GPT-6 Astra対Claude Opus 5.5：1Mの埋め方

2026年9月、三週間のあいだに二つの新しいフラッグシップが登場しました。OpenAIは9月3〜4日に GPT-6 Astra を公開し、9月22日には軽量版の Sol と Luna を追加しました。同じ日、Anthropicは Claude Opus 5.5 をリリースしています。

たいていの比較記事はベンチマークの表で終わります。この記事が問うのは、もっと実務的な問題です。100万トークンのウィンドウを実際に使った瞬間にぶつかる問い、つまり そこに何を入れるのか、そして埋めるのにいくらかかるのか です。

ウィンドウが大きくなっても、資料がきれいになるわけではありません。ノイズにより多く払えるようになるだけです。

二つのウィンドウを並べてみる

執筆時点で公開されている仕様と定価から、長文コンテキストの作業に効いてくる項目をまとめました。

	Claude Opus 5.5	GPT-6 Astra
コンテキストウィンドウ	1,000,000トークン	1,050,000トークン
1回のプロンプトの最大入力	1,000,000	約922,000（残りは出力用に確保）
入力価格（100万トークンあたり）	$4	$10
出力価格（100万トークンあたり）	$20	$50
長文プロンプトの割増	なし、一律料金	入力272Kトークン超でリクエスト全体が入力約2倍、出力1.5倍

目を引く点が二つあります。

一つ目。紙の上で「大きい」ウィンドウが、実際に大きなプロンプトを受け付けるとは限りません。Astraのウィンドウは5%大きいものの、一部が出力用に確保されているため、1回の入力として大きいのはOpus 5.5のほうです。

二つ目、そして財布にとってはこちらが重要です。Astraには入力272Kトークンに料金の段差があります。 これを超えると、超えた分だけでなくリクエスト全体の単価が変わります。280Kトークンのプロンプトは、270Kのプロンプトのおよそ2倍の費用になります。

この一つの数字が、Astra向けのコンテキストの準備の仕方を変えます。

トークンは実際どこに消えているのか

40のウェブページ（競合のドキュメント、いくつかの研究記事、フォーラムのスレッド）を横断してモデルに考えさせたいとします。素朴なやり方は、生のページをそのまま貼るか取得させることです。

生のHTMLは、ほとんどが中身ではありません。ナビゲーション、Cookieバナー、スクリプト、インラインスタイル、トラッキング属性、そして全ページで繰り返されるフッターのリンク。5,000語の記事でも、HTMLだと30,000〜50,000トークンになることは珍しくありません。同じ記事を整ったMarkdownにすると、通常は 80〜90%小さくなり、7,000トークンを切ることもよくあります。

これを40ページぶん計算すると、こうなります。

• 生のHTML： 約1.4Mトークン。どちらのウィンドウにも収まりません。ページを削るところから始まります。
• 整ったMarkdown： 約250Kトークン。どちらにも収まり、しかも Astraの272Kの段差を下回ります。

資料も質問も同じ。片方は実行すらできず、もう片方はどちらのモデルでも基本料金のまま動きます。

ノイズが奪うのはお金だけではない、答えの質もだ

長文コンテキストのモデルは、干し草の山から針を見つけるのがとても上手になりました。それでも、干し草は少ないほうがうまくいきます。

プロンプトの半分がメニューや定型文だと、三つのことが劣化します。

• 出典の特定。 繰り返されるナビゲーションや「関連記事」のブロックが偽の一致を生みます。モデルが記事ではなくサイドバーを引用してしまいます。
• 構造。 HTMLは階層を div の山に埋もれさせます。Markdownは # の見出し、リスト、表、コードブロックで構造を明示し、モデルはそれをそのまま読めます。
• キャッシュの再利用。 どちらのベンダーもキャッシュされた入力を大きく割り引きます。安定した整ったMarkdownファイルは、取得のたびに広告が変わるページよりも、はるかに優れたキャッシュのプレフィックスになります。

100万トークン作業のためのシンプルな手順

私たち自身が使っているワークフローで、どちらのモデルでも同じように機能します。

1. 一度だけ、Markdownで集める。 残す価値のあるものを読んだら、ブックマークではなく .md ファイルとして保存します。Minibase ならChromeでワンクリック。ページはタイトル、元のURL、日付をフロントマターに持つ整ったMarkdownになります。
2. プロジェクトごとにまとめる。 取り組んでいる問い一つにつき、フォルダを一つ。フォルダに40ファイルあれば、それがコンテキストパックです。
3. 送る前に数える。 Markdownなら見積もりが正直です。ファイルサイズをおよそ4で割ればトークン数の目安になります。Astraを使うなら、パックを272K未満に抑えましょう。
4. インターネットではなくパックを渡す。 モデルにはフォルダを指し示します。Minibase VaultをClaudeに接続していれば、ClaudeはMCPを通じて保存済みのファイルを直接読みます。コピペは不要です。
5. パックを次回のために残しておく。 来月、次のモデルが出ても、同じフォルダがそのまま使えます。

結局どちらを使うべきか

長文コンテキストのリサーチや文書作業なら、公開された数字からするとOpus 5.5のほうが無難な既定の選択です。ウィンドウ全体で一律の料金、1回のプロンプトとしてより大きな入力、そしてトークンあたりの安い単価。Astraも本物の強みを持つ優れたモデルで、特にコンピューター操作で光ります。すでにOpenAIのスタックを使っているなら十分に使う価値があります。ただし、プロンプトは段差の手前に収めてください。

とはいえ正直な結論は、モデルの選択よりも入力の選択のほうが重要だということです。どちらのウィンドウも、同じ規律に報います。少なく、きれいなトークン。よく構造化された250KトークンのMarkdownを持つチームは、今週のランキングで首位のモデルに900KトークンのHTMLを貼るチームよりも、良い答えを、速く、安く得られます。

モデルは数か月ごとに変わります。あなたの資料まで変わる必要はありません。

関連記事

• LLMのコンテキストにMarkdown：エージェントが好む理由
• コンテキストエンジニアリングは新しいプロンプトエンジニアリング
• Claudeのためのwikiビルダーとしての Minibase Vault