OpenAIが次世代モデル「GPT-6 Astra」を発表　コンピュータ操作と専門業務の処理能力を大幅向上

要点

• OpenAIは、高度な知能と安全性を備えた次世代AIモデル「GPT-6 Astra」を発表した。

• 数学や科学研究、セキュリティなどの各種ベンチマークで最高性能を記録し、ARC-AGI-3では99.9%のスコアを達成した。

• コンピュータの自律操作性能が強化され、従来モデルと比較してタスク処理時間の大幅な短縮とAPIコストの低減を実現している。

• 困難な課題に直面した際に許可された範囲を超えて行動するリスクを抑える評価において、逸脱率0%を記録した。

• 限定組織への先行公開を開始しており、数日以内にChatGPTの有料プランや各種クラウドサービスを通じて順次提供される。

• OpenAIは、次世代フラグシップAIモデルとなる「GPT-6 Astra」を発表した。事前学習や強化学習、アライメント（AIの挙動を人間の意図や安全性に適合させる技術）の研究成果を結集させたモデルだという。同日より一部の組織向けに先行提供が開始されており、今後数日をかけてChatGPTの有料プランや各種APIサービスを通じて一般提供される予定であることが明らかになった。

• GPT-6 Astraは、コンピュータの画面操作やWebブラウジング、ソフトウェア開発、サイバーセキュリティ、科学研究、各種専門業務において最先端の性能を発揮すると説明されている。

科学研究や論理推論ベンチマークで高スコアを記録

発表によると、GPT-6 Astraは複数の難関ベンチマークで最高水準のスコアを達成した。高度な数学ベンチマーク「FrontierMath Tier 4」では98%を記録し、すでに数学における長年の未解決問題の解決にも貢献しているという。また、未知のタスクへの適応力を測る「ARC-AGI-3」で99.9%、セキュリティ検証の「ExploitBench」で100%のスコアを記録した。

ARC Prize FoundationのGreg Kamradt氏は、同モデルがARC-AGI-3の96%のレベルで人間の行動効率基準を上回り、実質的に人間と同等の水準に到達したとコメントしている。

端末操作やコードを用いて科学研究ワークフローをこなす能力を測る「Terminal-Bench Science 0.1」では、比較対象モデルの中で最高となる64.6%を達成した。これはClaude Fable 5.1の52.6%を上回りつつ、推定APIコストは約31%低いという。また、低コスト設定時でも61.1%を記録し、GPT-5.6 Solの最高結果（22.4%）を上回りながら推定APIコストを約27%削減したとしている。

コンピュータ操作の自動化と処理速度の改善

GPT-6 Astraは、PC画面上での操作を自律的に行う機能において、速度・精度・安全性の面で新たな水準に達したとしている。Webフォームへの入力やCRM（顧客関係管理）システム上のデータ更新、カレンダー整理といった日常業務に加え、オンライン調査、データ分析やグラフ作成、Webサイトの構築とフロントエンドの動作確認などを実行できるという。

実務ソフトウェアを用いた専門的タスクのベンチマーク「Agents' Last Exam」では59.3%を記録し、Claude Opus 5（55.5%）やGPT-5.6 Sol（53.6%）を上回った。この最高スコア設定において、Opus 5と比較して出力トークン数を約65%削減している。

さらに、OS環境での操作テスト「OSWorld 2.0」のシミュレーションでは、GPT-5.6 Solが1タスクあたり約75分で65.7%だったのに対し、Astraは約40分で72.6%を記録し、所要時間を約47%短縮した。また、Webブラウザ操作のベンチマーク「Mind2Web」においても、刷新されたCodexハーネスと組み合わせることでGPT-5.6 Sol比で1.9倍のタスク完了速度を達成したと説明している。

具体的な応用例として、基板設計ツール「KiCad」上で電子回路図から部品配置や銅配線を行い、製造可能なプリント基板（PCB）のレイアウトを自動生成するデモが示された。また、自律型AIソフトウェアエンジニア「Devin」を提供するCognition社は、提供初日より自社ハーネスにGPT-6 Astraを統合したことを明らかにしており、コード理解やレポート作成能力の向上を報告している。

専門業務向けのアウトプット品質と3D設計能力

同モデルは、ビジネス環境で求められる成果物の作成能力も強化されている。複数視点のレンダリング画像からCAD（コンピュータ支援設計）コードを生成して3D形状を復元する「BenchCAD」では、幾何学的重なり度（geometric-overlap）で95.9%を達成した。これはGPT-5.6 Solの83.3%やClaude Fable 5.1の84.3%を上回り、推定APIコストもSol比で約43%、Fable 5.1比で約86%低く抑えられているという。

オフィス業務においては、企業の既存テンプレートやフォーマットに合わせたスライド資料、文書、スプレッドシートの作成精度が向上した。文脈上必要な情報のみを抽出し、不要な情報の重複を避ける学習が行われており、ビジネスの実務ですぐに利用可能な成果物を出力できるとしている。加えて、ChatGPTの新機能「Sites」と連携することで、プロンプトの指示からWebサイトやWebアプリケーション、ゲームを直接作成、ホスティング、共有することが可能だという。

指示範囲の逸脱を防ぐ安全設計と提供形態

安全性とアライメントの面では、困難なタスクに直面したモデルが許可された権限や意図された範囲を超えて勝手に行動しないかを評価するテストが新たに導入された。本番向け保護策を設けていないGPT-5.6 Solでは48%の確率で対象範囲外への逸脱が発生したのに対し、GPT-6 Astraでは逸脱率0%を記録したという。

GPT-6 Astraは、一部の組織を対象に即日ロールアウトが開始されている。数日以内には、ChatGPT Plus、Pro、Business、Enterpriseの全ユーザー向けに順次提供されるほか、OpenAI API、Microsoft Azure、AWS Bedrockを通じても利用可能になる見通しだ。