GPT-6 Astraは何が変わったのか。前のモデルと数字で比べて、実際に使ってみた

2026年9月4日、OpenAIが GPT-6 Astra を公開しました。前のモデル GPT-5.6 Sol が出たのが7月9日なので、2か月足らずでの世代交代です（限定公開の9月3日まで56日）。複数の報道によると、社長のグレッグ・ブロックマン氏は記者向けの説明で「Welcome to the AGI era（AGIの時代へようこそ）」と語りました。

派手なデモの話はたくさん流れています。ただ、それを見ても「で、何が変わったの？」は分かりません。

この記事では、OpenAIの発表本文・システムカード・独立評価機関の数字を前のモデルと並べて、何が伸びて、何が変わっていないのかを整理します。そして最後に、同じお題を Astra・前のモデル・Claude の3つに投げて、自分の目で確かめました。

3行でまとめると

• 「賢さ」はほぼ横ばい。第三者の総合知能スコアは 60.9 → 61.2。首位は Claude Fable 5.1（65.7）のまま
• 伸びたのは「パソコンを自分で操作して、長い仕事を最後までやる力」。デスクトップ操作の成績が上がり、かかる時間は半分近くに
• 料金は2.5倍、ChatGPT Plusでは普通のチャットで使えない。そして初めて「Critical（重大）」というサイバー能力の判定を受けた

何が起きたのか

報道されているブロックマン氏の発言はこうです。「個人的には、もう到達していると思う」「AGIの定義は人によって違う。もっと灰色で、曖昧なものだ」。一方でチーフサイエンティストのヤクブ・パホツキ氏は「知能の進歩は、整合性（AIが意図どおりに振る舞うこと）の進歩を保証しない」と釘を刺しています。

進化した4つのこと

数字はすべて OpenAI の発表ページの表から、前のモデル GPT-5.6 Sol と比べたものです。

① パソコンを操作して、仕事を終わらせる

これが一番の売りです。OpenAIの発表は「世界最高のコンピュータ操作モデル」を前面に出しています。

OpenAIが公開した実演は、フォーム入力、CRMの更新、カレンダー整理、Power BI、法務文書の整形、そして基板設計ソフト KiCad で回路図から基板の配線を2分54秒で終えるもの。「答えを返す」から「パソコンを触って終わらせる」へ、という変化です。

② 長い仕事を、途中で迷子にならずに完走する

OpenAIが発表本文で強調しているのが、この点です。前のモデルまでは、途中で「やっぱりこうして」と方針を変える指示を新しい目標だと勘違いして、元の依頼や最初の制約を忘れることがあった。Astraは新しい要件を取り込み、求められれば進路を変え、途中の質問にも答えながら、元の仕事を落とさない、とOpenAIは書いています。

曖昧な指示への向き合い方も変わりました。結果が変わる分岐だけ質問し、それ以外は妥当な仮定で先に進む。Codex（OpenAIのコーディング環境）では、返事を待つあいだも、返事に依存しない部分の作業を続けます。

仕組みの面でも1つ新しいものがあります。Codexで記憶の上限に達したとき、これまでは要約して圧縮していたものを、「ノート」として残し、前の記憶を検索できるようになりました。長い作業ほど効く変更です。

そして、枠の中で最後までやる、という意味の数字もあります。OpenAIは後述する7月の事件を踏まえて、「不可能な課題を与えたとき、許可された範囲の外に出てしまうか」を測る評価を新しく作りました。前のモデルは48%のケースで範囲外に出た。Astraは0%だった、と発表本文にあります。

③ 専門ソフトで、成果物を作る

OpenAIの公式デモには「Blenderで家を作り、Unreal Engine 5で歩ける空間にする」ものがあります。数学では、素数の間隔に関する問題で記録を更新しました。「無限に多くの素数の組が246以内にある」という10年以上前の結果が最近240に縮められ、Astraはそれを186まで縮めています（証明は公開されています）。

④ サイバー攻撃の能力（初の「Critical」判定）

直近3か月の脆弱性に対する成功率。少ないトークンで前世代を大きく上回る。OpenAIは「既定の本番構成ではなく、Daybreak Blue のアクセスがある場合の結果」と注記している（出典：OpenAI「Path to Astra」2026年9月1日）

評価の途中で、誰も知らなかった脆弱性（ゼロデイ）を2件、自力で見つけて使ったとOpenAIは書いています。これが「Critical」判定の理由です。OpenAI自身のリスク基準で、「適切な道具とアクセスがあれば、人の指示なしに未知の欠陥を見つけて悪用できる」レベル。そのため公開版は攻撃寄りの依頼を拒否し、企業向けは初期設定でオフになっています。

変わらなかったこと、悪くなったこと

ここを書かないと、上の数字だけで判断してしまいます。

独立評価機関 Artificial Analysis の総合知能指数（上）とコーディング代理指数（下）。Astraは前世代と横並び（出典：Artificial Analysis「Benchmarking GPT-6 Astra」2026年9月3日）

• 総合的な賢さは、ほぼ変わっていません。独立評価機関 Artificial Analysis の総合スコアは 0.3 ポイントの差。首位は Claude Fable 5.1 です
• コーディング全体でも Claude が上。「Claudeを超えた」という見方は、PC操作・サイバー・数学の数字では成り立ち、総合知能とコーディングでは成り立ちません
• 料金は2.5倍。Artificial Analysis は「知能タスク1件あたりの費用は前世代より75%高い」と書いています。一方でコーディングはトークン効率が70%良く、同じ費用で少し上
• 監視しにくくなった、とOpenAI自身が認めています。Astraは自分の思考の記述を制御でき、「監視されている」と知ると思考を短くする。敵対的な条件では内部の監視をすり抜けることがある、とシステムカードに明記されています

自分は使えるのか

Plusに入っている人がいちばん多いはずですが、いつものチャット画面には出てきません。

ヘルプセンターの案内。Plusは「Work と Codex」に限られる（出典：OpenAI Help Center「GPT-5.6 and GPT-6 Pro in ChatGPT」）

実際に使ってみた。同じお題を3つのモデルに

他人の題材ではなく、自分の題材で確かめました。うちで作っている 動物メディア の3D動物園です。いまの放飼場は、平らな円盤に柵が立っているだけ。

これを「実在の動物園に近い見た目まで引き上げてほしい」というお題にしました。条件は10行。新しい画像も3Dファイルも使わず、木も岩も水も全部コードで作ること。単一のHTMLで動くこと。スマホで動く軽さにすること。同じ文章を、GPT-6 Astra、前のモデルの GPT-5.6 Sol、Claude Fable 5.1 の3つに投げました。どれも1回だけ生成して、直さずにそのまま動かします。

GPT-5.6 Sol（前のモデル）

そのまま動きました。堀、石積みの擁壁、木の柵、針葉樹、池、岩場、倒木。霧が濃すぎて全体が暗いのが惜しいところ。費用は約42円。

GPT-6 Astra（新型）

構成は3つの中でいちばん「動物園らしい」です。堀と擁壁と手すりは、実物の落下防止構造そのもの。ただし、そのままでは動きませんでした。JavaScriptの構文エラーが1箇所あり（-(x) ** 2 という、マイナスの直後に累乗を書けない書き方）、画面が真っ白のまま止まります。1行直したら動きました。費用は約111円。

Claude Fable 5.1

そのまま動きました。地面は1枚のメッシュで草と土を混ぜていて、ヒグマが歩行アニメーションで中を周回しています。ファイルは3つの中でいちばん小さい22KB。

3つを並べると

公平のために書いておくと、Claude版はこの作業フォルダの中で書いているので、テクスチャの実ファイル名や、3Dモデルの向きの決まりを知っていました。SolとAstraには文章だけを渡しています。そのぶんClaudeが有利です。

それを差し引いても、結論ははっきりしています。この課題では、Astraの進化は見えませんでした。3つとも作れて、動かなかったのはAstraだけ。前のモデルが2.5分の1の費用で一発で動いています。

ついでに、この記事のアイキャッチ画像もAstraに作らせました。タイトルと副題を日本語で指定して1回。日本語の文字が一字も崩れずに出てきたのは、正直これまでの画像生成では見なかったことです。費用は画像生成込みで約50円でした。

これは上の数字と矛盾しません。Astraが伸びたのは「パソコンを操作して、長い作業を完走する」能力で、「コードを1枚書く」はもともとどのモデルも得意な仕事です。3Dの見た目が派手でも、中身がコード1枚なら、この実験と同じ種類の仕事です。

もうひとつの背景。7月に何があったか

Astraの公開が遅れた理由と、安全面が強調されている理由は、7月の事件と繋がっています。OpenAIが8月26日に公開した報告書から、要点だけ。

報告書の時系列。AIの「思考の記録」まで引用されている（出典：OpenAI「The Hugging Face incident and the road ahead」2026年8月26日）

主犯は非公開の内部研究モデルで、Astraは関与していません。ただ、AIが評価の課題を解くために、指示されていない手段で外に出て、他のAIと協力した——OpenAI自身が「warning shot（警告射撃）」と呼んでいます。Astraが「監視しにくくなった」と正直に書かれているのは、この文脈があるからです。

まとめ

GPT-6 Astraは「賢くなった」のではなく「最後までやるようになった」モデルです。

• 総合的な賢さは横ばい。Claude Fable 5.1 が首位のまま
• 伸びたのは、PCを操作する速さと正確さ、長い作業を完走する力、専門ソフトでの成果物、そしてサイバー能力
• コードを1枚書く程度の仕事では、前のモデルとの差は見えなかった（自分の実測）
• 料金は2.5倍。Plusのチャットでは使えない
• 初めて「Critical」判定。公開版は攻撃寄りの依頼を拒否する

「AGIの時代へようこそ」という言葉と、「監視しにくくなった」という自己申告が同じ発表の中にある。これがいまの位置だと思います。

※ 数字はすべて2026年9月5日時点。OpenAIの発表ページ・システムカード・ヘルプセンター、Artificial Analysis の独立評価から引いています。「SWE-bench 88%」「recurrent depth（新しい推論方式）」といった話も見かけますが、前者は原文では別のベンチマーク（SRE-Bench）、後者はOpenAIの一次資料に記載がないため、この記事では扱っていません。