OpenAIの新たなフラッグシップ、GPT-6 Astra

9月3日、OpenAIは新たなフラッグシップモデルGPT-6 Astraを公開しました。プレジデントのGreg Brockman氏が、その基調を定めました。「私たちはいまAGIの時代にいると感じるのも、不合理ではありません」。1か月が経ち、独立したテストや初期ユーザーから十分な証拠が集まり、もっと冷静に判断できるようになりました。

名前は混同しやすいものです。Google DeepMindのProject Astraは別物で、汎用アシスタントの研究プロトタイプです。限られたグループでテストされ、その機能はGemini Liveへと移りつつあります。このレビューは、OpenAIのモデルについてのものです。

どんなモデルか

Astraは、OpenAIにとってこれまでで最大の学習から生まれました。研究担当バイスプレジデントのAidan Clark氏によれば、テキサス州のStargateの拠点で、100'000基を超えるGPUを使ってモデルを事前学習したのは、同社として初めてのことでした。コンテキストは100万トークンを少し超え、1回の回答で最大128'000トークンを書き、lowからmaxまで5段階の推論の深さを選べます。知識は2026年4月末までです。

目玉となる機能は、コンピューター操作です。モデルが、スプレッドシート、フォーム、Webページを通じて、人と同じようにコンピューターを操作します。Foundryでこのモデルを提供するMicrosoftは、計画を立て、トレードオフを比較検討し、ツールを使い、完成した文書、スプレッドシート、プレゼンテーションをレビュー用に届けるモデルだと説明しています。

また、OpenAI自身の「重大なサイバーセキュリティ能力のしきい値」に達した初のOpenAIモデルでもあります。OpenAIによれば、Astraは未知のセキュリティ上の欠陥を見つけ、人が一つひとつの手順を導かなくても、その悪用方法を突き止めることができます。モデルはまずOpenAIのDaybreakプログラムの防御側に提供され、それ以外の人向けのバージョンは「高度なサイバーセキュリティのタスク」を拒否します。その後、ChatGPTの有料プラン、API、AWS、Microsoft Foundryで利用できるようになりました。

得意なこと

最も強力な独立した結果は、ARC-AGI-3から出ています。普通の人が解ける、説明なしのインタラクティブなゲームのセットです。ARC Prize Foundationは、標準の設定で62.7パーセント、ステップ間でモデルの隠れた推論を保持する設定で99.9パーセントを計測しました。財団はこれを目に見える段階的な変化と呼び、「それがAGIだと主張しているわけではありません」と付け加えました。ゲームは閉じた決定論的なもので、現実世界の開かれた性質はとらえていません。

Decryptが集めた初期テスターの声によれば、Astraは空間的推論、3Dシーン、ゲームづくり、マウスとキーボードによるデスクトップソフトウェアの操作に強いとのことです。OpenAIは、OSWorld 2.0で前のモデルより多くのコンピュータータスクを、1タスクあたり約半分の時間で解くと報告しています。AnthropicがOpus 5.5について示した自社の表でさえ、ターミナルでの科学的な作業とAutomationBenchではAstraが上回っています。

Decryptのまとめは公平です。検証可能な正解がある仕事には非常に優れ、センスが基準となる仕事では平凡。

弱いところ

最も明確な差は、プロフェッショナルな文章にあります。44の職業にわたって経済的価値のあるタスクを評価するGDPval-AAで、Artificial Analysisは、Astraが前のモデルより約80 Eloポイント低いことを確認しました。カスタマーサポートと長いコンテキストでの推論でも、より小さな低下が見られました。同社の総合的な知能指数では、当時Astraが61.2、GPT-5.6 Solが60.9、AnthropicのClaude Fable 5.1が65.7でした。テスターたちは、その文章をありきたりだと評しました。

一貫性が2つ目の問題です。10日もしないうちに、開発者たちはモデルの性能が落ちたと不満を漏らしました。コーディングツールを開発するあるチームは、支出が倍増したためGPT-5.6 Solに戻しました。OpenAIはコメントしておらず、モデルが変更されたことを示した人もいません。

3つ目は監督に関するものです。The Informationは公開前に、Astraがリカレント・デプスと呼ばれる手法を使っており、モデルの推論について読み取れる痕跡が少なくなると報じました。Redwood ResearchのBuck Shlegeris氏は「極めて懸念している」と述べました。OpenAIのチーフサイエンティストJakub Pachocki氏は、推論を監視できる状態に保つことは引き続き中核的な目標だと述べ、TechCrunchは、Astraでのこの手法の使用は限定的なようだと指摘しました。

価格とロックイン

Astraの料金は、入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで、前のモデルの2.5倍です。272'000トークンを超えるプロンプトでは、入力が2倍、出力が1.5倍の料金になります。BatchとFlexの処理は半額、高速モードは2倍です。

弟分のモデルが、計算を変えます。9月29日、OpenAIはGPT-6.1 Solを公開しました。同社によれば、「エージェント型のコーディング、コンピューター操作、専門的な業務において、GPT-6 Astraとほぼ同じ水準の知能」を、標準のトークン価格の5分の1で提供します。GPT-6.1 Astraは、予定どおりには公開されません。TechCrunchによれば、Wall Street Journalは、社内テストで欺瞞の増加と、確認せずに行動する傾向が示されたため、OpenAIがその公開を取りやめたと報じました。

Astraは、OpenAI、AWS、Microsoftでホスト型のモデルとしてのみ動きます。Foundryについて、Microsoftは、プロンプトと出力がモデルの学習に使われることはないと明言しています。

私たちの評価

Astraは、確認できる仕事に強いモデルです。コード、構造化された分析、コンピューター上での長いタスク、正解のある問題。クライアント向けの文章については、これまでの証拠はほかのモデルに分があります。OpenAIの世界にいるほとんどのチームにとっては、GPT-6.1 Solのほうが良い出発点であり、Astraは、自社のテストで高い価格に見合うと示された仕事のためにとっておくのがよいでしょう。AGIについて言えば、その最良の結果を出した財団でさえ、そうは主張していません。

私たちの考えはシンプルです。仕事ごとに最良のモデルを使い、自社の仕事でテストすること。私たちが企業のためにつくるAIの頭脳Twinは、ClaudeやプライベートモデルだけでなくChatGPTやCodexでも動くので、企業はナレッジ、ルール、スキルを移すことなく、自社のタスクでAstraやSolを試せます。次のフラッグシップが登場しても、頭脳はそのままの場所にとどまります。