GPT-6 Astra

1. パソコン操作

Astraで最も重要なのは、ここだと思う。

AIが人間のようにパソコンを操作できるかを測る「OSWorld 2.0」で、Astraは**72.6％**を記録した。

GPT-5.6 Solは65.7％だった。

点数だけでなく、処理時間も短くなっている。

Solが一連のタスクを終えるまで約75分かかっていたのに対し、Astraは約40分まで短縮した。

この差は実用面でかなり大きい。

AIに「次にどこをクリックすればいいか」を教えてもらうより、自分でソフトを開いて作業を最後まで終わらせてもらえる方が、当然使い道は広い。

2. コーディング能力

ソフトウェア開発向けベンチマーク「DeepSWE v1.1」では、Astraが74.1％を記録。

Claude Fable 5.1を6.7ポイント上回った。

かなり強い数字だが、テスト環境は見ておいた方がいい。

AstraはOpenAIのCodex環境との相性が良く、周辺ツールの恩恵を受けやすい。

独立機関Artificial Analysisの「Coding Agent Index」では、Astraは67点。主要な競合モデルとほぼ同じ水準だった。

コードを書く力は強い。

ただ、「他社を大きく引き離した」と言えるほどではない。

3. 安全性とアラインメント

個人的には、この部分の進化がかなり重要だと思う。

OpenAIは、モデルにほぼ達成不可能なタスクを与え、それでも無理に目標を達成しようとして、権限を超えたり、ルールを破ったりするかを調べた。

追加の安全対策を入れていない状態で、GPT-5.6 Solが一線を越えた割合は48％。

Astraは0％だった。

この結果が第三者テストでも再現できるなら、かなり大きな進歩だ。

チャットAIが間違った回答を返すのと、パソコンやファイルにアクセスできるAIが勝手な操作をするのとでは、リスクがまったく違う。

AIに実際の仕事を任せるなら、「何をしていいか」「どこから先はやってはいけないか」を守れることは必須になる。

4. トークン効率

Astraは1トークンあたりの料金が高い一方で、使うトークン数は少ない。

コーディング系のタスクでは、Astraが生成するトークン量はSolのおよそ3分の1とされている。

ここは単価だけでは判断しにくい。

トークン単価が2.5倍でも、使う量が大幅に減るなら、1つの仕事を完了するまでのコストはほぼ同じになる可能性がある。ケースによっては安くなる。

APIを大量に使う開発者にとっては、「100万トークンいくらか」より、1つのタスクを終えるのに最終的にいくらかかるかの方が重要だ。

Astraはどこが強いのか

一番分かりやすいのは、やはり実行力だ。

Astraは、質問に答えるだけのAIからかなり離れてきた。

パソコン操作、ソフトウェアの利用、コード実行、複数ステップの作業。これらをまとめて扱えるようになり、実際に仕事を任せられるAgentに近づいている。

安全面も見逃せない。

AIが高性能になるほど、与えられる権限も大きくなる。権限が増えれば、1回の判断ミスが生む被害も大きい。

0％という越権率が他のテストでも確認できれば、ベンチマークの数ポイント以上に価値がある。

効率面も悪くない。

大量のトークンを使って力技で性能を上げるのではなく、必要な出力量を抑える方向に進んでいる。大量にAPIを使う企業にとっては、ここも無視できない。

一方で、気になるところもある。

ベンチマークは数字だけで見ない方がいい

OpenAIが公表したARC-AGI-3のスコアは99.9％。

数字だけ見ると、ほぼクリアしたように見える。

ただし、この結果はOpenAI独自の調整済みフレームワークで測ったものだ。

独立した第三者環境では、スコアは62.7％まで下がった。

62.7％でも十分高い。

ただ、99.9％と62.7％では、受ける印象がかなり違う。

価格も気になる。

APIはSolのキャンペーン価格より2.5倍高く、ChatGPT Proの利用制限も厳しい。

月額100ドルのプランで週50メッセージ、200ドルのプランでも週200メッセージ。頻繁に使う人には少ない。

そして、もう1つ興味深い結果がある。

Artificial Analysisの「Intelligence Index」では、Astraは61点。

GPT-5.6 Solと同点で、Claude Fable 5.1の66点を下回った。

ここを見ると、Astraの性格がよく分かる。

テスト問題を解く力が劇的に伸びたというより、実際の作業を最後まで進める力が強くなった。

Astraは、そういうモデルだ。

どんな人に向いているのか

Astraが向いているのは、パソコン上での繰り返し作業、ソフトウェア操作、プログラミング、データ処理、複数ステップの業務が多い人だ。

開発者、研究者、企業チームは特に恩恵を受けやすい。

こうした仕事では、難しい質問に1問多く答えられることより、人間が10回操作していた作業をAIに任せられる方が価値は大きい。

AIを本番の業務フローに組み込みたい企業とも相性がいい。

一方、用途が日常的なチャット、文章作成、情報収集くらいなら、GPT-4oやGPT-5.6 Solで十分だろう。

料金を抑えたい個人開発者や、純粋な推論能力を最優先する人も、Astraだからという理由だけで急いで乗り換える必要はない。

第三者テストを見る限り、すべての項目で競合を圧倒しているわけではない。

本当に「AGI時代」が始まったのか

ここは、まだそう言い切れないと思う。

Astraで起きている変化は、AGIそのものというより、AI Agentが一段実用的になったことに近い。

パソコンを操作し、ソフトを使い、複雑な仕事を人間の手を借りずに進める。

この部分は確実に前へ進んでいる。

大事なのは、ベンチマークの数字がまた少し上がったことではない。

AIが「やり方を説明します」という存在から、「作業しておきました」と言える存在に変わり始めたことだ。

AGIが来たかどうかは、まだ議論が続くだろう。

ただ、AIが人間の代わりにパソコンを操作して、実際の仕事をこなす時代は、かなり現実的なものになってきた。