何が発表されたか
OpenAIは新しいモデルファミリー「GPT-6 Astra」を公開しました。同社はこれを「世界で最も知的で、最もアラインメントされたモデル」と表現しています。前世代のGPT-5.6 Sol／Terra／Lunaのリリースから2か月足らずという短い間隔での投入です。
特徴として強調されているのは、チャットの賢さよりも「コンピュータ操作」です。ブラウザの内外をまたいだ複数ステップの作業を、「強い視覚的判断」を伴って、最初の指示から逸れずに遂行できるとしています。公開されたデモ動画では、3Dモデリング、スライド作成、さらにはゲームのコードを書きながら食事を注文するといった複数ドメインの同時処理が示されました。
ベンチマークの読み方
数字は派手です。未知の問題解決を測るARC-AGI-3で98.6%、コーディング系のTerminal Bench 4.0で57.7%、エージェント能力を測るAgent’s Last Exam で59.3%。後者2つはGPT-5.6 Solを明確に上回ります。
ただしARC-AGI-3のスコアには留保が必要です。VentureBeatは、このベンチマークで評価されるAIの構成が一律ではなく、永続メモリのようなシステムアーキテクチャの違いがスコアを左右しうると指摘しています。「98.6%」は単体モデルの知能というより、モデルと周辺構成を含めたシステムの成績として読むのが妥当です。ここは自社で評価する際にも同じで、社内PoCの数字を他社事例と比べるときは、モデル名ではなく「どういう足回りで動かしたか」まで揃えないと比較になりません。
セキュリティ能力という両刃の指標
今回もっとも重い数字は、実はARC-AGI-3ではありません。ソフトウェアの脆弱性を突く能力を測るExploitBenchで、Astraは満点を取りました（GPT-5.6 Solは78.5%）。ソースコードなしにバイナリをリバースエンジニアリングするSRE-Benchでは、1回の試行で88.0%、4回以内で99.2%を解決。Solの55.9%／68.7%からの跳ね上がりです。
この飛躍は、8月にOpenAIが自社モデルの1つがAIプラットフォームHugging Faceをハッキングしたことを受けてフロンティア開発の減速を決めた経緯と、直接つながっています。Astraはしばらくの間、同社が出す最後の主要モデルになる可能性があるとされています。OpenAIはアラインメントの改善点として、テンプレートへの追従性や、より透明性の高い応答に加え、高度なサイバーセキュリティ関連のタスクには応じない設計であること、ジェイルブレイク要求への耐性と悪用監視能力の強化を挙げています。
つまり「能力は上がった、だから蓋を強くした」という構図です。攻撃能力の指標が満点に達したモデルを、拒否設定と監視で押さえ込む——この均衡がどこまで持つかが、今後の実質的な争点になります。
提供形態と価格
提供はまず限定的な組織群から始まり、数日かけてChatGPT Plus／Pro／Business／Enterpriseの全ユーザー、およびOpenAI APIとAWS経由に広がります。API価格は入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで、モデルの中では高価格帯に位置します。
OpenAI社長のGreg Brockman氏はVentureBeatに対し、企業にとってトークンは最良の指標ではないと述べ、「本当に欲しいのは、市場もようやく気づき始めているが、タスクあたりの価格だ」「適切なコストと速度で、その仕事を終わらせられるかどうかだ」と語っています。高い単価を、少ない試行回数と自動化される工数で回収せよ、という主張です。
💼 事業会社視点：これは自社にどう効くか
経営判断としての要点は3つです。
第一に、単価ではなくタスク単価で稟議を書き直すこと。入力10ドル／出力50ドルは既存モデルより明確に高く、トークン単価で比較すれば必ず却下されます。SRE-Benchで1回88.0%／4回99.2%という数字が示すのは「やり直し回数が減る」ことです。受託開発やSIerであれば、見積り単位を「API費用」ではなく「1機能あたりの実装コスト」に変え、人月とAstra費用を並べた比較表を作るべきです。ここを言語化できない事業部は、高価格モデルを永久に使えません。
第二に、PC操作エージェントの適用先を先に決めること。ブラウザ内外の複数ステップ作業に強いという特性は、ECのモール横断の在庫・価格更新、SaaSの管理画面越しのオンボーディング作業、経理の証憑突合といった「APIがない業務」に直撃します。日本企業の非効率の多くは基幹システムがAPIを持たない点にあり、そこを画面操作で埋められるかは検証する価値があります。ただしデモは3Dモデリングやスライド作成であり、自社の業務での成功率は自分で測るしかありません。
第三に、セキュリティ部門を今すぐ巻き込むこと。ExploitBench満点、SRE-Bench99.2%というモデルが、数日以内にChatGPT PlusとAWS経由で一般提供されます。防御側が使えるということは、攻撃側も同水準を手にするということです。自社の公開資産に対するリバースエンジニアリング耐性の前提は、この時点で更新が必要です。