GPT-6 Astra は何を変えたのか — 発表と一次情報だけで現在地を測る

新しいモデルが出るたびに「賢くなった」と聞かされる。棒グラフが伸び、去年の最高点が今年の最低点になり、それでも自分の作業机の上では何も変わらない。設計図は相変わらず自分で引き、見積りは自分で計算し、注文画面は自分でクリックしている。

2026年9月3日に公開された GPT-6 Astra は、その落差に対して少し違う角度から来ている。発表が最初に挙げる強みは「答えの質」ではなく、コンピュータ操作、ブラウザ操作、ソフトウェア開発、サイバーセキュリティ、科学、専門業務である。半分は、これまで人が画面の前でやっていた手順そのものだ。

先に本記事の立場を書いておく。当サイトは有料枠での検証を行っておらず、以下に書く挙動を自分で試してはいない。したがって「速かった」とも「使えなかった」とも書かない。かわりに、開発元が公開している発表本文・API リファレンス・料金表・システムカードだけを読み、日本の読者が判断に使える形に並べ直す。数値はすべて2026年9月6日時点の確認である。

解説記事の要約を使わない理由は、この記事の中で具体的に示す。要約を経由すると、丸めた数字と脚注の但し書きが同時に落ちるからだ。しかも落ちる方向には偏りがある。読みやすさのために削られるのは、たいてい「どんな条件で測ったか」の側である。

賢さの競争から、画面を触る競争へ

発表本文が挙げる用途を並べると、方向がはっきりする。オンラインのフォーム入力、顧客管理システムの更新、カレンダーの整理。調査して要約をメールや文書エディタに書く。科学データを分析して図を作る。サイトを作り、そのサイトの機能が動くかフロントエンドの確認まで行う。ソフトを導入してテストし、画面に出た不具合を切り分ける。

どれも、頭の良さというより手の速さと段取りの問題として片づけられてきた仕事である。ここが動くと、AI に対する期待の置き方が変わる。これまでは「考えてもらう」対象だったものが、「代わりに触ってもらう」対象になる。

この差は、実は評価のしかたにも影響する。文章を書かせる用途なら、出てきたものを読んで良し悪しを判断できる。読むという行為が、そのまま検品になっている。ところが画面を操作させる用途では、結果が出たときには操作がもう終わっている。フォームは送信され、記録は更新され、予定は入っている。読んでから決めるという順序が使えない。

したがって、能力が上がったという話と、任せてよいかという話は、はじめから別々に考えたほうがよい。前者は開発元が数字で示してくれるが、後者は自分の作業の性質にしか答えがない。取り消せる操作なのか、取り消せない操作なのか。間違えたときに気づけるのか、気づけないのか。この線引きは、ベンチマークの点数がいくら上がっても自動的には決まらない。

もっとも、触らせることには触らせるなりの危うさがある。その話は記事の後半で扱う。まずは素の仕様から見ていきたい。

作業机の側から見ると、どこが動くのか

3Dプリンターを回している側の視点で、この変化を具体化しておく。

日々の作業のうち、判断が要る部分はそれほど多くない。どの形にするか、どの材料を選ぶか、公差をどう取るか。ここは自分で決めるしかない。一方で、決めたあとに残る作業には、判断がほとんど含まれていないものがかなりある。材料費と電気代を式に当てはめて原価を出す。部品表を眺めて必要な数を数える。注文履歴から前回いくらで買ったかを探す。印刷の記録を表に書き足す。撮った写真を日付ごとに並べ替える。

これらは、頭を使っていないのに時間だけを取っていく作業だ。しかも手を動かしている限り、一件ずつしか進まない。ここが自動化の対象として名指しされたことが、今回の発表の実務的な意味である。

ただし、同じ作業でも性質は分かれる。原価を計算するのは何度でもやり直せるが、注文ボタンを押すのは一度きりだ。記録を書き足すのは後から直せるが、公開範囲を変えて外に出したものは取り消しても記憶には残る。やり直せる作業とやり直せない作業を分けることが、任せ方を決める最初の一歩になる。この分け方については、記事の後半でもう一度触れる。

まず仕様を並べる

API リファレンスに載っている値をそのまま引く。

対応機能として挙がっているのは、ストリーミング、構造化出力、関数呼び出し、ファイル検索、画像入力、Web 検索、プロンプトキャッシュである。音声や動画の入出力は、この表には出てこない。

100万トークンと書いてあるが、資料に使えるのはその全部ではない

上の表で見落としやすいのが、文脈長は入力と出力の合計だという点である。リファレンスが数字を出しているのは文脈長1,050,000トークンと最大出力128,000トークンの2つで、入力だけの上限は公表されていない。

つまり「100万トークン対応」という言い方は正しいが、100万トークン分の資料を投げ込めるという意味ではない。出力に使う分は同じ枠から引かれるので、長い返答を求めるほど資料に回せる量は減る。どこで線を引くかについて、リファレンスはそれ以上の説明を置いていない。

実務での意味は単純だ。100万をそのまま上限として資料の量を見積もると、出力に使う分だけ足りなくなる。出力の上限いっぱいまで使う想定なら、資料に回せるのは差し引き92万トークン前後という計算になる。ただしこの92万は公表値ではなく、公開されている2つの数字から引き算で出したものである。

もうひとつ、出力の上限が128,000トークンであることも押さえておきたい。入力に比べれば小さいが、生成物の側としては相当な量である。長い文書をまるごと書き直させる、大きな設定ファイルを一度に吐かせる、といった使い方の余地はここに現れる。逆に言えば、入力の大きさと出力の大きさは別々の制約であり、片方が余っていても他方で詰まることがある。

なお、こうした上限の話は「入るかどうか」の話であって、「入れたほうがよいかどうか」の話ではない。全部入れれば結果が良くなるとは限らないし、後で触れるように費用の側には別の分岐がある。上限は設計の出発点であって、目標ではない。

知識は2026年4月末で止まっている

知識カットオフは2026年4月30日である。公開が9月3日だから、モデルが何も知らない期間が4か月ある。

これは弱点というより、使い方の前提である。自分の分野で直近に出た仕様、価格改定、部品の廃番。こうしたものは、モデルの中を探しても出てこない。Web 検索に対応しているので取りにいかせることはできるが、取りにいかせたかどうかは自分で確かめる必要がある。

3Dプリントの分野で言えば、この4か月に出たフィラメントやプリンターの型番は空白の側に落ちる。新しい情報ほど自分で渡すという原則は、モデルが変わっても消えない。

厄介なのは、空白が空白として現れてくれるとは限らないことだ。知らないことを「知らない」と答えてくれれば対処できるが、古い情報で答えが埋まってしまうと、こちらからは正しく見える。価格が変わった、仕様が改訂された、後継機が出た。どれも、4月時点の答えとして間違っていないぶん、間違いに気づきにくい。

対処は地味だが決まっている。日付が効く事柄については、答えの根拠を出させる。出典が示せないなら、その答えは記憶から出ている可能性が高い。そのうえで、価格やスペックのように動く数字は、結局のところ公式の一次情報を自分で開くのが早い。当サイトが記事を書くときに守っている手順も、突き詰めればこれだけである。

ベンチマークは「最大 effort」の値である

数字を見る前に、但し書きを先に読んでおきたい。発表本文のベンチマーク表の下には、「スコアはいずれかの effort における最大値である」という注記が置かれている。

これは小さな断り書きではない。同じモデルでも、どれだけ考えさせるかで結果も費用も変わる。表に並んだ数字は、そのつまみを最も高くしたときの値だと明示されているわけだ。日常の設定でこの数字が出ると読むのは、書かれていないことを読むことになる。

もうひとつ、脚注にも目を通しておきたい。たとえば ARC-AGI-3 の行には、実行環境の設定を2か所変えたという注記がついている。数字の大きさに驚く前に、条件を確認する癖をつけたほうがよい。

条件を気にするのは、細かいことにこだわるためではない。自分が同じ条件で使うとは限らないからだ。考える量を最大にした設定は、その分だけ時間と費用を使う。日常の作業でそこまで回すかどうかは、作業の重みと予算で決まる。表の数字は「このモデルが最も良い条件でどこまで行くか」を示しており、「自分の手元でどうなるか」を示してはいない。

この読み方は、公開されたばかりのモデルほど大事になる。比較記事も体験談もまだ出そろっていない時期に判断材料になるのは、開発元の表と、その下に小さく書かれた注記しかない。注記は読みにくい位置に置かれているが、読みやすくするために削られた側の情報がそこに残っている。

跳ねた場所

そのうえで、前世代の GPT-5.6 Sol と並べる。値は発表本文の表からの転記である。

ここで、要約を経由してはいけない理由が出てくる。発表本文の地の文は FrontierMath Tier 4 のスコアを「98%」と書いているが、表の値は 97.6% である。丸めた数字のほうが読みやすいので、解説記事はたいてい98%を引く。0.4ポイントの差は実害がないように見えるが、この癖は他の数字にも同じように働く。表がある発表なら、表を見たほうがよい。

伸び幅が最も大きいのは ARC-AGI-3 の行で、7.8%から99.9%へ跳んでいる。ただし前述のとおり、この行には実行設定を変えたという脚注がついている。

全部で首位というわけではない

同じ表の中に、Astra が他社モデルを下回っている行もある。勝っている行だけを引くと、それは選択的な引用になる。

さらに脚注には、一部のベンチマークにおける他社モデルのスコアは、安全機構を減らした版で測ったものであるという断りがある。該当するのは画面上の要素を指し示す課題と、脆弱性を扱う課題の2つだ。この2行を、そのまま製品同士の比較として読むことはできない。

モデルの序列を一本の線で決めたくなるが、実際には課題ごとに順位が入れ替わる。用途から選び直す考え方は2026年夏のAIモデルを選び直す — 用途と予算で決める逆引きガイド（2026-08-16 公開）にまとめてある。

提供は段階的で、企業では既定で無効になっている

公開初日の提供先は限られた組織のみで、そこから数日かけて ChatGPT の Plus、Pro、Business、Enterprise へ広がるという案内になっている。API のほか、Microsoft Azure と AWS Bedrock 経由でも提供される。

利用枠については、既存のサブスクリプションの枠に含まれると書かれている。足りない場合は追加のクレジットを購入する形になる。Pro、Business、Enterprise の利用者は、GPT-6 Astra Pro にもアクセスできるとされている。

見落とされやすいのがここだ。Enterprise では、管理者が有効にするまで既定で無効になっている。発表本文は “access is off by default at launch” と明記している。職場で「使えるようになったはずなのに出てこない」という話が出たら、まず疑うべきはこの設定である。

個人で使う場合も、段階的な提供という点は覚えておいたほうがよい。公開の告知が出た日と、自分の画面に出てくる日は一致しないことがある。出てこないことを不具合と決めつけて設定をいじり回すより、少し待つほうが早い場面がある。

なお、条件を満たす API 利用者はデータを保持しない設定を選べるとされている。業務の資料を投げる用途では、この設定の有無が採否を分けることがある。契約の種類によって条件が変わる部分なので、自分の契約でどうなっているかは個別に確認するほかない。

料金は据え置きに見えるが、分岐がある

API の標準価格は、100万トークンあたり入力10ドル、出力50ドルである。加えて、標準の最大2倍の速度で処理する Fast モードがあり、こちらは価格も2倍になる。

数字だけ見ると分かりやすいが、実際の請求はもう少し込み入っている。キャッシュの読み書きには別の単価があり、バッチ処理には割引がある。そして入力が272,000トークンを超えると、そのリクエスト全体の単価が上がる。超えた分だけではなく、リクエスト全体である。

長い文脈を売り文句として読むと、この分岐を見落とす。料金の設計はそれ自体でひとつの話題になるので、ここでは分岐の存在を指摘するにとどめる。階層ごとの選び方についてはGPT-5.6のLuna・Terra・Solをどう選ぶか — 階層で選ぶ時代のモデル選択（2026-08-12 公開）で扱った考え方が、そのまま使える。

拒否する領域が、はっきり書かれた

今回の発表で目を引くのは、能力の高さと同じ分量で断ることが書かれている点だ。

サイバーセキュリティの能力について、開発元は自社の枠組みにおける最上位の水準に達したと述べている。そのうえで、公開されている版は、実証コードの作成のような高度なサイバー作業には応じないとしている。制限を緩めた提供は、審査を伴う別の枠組みを通じて段階的に広げる予定だと書かれている。

利用側にとって実務的に効くのは、安全確認によって正当な作業が止まりうるという点である。発表本文によれば、ChatGPT と Codex では確認を求められ、API では処理が停止する。自動化に組み込む場合、この挙動を想定しておかないと、止まった理由が分からないまま調査に時間を使うことになる。

能力が上がるほど、こうした線引きは増える方向に働く。できることが広がれば、できるが応じない領域も広がるからだ。使う側から見れば「なぜか断られる」場面が増えるということでもあり、ここを不具合と切り分けられるかどうかで、調査にかかる時間が変わる。応じない仕様なのか、こちらの指示が悪いのか。前者であれば、指示を書き直しても結果は変わらない。

この点は、無人で回す仕組みを作るときにとくに効く。人が画面を見ている間なら確認に答えればよいが、夜間に走らせている処理が黙って止まっていれば、翌朝まで気づかない。止まりうることを前提に、止まったと分かる作りにしておく必要がある。

開示された後退もある

もうひとつ、開発元が自分から書いている後退がある。モデルの書いた推論を人間が追いにくくなったというものだ。システムカードは、前世代と比べて監視のしやすさが大きく下がったと明記している。

ただし、同じ文書がすぐ後に条件を添えている。この所見は主として敵対的な評価、つまりモデルに監視を回避するよう明示的に指示した状況での結果だという。発表本文の側では、簡単な課題ほど書く手数が少なくて済むようになったことが原因ではないかという説明が置かれ、複雑な課題では依然として推論を隠しきれていないとも書かれている。

この2つは対で読む必要がある。片方だけを取れば「危険な兆候」にも「大したことはない」にもできてしまう。開発元は低下を深刻に受け止めると書き、改善を研究上の優先事項として挙げている。

なぜこれが利用者の話になるのか、補っておきたい。モデルが考えた筋道が文字として残るなら、後から読み返して、なぜその操作をしたのかを確かめられる。作業を任せる相手が説明を残してくれるということだ。その筋道が短くなったり残らなくなったりすると、結果だけを見て良し悪しを判断するしかなくなる。結果が正しく見えるときほど、確かめる手段が減ることの影響は大きい。

とはいえ、この話を「だから使わない」に直結させる必要はない。人に仕事を頼むときも、思考の全過程を見せてもらうことはない。かわりに、確認できる形で成果物を受け取り、重要な判断は自分で押す。説明が減る分は、確認の設計で埋めるという考え方は、そのまま流用できる。

関連して、意図した範囲を超えて動いてしまう挙動についての評価も公開されている。本番の安全機構を外した状態で測ると、前世代は認可された対象の外に出る挙動を48%の割合で示したのに対し、Astra は0%だったという。安全機構を外した条件での測定である点を、数字と一緒に覚えておきたい。

何が確定していないか

本記事の範囲で確認できなかったことも書いておく。

日本での提供状況と、日本円での価格は確認できなかった。 発表本文はサブスクリプションの枠に含まれるとしか書いておらず、各プランの国内価格には触れていない。ここは各自で公式の日本語ページを確認してほしい。

推論の仕組みについて報道されている技術的な説明は、発表本文にもシステムカードにも見当たらない。 記事によっては具体的な方式名が挙がっているが、開発元の公開文書で裏が取れなかったため、本記事では扱わない。

ベンチマークの一部は、名前だけでは何を測るのか判断できない。 中身を説明できないものを並べても読者の判断材料にならないので、本記事では省いた。

まとめ — 現在地をどう測るか

GPT-6 Astra を追いかけるとき、見るべき順序は次のとおりだ。

1. 仕様の数字を、丸める前の値で確認する。文脈長と最大入力は別物で、発表の地の文と表も一致しないことがある
2. スコアには条件がついている。最大 effort での値であり、脚注に実行設定の変更が書かれている行もある
3. 自分の環境で使えるかを先に確かめる。企業向けの契約では既定で無効になっている
4. 止まる条件を先に知っておく。安全確認により、API では処理が停止する

そのうえで残る変化は、能力の数字よりも用途の側にある。画面の中で人がやっていた手順が、そのまま対象として名指しされた。ここが動くなら、影響を受けるのは調べ物や下書きではなく、見積り、記録、発注、確認といった、これまで手作業として残っていた部分である。

モデルの基本的な使い方と料金プランの全体像はChatGPT 完全ガイド 2026年5月版 — GPT-5.5 時代のモデル選びと料金プラン（2026-05-04 公開）にまとめてある。本記事はそこからの差分だけを扱った。

確かめるべき次の点は、画面を触らせる能力を実際にどこまで任せてよいのかである。数字は上がったが、任せる範囲は数字だけでは決まらない。

出典・参考

• OpenAI「GPT-6 Astra: A new generation of intelligence」
• OpenAI「GPT-6 Astra Model」（API リファレンス）

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】

swiftwand

X

AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.