1つのエンドポイントで利用可能Carbonには別途Googleアカウントが必要

それぞれの弱点

  • Gemini 4 Carbon: 遅く、出力が冗長です(AA Indexタスク当たり37.2分、最初の回答トークンまで73秒)。Intelligence Indexの1ドル当たりスコアはGPT-6.2 Astraより優れているわけではありません。無料枠がなく、トークン料金は12月1日に2倍になり、知識のカットオフ(2026年3月)は3モデルで最も古く、Ofoxでは提供されていません。
  • Claude Fable 5.2: MKAで完了したタスク当たりのコストは、論文とAAのどちらのコスト数値でも群を抜いて高くなっています。トークン消費がはるかに多いためです(MKAタスク当たりの総トークンは40.48M、Carbonは7.05M)。思考はオフにできず、サイバーセキュリティ関連の作業はほとんどブロックされます。
  • GPT-6.2 Astra: 11月17日のリリースのため、ほとんどのベンダー表はGPT-6 Astraしか扱っていません。AAのMKAリーダーボードでは3モデル中最も低いスコアで、入力はテキストと画像のみ、ツール呼び出しにはResponses APIが必要です。

自分のワークロードで決着をつける方法

ベンチマークで候補は絞れますが、最終的に決めるのは自分のタスクです。採点できる実際のタスクを20〜50件選び、プロンプトを同一に保ち、失敗した試行も含めて各試行のスコア、総トークン、実時間、定価ベースのコストを記録してください。Carbonはmediumとhigh、Fable 5.2はxhighの前にhigh、GPT-6.2 Astraはmaxの前にhighで実行します。今月Carbonを試す場合は、コストを$2/$10と$4/$20の両方で計算しておけば、11月の試用で立てた予算が12月に崩れることを防げます。

2つのモデルのスコアが数ポイントしか違わず、一方のコストが5倍なら、MKAのデータはその差がノイズかもしれないことを示しています。3社のモデル階層をより広く見るにはGemini 4・Claude・GPTのモデル階層を、1つ下の階層の比較はGemini 4 Neon・Claude Opus 5.5・GPT-6.2 Solの比較をご覧ください。

関連ドキュメント