はじめに
ブリーフ、参照資料、受け入れ条件を 1 つの会話で GPT 6.2 Astra に渡してください。OpenAI は複雑な成果物のためにこのモデルを開発しているため、完成形に必要な内容を最初に示します。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 出力 | テキスト |
| 入力コンテキスト | 1,050,000 トークン |
主な機能とハイライト
問いと根拠を同じ場所にまとめる
要件、抜粋、過去の決定を1つの会話にまとめられます。入力は最大922,000トークン、メッセージは最大256件です。文書と節に名前を付け、回答から確認担当者が出典をたどれるようにしてください。依頼の末尾には、必要な判断と満たすべき基準を記します。
課題に照らして労力を評価する
推論の労力はlow、medium、high、xhigh、maxから選択でき、既定値はmediumです。代表的な課題を使い、資料と受け入れ基準を固定して設定を変えてください。仮定、矛盾する要件、未解決の問いの扱いを確認し、業務に適した設定を判断します。
成果物に必要な回答量を確保する
回答枠の既定値は4,096トークンで、16〜128,000トークンに設定できます。簡潔な意思決定メモと詳細な技術報告では必要な長さが異なるため、形式と合わせて選んでください。必要な節を示し、返された成果物に抜けがないか確認してから引き渡します。
ツールで実行できる操作を記述する
最大128件のツール定義を渡し、ツール選択の設定で要求可能な呼び出しを制御します。並列要求は既定で有効です。結果の順序に依存するワークフローでは無効にしてください。各関数を明確に説明し、要求された引数を確認して、次の判断に使う結果を返します。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
messages | はい | ブリーフ、参照資料、受け入れ条件を Astra に渡します。ユーザーメッセージには画像も含められます。 1 件以上 · 256 件以内 |
max_tokens | いいえ | Astra の推論と表示される回答の出力枠です。最小 16、既定 4,096、最大 128,000 です。 |
reasoning_effort | いいえ | Astra の推論強度を low、medium、high、xhigh、max から選びます。既定は medium で、難しい成果物では引き上げてください。 |
tools | いいえ | Astra が要求できる関数を最大 128 個宣言します。引数の検証と各呼び出しの実行はアプリケーションが行います。 128 件以内 |
parallel_tool_calls | いいえ | Astra の関数呼び出しを 1 件ずつ実行する必要がある場合はオフにします。既定はオンです。 デフォルト値: |
tool_choice | いいえ | auto で Astra に任せる、none で呼び出しを止める、required で強制する、または特定の関数を指定します。 |
response_format | いいえ | Astra にプレーンテキスト、JSON オブジェクト、JSON スキーマのいずれかを指定し、利用前に結果を検証します。 |
料金
入力 $8 / 出力 $40 100 万トークンあたり; 272K トークンを超えるプロンプト: 入力 $16 / 出力 $60
ユースケース
エンジニアリングチームの要件レビュー
仕様書、変更要求、決定済みの事項をメッセージで提供します。矛盾、不足要件、レビュー用チェックリスト案を求め、指摘ごとに出典の節を示すよう指定してください。実装の詳細が判断に関わる場合は、関連するコード抜粋も含めます。
根拠をたどれる研究メモ
実験メモと測定値をテキストで渡し、観察、解釈、追加の問いを別々の節に整理するよう求めます。分析課題に応じて推論の労力を選び、単位の保持、仮定の明示、各結論と関連する測定値の対応付けを指定してください。
構造化された業務引き継ぎ
response_formatを使い、作業項目、根拠資料、未解決の問いを記述したオブジェクトを指定します。会話内でフィールドを定義し、不明な値の表し方を説明してください。別のアプリケーションに渡す前に、回答を解析して内容を検証します。
アプリケーションのツールによる在庫確認
アプリケーションで提供できる在庫検索関数をtoolsに定義し、tool_choiceで利用を制御します。後続処理が検索結果に依存する場合は並列要求を無効にし、該当する結果を返してから提案を求めてください。アプリケーションの処理手順に引数の確認を組み込みます。
プロンプトガイドと実践のヒント
判断内容と成果物を定義する
質問、読み手、受け入れ基準を、関連する資料とともにmessagesに記載してください。不足する根拠は推測で補わず、不足として挙げるよう求めます。
会話を整理する
古いメッセージから順に並べ、文書や抜粋ごとに出典を明記してください。作業に役立つ資料を選び、256メッセージと922,000入力トークンの範囲に収めます。
労力と回答予算を選ぶ
推論の労力mediumと既定の回答予算4,096トークンから始め、必要な作業に応じて調整します。出力枠は16〜128,000トークンで設定し、完成した回答に含める節を説明してください。
引き渡し方を定め、内容を確認する
必要な回答形式を指定し、アプリケーションで処理するツールを定義してください。別のワークフローで使う前に、回答を提供資料と受け入れ基準に照らして確認します。
大量のコンテキストから焦点の定まった回答へ
GPT 6.2 Astraは、順序立てた会話を受け取り、テキストで回答します。課題に関わる要件、資料、決定事項を提示し、必要な成果物を説明してください。技術レビューなら指摘と文書の節の対応が必要になり、業務引き継ぎなら別のアプリケーションで読み取れるオブジェクトが適している場合があります。
このエンドポイントは、1〜256メッセージにわたる最大922,000入力トークンを受け付けます。問いを軸にこの容量を使ってください。文書に識別しやすい名前を付け、関連する単位と日付を残し、資料の抜粋と指示を区別します。末尾には、必要な判断と有用な回答の基準を記します。
リクエストを組み立てる
messagesは古いものから時系列で並べてください。そのほかのパラメータで、回答予算、推論の労力、出力形式、利用可能なツールを選べます。
| パラメータ | 型 | 用途と範囲 | 既定値 |
|---|---|---|---|
| messages | array | 必須の会話履歴、1〜256件 | 必須 |
max_tokens | integer | 回答予算、16〜128,000トークン | 4,096 |
reasoning_effort | string | low、medium、high、xhigh、max | medium |
response_format | object | テキストやJSONなど、指定する回答形式 | 任意 |
| tools | array | 関数定義、最大128件 | 任意 |
tool_choice | string or object | 呼び出しの可否と対象ツールを制御 | 任意 |
parallel_tool_calls | boolean | 1ターンで複数のツール要求を許可 | true |
長い会話を送信する前に、メッセージ数と入力トークンの合計を別々に確認してください。長文のメッセージ数件でトークン上限に達することもあれば、短いやり取りを重ねてメッセージ上限に達することもあります。
課題に合わせて労力を選ぶ
推論の労力はmediumから始め、代表的な課題を使って5段階から選んでください。回答を比較する際は、指示、資料の抜粋、受け入れ基準を固定します。矛盾が解消されているか、結論に十分な根拠があるか、利用者の判断が必要な問いは何かを確認します。
max_tokensは成果物に合わせて選びます。短い提案と詳細な要件レビューでは必要な枠が異なります。節名と明確な終了条件を指定して、回答が依頼内容に集中するようにしてください。回答が未完成なら、回答予算を確認し、次のリクエストの範囲を絞ります。
利用しやすい回答にする
JSONで引き渡す場合はresponse_formatを使い、messages内で想定するフィールドを説明してください。各値の意味、不足情報の表し方、根拠となる資料を指定します。保存や転送の前に、アプリケーションで回答を解析し、値を検証してください。
文章で受け取る場合は、読み手と、その回答によって支えたい行動を定義します。冒頭の提案、論点別の根拠、未解決の問いをまとめた独立の一覧を求めてください。引用、計算、参照先は、提供した文書と照合します。
作業を導く指示を書く
詳細を加える前に、成果物を明示してください。たとえば「この要件と変更案をレビューしてください。矛盾ごとに出典の節を示し、仮定を挙げ、最後にプロジェクト責任者向けの受け入れ基準をまとめてください」と指定します。要件と変更要求には異なるラベルを付け、会話に含めてください。
研究メモでは、測定項目名、単位、関連する条件を保持します。観察と解釈を区別し、各結論を支える資料を示すよう求めてください。エンジニアリングのレビューでは、適用する改訂版を明示し、チームが下すべき判断を説明します。
複数の独立した判断を含む広い課題は、レビュー可能な部分に分けます。回答を確認したら、修正点と追加の質問を会話に追記してください。変わった仮定を明示することで、次の回答に更新後のコンテキストを使えます。
アプリケーションのツールを接続する
toolsで利用可能な関数を記述し、各関数の役割と引数の意味を含めてください。tool_choiceでツールの選択を制御します。要求された操作はアプリケーションが処理し、以降の推論に使う結果を会話に返します。
ツールの並列要求は既定で有効です。在庫品の識別子を検索してからその商品を確認する場合など、後の検索が先の結果に依存するときはparallel_tool_callsをfalseにしてください。関数を実行する前に、要求された引数を利用者の課題と照合し、最終回答を返されたデータと比較します。
料金を見積もり、モデル群を選ぶ
リクエストの計画には、このページに表示される現在の料金を使ってください。送る資料と設定する回答予算を考慮し、継続的なワークフローを改善しながら実際の使用量を確認します。課題に必要なコンテキストと出力枠を判断する際は、同じ課題と評価基準を使ってください。
日常業務ではGPT 6.2 Solも検討できます。OpenAIはSolを日常的な課題向け、Astraを負荷の高い課題向けと説明しています。チームの受け入れ基準と表示料金に照らして回答を比較してください。すでにGPT 6 Astraを使っている場合は、このモデル群を採用する前に、既存の連携で使う代表的なリクエストを確認します。
API クイックスタート
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "openai/gpt-6.2-astra/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。



















