世界規模のAI大障害が明けた翌日、2026年9月4日の未明——日本時間の午前4時33分（北京時間3時33分）に、OpenAIは GPT-6 Astra を発表した。

一言でまとめるなら、OpenAI自身の表現がいちばん近い。「最も賢く、最もアラインされたモデル」。GPT-4のときのような、全方位での王座奪還という手触りがある。そして注目すべきは、これがコーディング特化のモデルではないという点だ。美的判断力を持ち、仕事のできる博士級のスタッフ——そういう方向に振り切っている。

ただし公開初日に使えるのは一部の組織に限られ、ChatGPT Plus / Pro / Business / Enterprise への展開は「今後数日以内」、OpenAI API と AWS 経由でも利用可能になるとされている。

新機能・新特性が多く、情報量が非常に多い発表だった。順に整理していく。

1. 基本スペック

まず基本情報から。

APIモデル名：gpt-6-astra

コンテキストウィンドウ：約105万トークン（1.05M）

最大出力：128Kトークン

知識カットオフ：2026年4月30日

推論強度：low / medium / high / xhigh / max の5段階

価格（100万トークンあたり）：通常入力 10ドル、キャッシュ書き込み 12.5ドル、キャッシュ読み取り 1ドル、出力 50ドル

価格は Claude Fable 5 と完全に横並びで、キャッシュ読み取りだけ Fable 5.1（0.25ドル）より高い。前世代の GPT-5.6 Sol（入力 4ドル / 出力 20ドル）と比べると、当然ながら一段上のレンジに移った。

パラメータ規模は5Tクラスと見られている。発表前の非公開メディア説明会では、GPT-6 Astra は OpenAI 史上最大の学習であり、10万枚を超えるGPUを投入したと語られている。

主要ベンチマークの比較は次の通り。数値は左から GPT-6 Astra / GPT-5.6 Sol / Claude Fable 5.1 の順。

2. 「世界最高のPC操作モデル」という立ち位置

今回いちばん重要な位置づけは、おそらくここだ。

エージェントの話をするとき、私たちはAPIやMCPやCLIの話をしがちだ。AIにソフトを操作させるなら、ソフト側がAI用の口を用意してくれるのが理想であることは間違いない。カレンダーにはカレンダーのAPIがあり、メールにはメールのAPIがある。速いし、確実だ。

だが現実の業務システムは、私たちが思っているよりずっと泥臭い。世の中の大半のソフトにそんなものはないし、企業の社内システムに至っては20年前に書かれたまま、APIどころかドキュメントがどこにあるのかも分からない——SESで客先常駐をしていれば、これは日常の風景だ。

ここで最下層まで降りて考えると、あらゆるソフトの本質はインタラクションでしかない。いまのPCの操作ロジックとは、画面を見て、ボタンや入力欄を探し、クリックし、入力し、反応を待つことだ。

PCのインタラクション体系そのものが、最も普遍的なAPIではないか。

Astra はここを大幅に強化した。APIがないなら、人間と同じようにPCを操作すればいい、という発想だ。

デモで示されたのは、Excel や Power BI の操作、フロントエンドのQA、ソフトのインストールとテスト、画面に出たエラーを読んでの継続的な原因切り分け。さらに基板（回路）設計の操作や、法務文書の体裁調整——見出しの余白やページレイアウトの整形まで見せている。

【回路設計】

【文章の体裁調整】

ベンチマークで見ると、AIを実機に近い環境に放り込んで複数アプリを開かせ、タスクを完遂できるかを見る OSWorld の完了率は、GPT-5.6 Sol の65.7%に対して Astra は 72.6%。加えて、複雑タスク1件あたりの所要時間はSolの平均約75分に対して Astra は約40分、およそ47%短縮している。画面を理解して正しい位置を指せるかを測る ScreenSpot-Pro は 76.9% から 92.7% へ。実用上ほぼ外さない水準に来た。

この立ち位置は示唆的だ。エージェント時代の最も汎用的なAPIは、結局GUIになるのかもしれない。人間が画面越しにできるデジタル作業は、理論上すべてエージェントの射程に入る。2007年製の基幹システムがMCPに対応する日を待つ必要は、もうない。

3. ARC-AGI-3 で99.9%

「またベンチマークが飽和しただけでしょ」と思うかもしれないが、これは一般的なモデル試験とは少し性格が違う。

2026年3月25日に ARC Prize が公開した ARC-AGI-3 は、数百の新規インタラクティブ環境と数千のゲームステージで構成されている。厄介なのは、説明書もルールも、そもそも目的すら与えられない点だ。入ってから自分で触り、「この赤いものは何か」「なぜ触れると死ぬのか」「この地図は何を要求しているのか」「どうなれば勝ちなのか」を推測していく。そして掴んだ法則を、より難しい後続ステージへ転用する。抽象度の高いパズルばかりで、測っているのはほとんど「勘の良さ」に近い。

公開当時、最高性能のAIのスコアは 0.51% だった。その後 GPT-5.6 Sol が 7.8%、かなり強い Claude Opus 5 が 30.2% まで伸びた。そして GPT-6 Astra は 99.9%。

人間の平均は48%である。しかも、公開からわずか半年での出来事だ。

だからこそ、説明会の締めで Greg Brockman はこう言った。

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

「AGIの時代へようこそ。」

4. 美的センスが大きく変わった

これまでGPTの美的センスは、正直ひどかった。GPT-5系の改善に期待するのは難しく、新しく事前学習された基盤モデルを待つしかない、というのが共通認識だったと思う。そこに Astra が来た。

OpenAIは Visual Judgment（視覚的判断力）という言葉まで用意している。スライド作成では、レイアウト・階層構造・テンプレート・視覚スタイルの扱いが明確に良くなり、生成ページ数も大幅に増えた。文書のデザインも見違える。

面白いのは、参照文書のビジュアルスタイルと文体トーンを読み取って、元文書の実質的な中身を保ったまま、ブランドに馴染む形へ書き換えられる点だ。公開されている比較例では、汎用テンプレートの資料が、OpenAI自身のブランドトーンを纏った別物として出力されている。ダイアグラムのレイアウトを参照させた例では、3ページの参照ファイルから12ページの成果物が生成されていた。

Web、ゲーム、アプリ、3Dレンダリングでも視覚的判断が効く。デモでは Blender で静止画から建築モデルを起こし、そのまま UE5 でレンダリングして歩ける空間に変換していた。設計者と施主が、着工前に間取りや空間体験を検討できる、という使い方だ。生成されたレースゲームの画面も、色設計が破綻していない。

5. 主体性と「判断力（Judgment）」

ARC-AGI-3 の99.9%ほど派手ではないが、日常的にエージェントを使って仕事をしている人間には、こちらのほうが重要かもしれない。

現実の業務で、完璧なプロンプトが書けることはまずない。「明日の会議で使うもの、準備しておいて」——この一文には、決まっていないことが山ほどある。形式は？　誰が読む？　要点は？　前回の議事録は踏まえるのか？

出来の悪いエージェントは、両極端に振れる。ひとつは、質問を延々と返してくるタイプ。「WordですかPPTですか」「章立ては何個ですか」「フォントは」「締切は」——自分では何も決めない。もうひとつは、何も聞かず勝手に補完し、二時間かけて全然違うものを作ってくるタイプだ。

優秀な同僚の振る舞いは、その中間にある。どうでもいい部分は自分で決め、最終的な方向性を左右する部分だけ聞いてくる。

Astra が強化したのは、まさにここだ。OpenAIの説明では、情報が欠けていても日常的に妥当な推論ができる範囲なら自分で補う。その欠落が結果を本当に変えるものであれば、的を絞った質問を投げる。Codex では、質問を出しながら、その回答に依存しない部分の処理を並行して進める。返事が来なければ、リスクの低い部分は合理的な仮定で前に進め、本当に重要な意思決定の手前で止まって待つ。

公開されている比較デモでは、Sol が3分26秒かけて一気に回答を出したのに対し、Astra は43秒で「予算8万ドルは奨学金前の上限なのか、奨学金込みなら超過校も含めてよいのか」と一問だけ返していた。個人サイト作成の例でも、Sol が13分15秒で完成品を出す一方、Astra は20秒で「どの職種へ転職するのか」を聞いている。

部下を持ったことがある人なら分かると思うが、これは相当に貴重な能力だ。一日に二十回聞きに来て何も決められない人もいれば、一度も相談せずに核弾頭を作ってくる人もいる。いちばん一緒に働きやすいのは、不確実性の8割を自分で消化し、判断が必要な2割だけを持ってくる人だ。

OpenAIはこの能力を、そのまま Judgment（判断力）と呼んでいる。

6. アラインメントの大幅強化

これは前章と続けて見る必要がある。エージェントは有能になるほど危険になるからだ。

会話しかできないAIが暴走しても、せいぜい変なことを口走るだけで済む。だが、ブラウザとシェルとメールと社内データベースの権限を持ち、自分でPCを操作できるエージェントが暴走したときの絵面は、なかなか壮観なことになる。

OpenAIが「史上最もアラインされたモデル」と繰り返すのは、この文脈だ。先日の Hugging Face を巻き込んだ一件以降、彼らはこの領域に強い関心を向けている。その事故を模して設計したハニーポット試験では、本番環境相当の安全対策がない条件下で、GPT-5.6 Sol は48.2%のケースで権限範囲外の対象に手を出そうとした。Astra は 0.0% だった。

社内のハルシネーション評価も 9.4% から 2.0% へ。Sol の時点で既に世界トップ水準だったところから、さらに落としている。

7. サイバー能力が初めて「Critical」に達したモデル

一方で、Astra は OpenAI の Preparedness Framework において、サイバー能力が Critical と判定された史上初のモデルでもある。

ここでの Critical は具体的な能力閾値を指す。適切なツールと権限を与えられたとき、堅牢化された実システムの中から、これまで誰も発見していなかった脆弱性を自力で見つけ、それを利用可能な攻撃チェーンに仕立てられること。しかもその過程で、人間のハッカーが逐一次の手を指示する必要がないこと。この水準に達すると Critical になる。

Astra は本当に到達した。

既知の脆弱性からエクスプロイトを開発させる ExploitBench は、Sol の78.5%に対して Astra 100%。完全に振り切っている。

OpenAI 自身、このベンチマークが古すぎて学習データに含まれているのではないかと疑い、2026年6月から8月に開示されたばかりのV8の高危険度脆弱性20件で内部テストを作り直した。結果は Sol 5.5% に対して Astra 39%。しかもこのテストの実行中に、Astra はそれまで誰も知らなかったゼロデイ脆弱性を2件、ついでに発見している。

モデルが強くなるほど、サイバーセキュリティ側の課題も増える。硝煙の上がらない戦争が、これから続くのだろう。

8. 人間がモデルの思考を読めなくなってきた

そして、最も引っかかるのがこの点だ。

大規模モデルは複雑な問題を解くとき、いわゆる思考連鎖（CoT）を書く。製品上でユーザーに見えているのは圧縮・加工後の版であることが多いが、AI企業自身にとって、モデルが内部で明示的に書き出す推論過程は重要な安全信号だ。エージェントが何か企んでいないかを知るいちばん簡単な方法のひとつが、「何を考えているかを読む」ことだからである。思考の中に「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、先に権限システムを回避すればいい」といった一文が出れば、監視側はそこで止められる。とても分かりやすい。

ところが Astra には、非常に興味深い変化が現れた。途中の手順をあまり書かず、直接答えを出すようになってきている。

英国AI安全研究所（UK AISI）はこれを専用に測定した。指標名は No-CoT Math Time Horizon。長い思考連鎖を書く機会を与えず、一回の前方推論だけで数学問題を解かせ、人間の思考時間に換算してどの程度の難度まで届くかを見る。GPT-5.6 Sol は3.6分。GPT-6 Astra は 30.9分。10倍近い。人間の言葉で言えば、Astra はほぼ全部を「暗算」で処理している。

同時に UK AISI は、Astra の生の推論言語が明らかに圧縮（compressed）されており、人間には解読しづらい短縮表現や省略が増えていることを指摘している。

ここで逆説が生じる。モデルの振る舞いはより安全になった。しかし、思考過程を読んで人間が監督することは、かえって難しくなった。

OpenAI 自身の System Card も、従来モデルと比べて chain-of-thought monitorability が substantial に低下したと明記している。そして、この傾向を無制限に受け入れるつもりはないと強調している。CoTの可制御性を上げて反転させられるか検証し、CoTなしの不整合能力を探るレッドチーミングを行い、活性化ベースなどCoT監視の代替手段を研究し、可監視性を促して混濁を促さない学習方法を設計する——そう書かれている。ただし能力が伸び続ける中でこれらの努力によって信頼を保てるかどうかは、依然として本当に不確実だとも認めている。

彼らは、可監視性の維持は「モデルの整合性が学習分布の外へどう汎化するか」を追跡するための鍵となる道具であり、それはCoT監視に限らず、活性化監視や能動的開示、複数手法の組み合わせでも達成しうると述べる。そして、整合性の汎化を示す新しい方法がないまま、監視能力が一定限度を超えて劣化することは受け入れない、今後数か月のうちに手法の詳細を共有する、としている。

これはもう技術というより、哲学の問いに近い。私たちは、自分よりはるかに賢いシステムを理解し続けられるのか。私には分からない。おそらく、いま世界の誰にも分かっていない。

おわりに

AGIの到来は、GPT-4発表の日のような明確な瞬間として訪れるのだと、以前は思っていた。ある未明に、どこかの会社が突然モデルを投げてくる。開いて、いくつか質問して、全員が同時に「来た」と気づく。

いまは少し違う感覚を持っている。AGIは白黒のスイッチではなく、灰色のグラデーションなのではないか。何日も、何年も過ぎたあとに振り返って、遠い先にあったはずの境界線を、いつの間にか越えていたことに気づく。

降臨する日はないのかもしれない。ただある日、それがずいぶん前から隣にいたことに気づくだけだ。

ともあれ。AGIの時代へ、ようこそ。