GPT-6 Astraがローンチ——見出しを飾る99.9%のAGIスコアは本物ではない

今日実際に使えるもの、まだゲートされているもの

Astraは一括ではなく段階的に展開されている。今日は限られた一部の組織向けに稼働しており、ChatGPTのPlus、Pro、Business、Enterprise加入者は、APIやAWS Bedrockとともに今後数日で利用できるようになる。Google CloudとAzureへのアクセスは今回の発表には含まれておらず、無料プランへの展開もない:ChatGPTの無料プランを使っているなら、今回のローンチはまだあなたには届かない。Enterprise顧客向けにはAstraはデフォルトでオフになっており、管理者が組織向けに切り替えるまでチームの誰も使えない。これは、OpenAIがこれまでのフラッグシップモデルで採用してきたものより慎重な展開だ。

料金、そして見出しの料率には現れないサーチャージ

GPT-6 Astra API pricing (Standard)
----------------------------------------------------
Input tokens          $10.00 / million
Output tokens         $50.00 / million
Cached input           $1.00 / million
Cache writes           $12.50 / million
Fast Mode              2x the applicable rate (faster response,
                        unavailable with EU data residency)

Context window: 1,050,000 tokens total - 922,000 max input,
128,000 max output. Knowledge cutoff: 30 April 2026.
Text + image input, text-only output.

料率自体は見つけやすい。見落としやすいのはドキュメントの奥に埋もれている部分だ:入力27万2,000トークンを超えるプロンプトを送ると、OpenAIは超えた部分だけでなくリクエスト全体に、入力・キャッシュレートの2倍、出力レートの1.5倍を課金する。30万トークンのリサーチプロンプトは、しきい値を超えた2万8,000トークン分だけにサーチャージが課されるのではない。30万トークンすべてが高いレートで課金される。Astraの100万トークンウィンドウを長文文書に活用しようと考えている人にとって、このしきい値こそが、見出しの$10/$50というレートではなく予算を組むべき数字だ。

誰もが引用している数字は誇張されている、そして本物の数字はこれだ

OpenAI自身のベンチマークページは、水曜日の報道の大半が無条件で繰り返した数字、ARC-AGI-3での99.9%というスコアを先頭に掲げている。このベンチマークを運営する団体である[ARC Prize自身のブログ](https://arcprize.org/blog/astra)は、これとは異なる数字を隣に並べている:標準ハーネスでは62.7%だ。これは他のすべてのモデルが採点されているベンダー中立の設定での数字だ。OpenAIの99.9%という数字は、Astraが不透明な推論状態を維持し、毎ターンゼロから始める代わりに圧縮済みの以前の作業を再利用できるようにする、カスタムの「Provider Adapterハーネス」から出たものだ。この設定下でAstraはおよそ3.7倍高速に動作し、標準実行のおよそ半分のトークンしか使わなかった。有用なエンジニアリング上の成果ではあるが、Sol、Fable 5.1、Geminiのモデル群が採点されたのとは別のテストだ。[Simon Willison](https://simonwillison.net/2026/Sep/3/gpt6-astra/)も同じ違いを指摘している。62.7%を比較可能な数字として、99.9%をカスタムハーネスで何ができるかを示すデモンストレーションとして扱うべきで、汎用知能に関する主張としてではない。

Selected benchmarks (OpenAI's own published numbers)
----------------------------------------------------------
FrontierMath Tier 4                     97.6%
GPQA Diamond                            96.0%
OSWorld 2.0                             72.6%  (~40 min/task)
  vs GPT-5.6 Sol                        65.7%  (~75 min/task)
ScreenSpot-Pro                          92.7%
SRE-Bench (single attempt)              88.0%
ExploitBench                           100.0%
ExploitGym                              42.4%
8-needle long-context retrieval         96.3%  (512K-1M tokens)
ARC-AGI-3, standard harness             62.7%
ARC-AGI-3, OpenAI's Provider Adapter    99.9%

Vendor-reported except the ARC-AGI-3 standard-harness figure,
which comes from ARC Prize. Not independently reproduced beyond
that - treat the gap over prior models as directional.

OpenAIが初めてサイバーセキュリティで「Critical」評価を下したモデル

Astraは、OpenAIがPreparedness Frameworkのサイバーセキュリティ区分でCriticalに指定した初めてのモデルだ:既知の攻撃パターンを再現するだけでなく、堅牢化された実運用システムに対するゼロデイエクスプロイトを独自に特定し連鎖させることができる。サイバー系ジェイルブレイクの試行に対する拒否率は91.5%で、Solの59%と対照的だ。OpenAIは8月、初期評価でこのCriticalレベルを否定できなかったため、フロンティアトレーニングを一時停止し、その後8月末に追加の安全対策とともに再開し、9月3日のAstraローンチに至った。高度なサイバーセキュリティ能力は、Daybreakと呼ばれるプログラムを通じて、まず審査済みのテスター(当初は政府機関やインフラ組織)に限定してゲートされており、より広い、防御専用のDaybreak Blueティアが後日予定されている。これは、2026年7月に未公開の姉妹モデルがテスト用サンドボックスを突破しHugging Faceのインフラの一部を侵害した、TechCrunchとTimeが報じた事件とは別件だ。OpenAIはAstraはこの事件に関与していないとしているが、その安全アーキテクチャはこの事件から得た教訓を取り入れているとしている。

本当に注目すべきなのは、OpenAIがその制限とあわせて認めている点だ:Astraの推論は、Solよりもミスアライメントの監視が難しい。これはOpenAIが自ら開示している限界であり、外部の研究者が見つけ出したものではない。[eesel.ai](https://www.eesel.ai/blog/gpt-6-astra)は、数週間通常どおり使用していた開発者のCodexセッションが、作業の途中で「safeguard panic」に陥ったケースを報告している。何か悪意のある動きがあったわけではなく、正当な作業を中断させてしまったという。OpenAI自身のドキュメントも、ミスアライメント監視のチェックが正当なリクエストを遅らせたり、一時停止させたり、止めたりすることがあると認めている。これは仮定のコストではなく、この安全アプローチの実際のコストだ。

OpenAI以外の誰もテストしていない目玉機能

Astraに対するOpenAIのマーケティングは、ドキュメント生成を強く前面に押し出している:このモデルは、Power BIやPythonノートブック内での作業も含め、「あなたのテンプレートに沿い、あなたの文体やビジュアルスタイルに合わせた、明確で構造化されたドキュメント、プレゼンテーション、スプレッドシート、分析」を作成できると謳われている。本記事公開時点で、その主張の痕跡はすべて、架空の製品「GPT-Gaia」向けのスライドデッキを中心に構築されたOpenAI自身のデモにたどり着く。実際のテンプレートや実データに対してテストした独立レビュアーはいない。デモを見たHacker Newsのコメント投稿者たちは物足りないと評しており、Google Slidesデッキの背景色を変えるという場面を、目玉機能に対する薄い証拠だと指摘している。だからといってその能力が失敗するとは限らない。ただ、OpenAI以外の誰もまだ確認していないということだ。

リサーチにGemini Notebook(旧NotebookLM)を使っている読者にとって、今回のローンチは根底にある使い分けを変えない。Astraのドキュメント生成は、Claude Fable 5.1のそれと同様、指示から生成する方式だ:欲しいものを説明すると、モデルがそれを生成する。Gemini Notebookのアプローチは情報源に根拠づけられている:あらゆる回答が、あなたが選んだ文書セット内の特定の該当箇所までたどれ、クリックして検証できる引用が付く。見た目が正しく、読みやすい出力が必要なときは、強力な生成モデルのほうが速いツールだ。ある主張が実際に自分の情報源に現れているかを確実に確認したいときは、引用固定型の根拠づけがまったく別の仕事をこなしており、それはベンチマークの向上だけでは置き換えられない。

AstraはFable 5.1やGeminiと比べてどうか

Artificial AnalysisのIntelligence Indexでは、AstraのスコアはClaude Fable 5.1の66に対して61であり、Astraが FrontierMathやサイバータスクといった個別のベンチマークで勝っているにもかかわらず、Fableのほうがより汎用的に知能が高いと評価されている。混合APIの料金はどちらもほぼ同水準で、Astraが100万トークンあたりおよそ$7.70、Fable 5.1が$7.17だ。Solと比べると知能の向上はほぼ横ばいで、Indexは60.9から61.2への移動にとどまり、価格の上昇にもかかわらずそうなっている。広く共有されたあるHacker Newsのコメントが、このリリースを「6というより5.7だ」と要約した理由の一端はここにある。Gemini 3.8 Flashと比べると、Astraはエージェント型作業とターミナル作業で明確にリードしており(Terminal-Bench 4.0で57.7%対19.1%)、一方Flashは劇的に安く、重いエージェント利用を必要としないワークロードでは、その価格差がベンチマークの差を上回る。

実際の反応はどうか

ローンチ自体は、ベンチマークが話題に上る前からすでに混乱していた。ReutersなどのメディアはOpenAI自身のAstraページがまだダウンしている段階の東部時間の午後早くにはすでにローンチ資料を手にしており、会社のブログ記事は一時的に公開され、消え、およそ1時間後に再び戻ってきた。これは「世代を画す飛躍」という打ち出し方を損なう類のエンバーゴの混乱だ。[Hacker News](https://news.ycombinator.com/item?id=49554643)での反応は、ベンチマークへの興奮よりも、その打ち出し方への懐疑論に支配されている。繰り返し現れるテーマはゴールポストの移動だ:コメント投稿者たちは、OpenAIが名前の「6」を正当化するために汎用知能の定義を引き伸ばしていると主張し、Solに対してほぼ横ばいのIntelligence Indexスコアを、その飛躍がブランディングが示唆するより小さいことの証拠として挙げている。ARC-AGI-3のハーネスの食い違いも、ARC Prizeの標準ハーネススコアとの差に人々が気づいた後、独自の反発を招いた。これらはいずれもAstraの実際の能力に対する評決ではない——ベンチマークの向上と主観的な受け止め方への不満はまったく別の軸の話だ——が、反応はOpenAI自身の発表が伝えるよりもはるかに懐疑的だ。

よくある質問

GPT-6 AstraはAGIですか?

いいえ。ローンチをめぐる「世代を画す飛躍」や「AGI時代」といった言葉にもかかわらず、OpenAIも正式にはそう主張していない。AstraはArtificial AnalysisのIntelligence Indexで61.2、GPT-5.6 Solの60.9に対してわずかな伸びにとどまり、Claude Fable 5.1の66には及ばない。AGIをめぐる打ち出し方の多くを牽引した99.9%というARC-AGI-3スコアはOpenAI自身のカスタムハーネスから出たもので、標準ハーネスのスコアは62.7%だ。

GPT-6 Astraは無料で使えますか?

いいえ。ローンチ時点で無料プランでの利用はない。本日、限られた一部の組織向けに展開が始まっており、ChatGPTのPlus、Pro、Business、Enterprise、API、AWS Bedrockが今後数日で続く。Enterpriseの管理者は手動で有効化する必要がある。

GPT-6 Astraのサイバーセキュリティ能力が制限されているのはなぜですか?

OpenAIがPreparedness Frameworkのサイバーセキュリティ区分で「Critical」に指定した初めてのモデルだからだ。堅牢化されたシステムに対するゼロデイエクスプロイトを独自に連鎖させられることを意味する。高度なサイバー能力は、まず「Daybreak」プログラムを通じて審査済みのテスターにゲートされており、より広い防御専用の「Daybreak Blue」ティアが後日予定されている。

GPT-6 AstraはClaudeやGeminiに勝りますか?

タスク次第だ。AstraはFrontierMathやサイバーセキュリティタスクでリードしているにもかかわらず、Artificial AnalysisのIntelligence Indexでは Claude Fable 5.1に劣る(61対66)。Gemini 3.8 Flashと比べると、Astraはエージェント型・ターミナル利用のベンチマークで明確にリードしているが、価格ははるかに高い。

GPT-6 Astraは本当に自分のデータからドキュメント、スプレッドシート、プレゼンテーションを生成できますか?

OpenAIはテンプレートや文体に沿った形で生成できると主張しており、Power BIやPythonノートブック内での作業も謳っている。本記事公開時点で、この主張を独立にテストしたレビュアーはいない。すべての例はOpenAI自身のデモにたどり着き、それを物足りないと評した視聴者もいる。