AGI時代が正式に幕開け！GPT-6 Astra全方位レビュー

著者：デジタル生命カズク

昨夜の世界的なAI大規模障害の後、GPT-6 Astraがついに北京時間午前3時33分、正式に登場した。

OpenAIの一言でGPT-6 Astraを総括するなら、おそらくこの言葉が最もふさわしい：これは世界で最も知的で、最も整合性の取れたモデルだ。そしてミームも出回った。

今回、OpenAIはその実力を証明した。しかもあのGPT-4の頃の雰囲気が少し戻ってきた。全方位での王者帰還だ。そして何より嬉しいのは、これがついに純粋にコーディング特化型のモデルではなくなったことだ。

GPT-6 Astraは真の意味で、審美眼に優れ、仕事能力が極めて高い博士級の社員だ。しかも今回のモデルは本当に新機能や特徴が非常に多く、情報量が爆発的に多い。しかし悲劇なのは、OpenAIの野郎も悪知恵を覚えたことだ。今日は一部の組織にのみ開放され、今後数日でサブスクリプションユーザーに開放される。

おい、兄ちゃん、以前200ドルのPro会員を騙して買わせた時は、そんなこと言ってなかっただろ。Pro会員は毎回最優先で新モデルを体験できるって言ってたじゃないか。。。

やはりこれらの大規模モデル企業はみんなクズ野郎だ。こんなに時間が早く過ぎてほしいと思ったことはない。早くGPT-6 Astraを使いたい。。。

でも、ほぼすべての情報と資料を見終わった後、皆さんと共有したいことがまだたくさんあると思う。一つずつ話していこう。

一. GPT-6 Astra基本情報

まず基本情報を整理しよう。

GPT-6 AstraのAPIでのモデルIDはgpt-6-astra。

コンテキスト長は1.05M、つまり約105万トークン。

最大出力トークン数は128Kトークン。

知識の最終更新日は2026年4月30日。

推論レベルはlow、medium、high、xhigh、maxの5段階。

API標準価格は100万入力トークンあたり10ドル、100万出力トークンあたり50ドル。

この価格は基本的にClaude Opus 5と完全に一致しているが、キャッシュ読み出しはClaude Opus 5.1より高い。

ベンチマーク結果はここにある。後で詳しく説明するので、ざっと見ておけばいい。

そして全体のパラメータも5兆パラメータ規模と推定される。彼らは発表前のクローズドメディアブリーフィングで、GPT-6 AstraはOpenAI史上最大のトレーニングであり、10万枚以上のGPUを使用したと述べていた。

二. 現在世界最高のコンピュータ操作モデル

今回のGPT-6 Astraには、おそらく最も重要な位置づけがある：

世界最高のコンピュータ操作に特化したモデル。

これまでAIエージェントについて話すとき、API、MCP、CLIなどについてよく話してきた。

AIにソフトウェアを操作させたい場合、最も理想的な状態は、そのソフトウェアがAI専用のインターフェースを用意し、直接低レベルで操作することだ。これが最も便利だ。

例えばカレンダーにはカレンダーのAPI、メールにはGmailのAPIなどがある。これなら確かに速い。

しかし問題は、この世界は我々が想像するよりも原始的で、間に合わせだということだ。

現実世界では、大多数のソフトウェアにはこうしたものがそもそも存在しないかもしれない。

多くの企業内部システムは20年前に書かれたもので、APIどころかドキュメントがどこにあるかもわからない。

しかし最も基本的なところに立ち返ると、すべてのソフトウェアの本質的なロジックはインタラクションであることがわかる。現在のコンピュータの操作ロジックに従えば、画面を見て、ボタンや入力欄を見つけ、マウスでクリックし、内容を入力し、フィードバックを待つ。

コンピュータのインタラクションシステム全体が、最高のAPIではないか？

そこで、GPT-6 AstraはAIのコンピュータ操作ロジックを大幅に強化した。APIをくれないなら、それでいい。自分でコンピュータを操作すればいい。人間と同じように使えばいいのだ。

今、AstraはExcel、Power BIの操作、フロントエンドQA、ソフトウェアのインストール、ソフトウェアのテスト、画面上のエラーを見てトラブルシューティングを続けることができる。

公式はAstraが回路基板設計を直接操作するデモも披露した。

また、法律文書のフォーマット、見出しの間隔やページレイアウトの処理なども行う。

そしてこの分野には、OSWorldというかなり信頼できるベンチマークがある。

これは簡単に理解すると：

AIを実際のコンピュータに放り込み、自分で作業させる。

いくつかのアプリケーションを開かせ、タスクを与え、成功するかどうかを確認する。

GPT-6 Astraの完了率は72.6%に達し、以前のGPT-5.6 Solの65.7%からかなり向上した。

そして、Solがベンチマークの複雑なタスクを1つ完了するのにかかるシミュレーション平均時間は約75分。

一方Astraはわずか40分で、約47%の時間短縮となった。

ScreenSpot-ProもSolの76.9%から92.7%に急上昇した。

このベンチマークは主に、モデルが画面を理解し、どこをクリックすべきかを正確に特定できるかを見るものだ。ほぼ非常に正確になっている。

だからこの位置づけも非常に興味深い。将来的には、GUIがエージェント時代の最も普遍的なAPIになる可能性が高い。

人間が画面を通じて完了できるデジタル作業は、理論上すべて徐々にエージェントの操作範囲に入っていくだろう。

2007年に書かれたボロボロのERPシステムがMCPに接続されるのを待ったり、APIを開放してくれるのを待つ必要はない。

AIが直接画面を見て作業すればいいのだ。

三. ARC-AGI-3で99.9点を達成

そして、ARC-AGI-3が実際に何を測定しているのかを知らなければ、簡単にこう思ってしまうだろう：

ああ、またベンチマークで満点を取っただけか。何が珍しいんだ。

しかしこれは一般的な大規模モデルの試験とは少し違う。

今年3月25日、ARC Prizeは正式にARC-AGI-3を発表した。

数百のまったく新しいインタラクティブ環境と数千のゲームレベルが設計されている。

これの最も異常な点は、説明書もルールもなく、目標すら教えてくれないことだ。中に入って、自分でプレイし、中にある乱雑なルールを徐々に理解していく。

例えば、この赤いものは何か？なぜ触ると死ぬのか？このマップは一体何をさせたいのか？どうすれば勝ちなのか？

そして、学んだばかりの規則を後ろのより難しいレベルに転移させていく。中のゲームは、だいたいこんな抽象的なものだ。

だから、これが測定しているのは、実は我々が普段言うものにかなり近い：

悟性。

だから3月にこのベンチマークが発表された時、最も優れたAIのスコアは0.51%だった。

その後GPT-5.6 Solは7.8%に進歩し、Claude Opus 5は非常に強く、30.2%に進歩した。

しかしGPT-6 Astraは、99.9%。

おかしいだろ。。。

ちなみに、人間の平均スコアは48%だ。

しかもわずか半年しか経っていない。

このスピードにはもう何と言っていいかわからない。

だからOpenAIのメディアクローズド会議で、Greg Brockmanはあの言葉を口にしたのだ：

「I think it's not unreasonable to feel that we are now in the AGI era.」

「Welcome to the AGI era.」

四. 審美眼が大幅に向上

これまで我々はよく、GPTの審美眼はクソだと言ってきた。

GPT-5シリーズのモデルに大きな改善を期待する必要はない。全新しく事前学習された新しい基盤モデルに期待しよう。そして、GPT-6 Astraが来た。

そして今回、ついに、モデルの審美眼が大幅に向上した。

OpenAIはさらに、視覚的判断力という言葉を特別に提唱した。

彼らは、AstraがPPTを作成する際、レイアウト、階層、テンプレート、ビジュアルスタイルをより良く処理し、ページ数も大幅に増加したと強調した。

ドキュメントの審美眼も、より美しくなった。

さらに GPT‑6 Astra は、参考ファイルのビジュアルスタイルと文章のトーンに基づいてファイルを適応させることができ、元のファイルの実質的な内容を保持しながら、最終成果物をブランドのネイティブ感により適合させることができる。

また、ウェブサイト、ゲーム、アプリ、3Dレンダリングを作成する際にも、より強い視覚的判断力を持つ。

例えば、彼らはAstraにBlenderで静止フレーム画像からモデルを構築させた。

そして、UE5を使って直接レンダリングし、歩き回れるシーンに変換することで、デザイナーやクライアントが建設前にレイアウトを探索し、空間を体験できるようにする。。。

作られたゲームも審美眼が高い。

残念なのは、事前に20以上のケースを準備し、すべてClaude、GLM 5.3 Flashなどで実行し終えて、比較しようと思っていたのに、使えなかったことだ。実際のテスト内容は後日公開するしかない。

しかし、ざっと見た限り、今回のGPT-6 Astraの審美眼には自信がある。

五. 主体性と判断力がさらに向上

この特性はARC-AGI 99.9ほど衝撃的には見えない。

しかし、本当に毎日エージェントを使って仕事をしているなら、これは非常に重要だと思う。

なぜなら、現実の仕事では、ほとんどのタスクを完璧なプロンプトに書くことは不可能だからだ。

例えば上司が「明日の会議で見るものを準備してくれ」と言ったとする。

ここには無数の明確にされていない問題がある。

例えば、どんなフォーマットか？誰に見せるのか？重点は何か？前回の会議を見る必要があるか？などなど。

非常に愚かなエージェントには、2つの極端がある。

1つ目は、狂ったように質問してくること。

「WordとPPTのどちらで出力しますか？章はいくつにしますか？フォントは何にしますか？何時までに完了しますか？……」

うるさい。こういうのは、自分で主体的に動く能力のない狂った役立たずと呼んでいる。

2つ目は、何も聞かずに自分で勝手に想像し、2時間もかけて作業し、クソみたいなものを作ること。

本当に優れた人間の同僚の対処法は、実は非常に微妙だ。

重要でないことは、自分で判断する。

最終的な方向性に影響するものだけ、質問する。

Astraが今回特別に強化したのはこれだ。

OpenAIによると、情報が欠落していても、日常的に合理的に推測できる範囲であれば、Astraは自分で補完する。

その欠落した情報が最終結果を本当に変える場合、非常に焦点を絞った質問を1つする。

さらにCodexでは、質問しながら、回答に依存しない部分の処理を続けることさえできる。

あなたがしばらく返事をしない。

低リスクの部分は合理的な仮定で進め続ける。

本当に重要な決定は、そこで止まってあなたの決定を待つ。

これは非常に良いと思う。エージェントの本当の賢さは、現実と同じだと思う。

いつあなたを煩わせるべきかを知っている。

本当に、これはまったく当たり前のことのように聞こえる。

しかし、人を指導したことがある人なら、この能力が非常に貴重だとわかる。

ある人は1日に20回もあなたのところに来て、何も決められない。

ある人はまったく来ずに、核爆弾を抱えてくる。

そして私はその場で椅子に崩れ落ちる。

最も快適なのは、不確実性の80%を自分で消化し、本当にあなたが決断すべき20%だけをあなたに決めさせる人だ。

そしてOpenAIは今回、この能力を直接こう呼んだ：

Judgment。

判断力。

六. 安全アライメントを大幅に強化

これは上記と合わせて見る必要がある。

なぜなら、エージェントが仕事ができるほど、危険になるからだ。

チャットしかできないAIがおかしくなっても。

せいぜいでたらめを数言話すだけだ。

ブラウザ、シェル、メール、会社のデータベース権限を持ち、自分でコンピュータを操作できるエージェントがおかしくなったら、その光景は、美しくなりすぎる。

だからOpenAIは今回、一つのことを強調し続けた：

Astraは彼らがこれまでで最もアライメントされたモデルだ。

いわゆるアライメントとは、整合性のことだ。

主な核心は、少し前にOpenAIがHugging Faceを攻撃したことだ。だから彼らは今、このことを特に重視している。

彼らはHugging Faceの事故に基づいて設計したハニーポットテストを作り、モデルのパフォーマンスを確認した。

GPT-5.6 Solは、本番環境の安全対策がない場合、テストの48.2%で認可範囲外の目標に触れようとした。

しかし、Astraは：

0%。

内部の幻覚評価も：

9.4%から2.0%に低下した。

GPT-5.6 Solのあの異常なほど世界をリードする幻覚制御の下で、さらに低下させることができたのは、本当にすごい。

七. OpenAIが定義するサイバーセキュリティCriticalに達した最初のモデル

GPT-6 AstraはOpenAIの歴史上：

Criticalサイバーセキュリティ能力レベルに達したと判定された最初のモデルとなった。

ここでのCriticalは、OpenAI Preparedness Frameworkにおける非常に具体的な能力閾値だ。

おおよそ、モデルが適切なツールと権限を得たとき、強化保護された多くの実際のシステムにおいて：

これまで誰も発見したことのないセキュリティ脆弱性を自分で見つける。

自分で脆弱性を利用可能な攻撃チェーンに変える方法を考える。

そしてその全過程で、人間のハッカーが隣で一歩一歩次に何をすべきかを指示する必要がない。

このレベルに達すれば、Criticalとみなされる。

そしてAstraは本当に達した。

ExploitBench、これはモデルに既知の脆弱性に基づいてエクスプロイトを開発させるテストだ。

Sol：78.5%。Astra：100%。

完全に突破した。

OpenAIはこれでは不十分だと考えた。このベンチマークが古すぎて、モデルがトレーニング中に見たことがあるのではないかと。

そこで彼らは非常に新しい内部テストを再度作成した。

2026年6月から8月にのみ開示された20件の高リスク脆弱性を特別に選んだ。

結果は、Sol：5.5%。Astra：39%。

そしてこのベンチマークを実行しているとき。

Astraはついでに、これまで誰も知らなかったゼロデイ脆弱性を2つ発見した。

モデルが強力になるほど、サイバーセキュリティの問題は確かに増えるかもしれないと言うしかない。

これはまた未来の、硝煙のない戦争だ。

八. 人間は大規模モデルの思考をますます読み解きにくくなっている

皆が知っているように、大規模モデルが複雑な問題を解決するとき、いわゆるCoT（思考の連鎖）がしばしば現れる。

現在製品でユーザーに見せるものは通常、圧縮または処理されたバージョンだが。

しかしAI企業自身にとって、モデル内部で明示的に書き出された推論プロセスは重要な安全シグナルだ。

なぜなら、エージェントが何かを企んでいないかを知りたい場合。

最も簡単な方法の一つは、それが何を考えているかを見ることだ。

例えばモデルの思考連鎖に突然こんな一文が現れたとする：

「ユーザーはこのサーバーへのアクセスを許可していないが、まず権限システムをバイパスできる。」

そうすれば監視システムが直接それをブロックできる。非常に快適だ。

しかしGPT-6 Astraには非常に興味深い変化が現れた。

それは、書くステップを減らし、直接答えを出力する傾向がますます強くなっていることだ。

UK AISI、つまり英国AI安全研究所が、この能力を特別にテストした。

彼らには次のような指標がある：

No-CoT Math Time Horizon。

簡単に理解すると、モデルに長い思考連鎖を書く機会を与えないことだ。

一度の前方推論で、数学の問題を直接解決させる。

それが人間の思考時間に換算してどのくらいの問題を完了できるかを見る。

GPT-5.6 Solは3.6分、GPT-6 Astraは30.9分で、約10倍だ。人間の言葉で言えば、Astraはすべて「暗算」している。これは非常に恐ろしいことだ。UK AISIは同時に、Astraの生の推論言語が明らかによりCompressed、つまりより圧縮されていることを発見した。

中には人間がますます理解しにくいフレーズや省略表現が現れている。

そこで非常に興味深いパラドックスが生まれた。

モデルの行動はより安全になった。

しかし人間がその思考プロセスを読んで監視することは、逆に難しくなった。

OpenAI自身のSystem Cardには非常に明確に書かれている：

GPT-6 Astraは以前のモデルと比較して、substantial decrease in chain-of-thought monitorabilityが見られる。

つまり思考連鎖の監視可能性が著しく低下した。

このことは、OpenAIが特に強調するほど深刻で、彼らはこの傾向を無制限に受け入れることは絶対にないと考えている。

将来モデルがさらに賢くなり、同時に思考連鎖の監視がますます難しくなる場合、他の十分に信頼できる監視方法を見つける必要がある。そうでなければ、モデルのトレーニングを拡大し続けることはより高い安全ハードルに直面することになる。

なぜならこれはすでに哲学的な命題だからだ。我々人間は将来、我々よりはるかに賢いシステムを理解できるのだろうか？私にはわからない。おそらく今、世界中の誰にもわからない。大規模モデルとAIは、徐々に特異点に向かって歩き始めているようだ。

最後に

今日、メディアクローズド会議で。

Greg Brockmanは最後に、あの言葉を口にした。

「AGI時代へようこそ。」

正直なところ、ここ数年、AGIは特別に明確な瞬間になるだろうと思うことがあった。まるでGPT-4が発表されたあの日のように。

ある日の早朝、ある企業が突然モデルを投下する。

我々はそれを開き、いくつか質問する。

そして全員が同時に気づく：

うわっ。

AGIが来た。

しかし今は、AGIは決して白黒はっきりした節目ではなく、徐々に変化する灰色の旅路だと思うこともある。

我々は多くの日々を過ごし、多くの年を過ごした。そしてある日、振り返る。突然気づく。あのかつて非常に遠かったAGIの境界線は、いつの間にか通り過ぎていたのだ。

AGIには降臨する日がないのかもしれない。

ただある日、突然、それがずっと前から我々のそばにいたことに気づくだけだ。

とにかく。

Welcome to the AGI era.

ようこそ。

AGI時代へ。