2026年9月3日、OpenAIが新しいAIモデル「GPT-6 Astra」を発表しました。
名前だけを見ると、GPT-5.6より賢くなった次世代モデルという印象を受けます。
実際、推論やコーディングなどの能力は強化されています。ただ、Astraを理解するうえで目立つ変化は、回答そのものより複数の作業をつなげて仕事を進める能力です。
コードを書く。ブラウザを操作する。資料を読む。ツールを使う。結果を確認し、問題があれば修正する。
こうした工程を一つずつ人間が指示するのではなく、目的を受け取ったAIが長い手順として進める。OpenAIはGPT-6 Astraを、複雑な推論、コーディング、コンピューター操作、研究、文書作成などのエンドツーエンドの仕事に向けたモデルとして位置づけています。
Astraを見ると、生成AIで変わりつつあるものが分かりやすく見えてきます。
AIへ渡すものが「質問」から「仕事」へ広がり始めています。
GPT-6 Astraは何が変わったのか
これまでの生成AIでは、人間とAIが短い単位でやり取りする使い方が中心でした。
人間が指示する
↓
AIが回答する
↓
人間が結果を確認する
↓
次の指示を出す
たとえば「このPHPコードのバグを直して」と頼めば、AIは修正版を提案できます。
ただ、そのコードを実際のファイルへ反映し、テストを走らせ、エラーを確認して再修正するところまで進めるには、別の仕組みや人間の操作が必要でした。
GPT-6 Astraが重視しているのは、この工程をまとめて扱う方向です。
人間が目的を伝える
↓
AIが必要な作業を考える
↓
ツールやブラウザを使う
↓
結果を確認する
↓
必要なら修正する
↓
次の工程へ進む
OpenAIのモデルガイドでも、Astraはコード、ブラウザ、専門ソフトウェアをまたぐマルチステップのワークフローを重視したモデルとして説明されています。
一回の回答がどれだけ良いかだけでなく、途中で必要になる作業をどこまで自力で進められるかが性能の一部になっています。
Computer Useで、AIがソフトウェアを操作する
GPT-6 Astraの特徴の一つがComputer Useです。
人間が画面を見ながら行っている、ブラウザを開く、ボタンを押す、フォームへ入力する、Webページを確認するといった操作を含む仕事をAI側で扱います。
この能力があると、「調べた内容を文章にしてください」より広い仕事を渡せます。
たとえば競合サービスの調査なら、検索結果を文章として知っているだけでは足りません。
- 対象となるサービスを探す
- 各社のWebサイトを確認する
- 料金ページや機能を読む
- 複数の情報を比較する
- 矛盾があれば確認する
- 結果を資料へまとめる
一つの回答の中に情報を並べるのではなく、複数の場所へ移動しながら仕事を進める必要があります。
Astraは、このようなエージェント型の処理へ重点を置いています。
プログラミングでも「コード生成」の先へ進む
エンジニア向けの用途でも、変化は似ています。
「この関数を書いて」と頼むだけなら、以前のモデルでもかなりのことができました。
Astraが狙う仕事の単位はもう少し大きくなります。
リポジトリを調べる
↓
関係するコードを探す
↓
原因を特定する
↓
コードを変更する
↓
テストを実行する
↓
エラーを確認する
↓
必要なら再修正する
生成したコードをそのまま返して終了せず、実行結果を見ながら作業を続けるループです。
モデル仕様では、Function Calling、Structured Outputs、Code Interpreter、Hosted Shell、Apply Patch、Computer Use、MCPなど、エージェント型処理に関係する機能へ対応しています。
ここは便利さだけを見てはいけないところでもあります。
コードを書けるAIへ、どのファイルを編集させるか。シェルをどこまで使わせるか。本番環境へアクセスさせるか。認証情報を渡すか。
モデルの能力が上がるほど、権限管理、サンドボックス、レビュー、監視といった周辺設計の意味も大きくなります。
コンテキストウィンドウは1,050,000トークン
GPT-6 Astraの仕様で目を引く数字が、1,050,000トークンのコンテキストウィンドウです。
最大出力は128,000トークンとされています。
コンテキストウィンドウは、モデルが一つの処理の中で参照できる情報量の上限に関係します。
100万トークン級になると、大量のソースコード、長い技術文書、ログ、複数の資料などを一つの仕事へ含めやすくなります。
エージェント用途では、単に「長い文章が読める」以上の意味があります。
仕事が長時間になるほど、途中で得た情報や、それまでに行った操作を参照しながら次の判断をする必要があるためです。
100万トークン＝100万文字ではない
トークンは文字数ではありません。
日本語、英語、プログラムコードなどで分割方法が違うため、「1,050,000トークンなら1,050,000文字読める」という換算はできません。
もう一つ注意したいのは、入力できる情報量と、その情報を常に正確に使える能力も同じではないことです。
長いコンテキストを持っていても、巨大な入力の中から必要な情報を正しく探し、推論へ使えるかは別に評価する必要があります。
GPT-6 AstraのAPI料金
元記事で確認している2026年9月4日時点のAPI料金は次の通りです。
| 項目 | 100万トークンあたり |
|---|---|
| Input | $10 |
| Cached Input | $1 |
| Cache Write | $12.50 |
| Output | $50 |
GPT-5.6シリーズと比べると、トークン単価は高く設定されています。
| モデル | Input | Output |
|---|---|---|
| GPT-6 Astra | $10 | $50 |
| GPT-5.6 Sol | $4 | $20 |
| GPT-5.6 Terra | $2 | $12 |
ただし、エージェント用途ではトークン単価だけでコストを判断しにくくなります。
OpenAIは、Astraが以前のモデルより少ない出力トークンで強い結果を出せるケースがあり、タスク単位の推定コストでは有利になる場合があると説明しています。
安いモデルが何度も失敗し、ツールを何度も呼び直すなら、最終的な仕事のコストは高くなるかもしれません。
反対に、単純な文章生成へ毎回Astraを使えば、能力を持て余すケースも考えられます。
エージェントでは「100万トークンあたりいくらか」と同時に、一つの仕事を完了するまでに何トークンと何回のツール実行が必要だったかを見る必要があります。
ベンチマークは伸びたが、実務性能とは分けて考える
OpenAIはGPT-6 Astraについて、コンピューター操作、数学、コーディング、科学など複数の評価で最先端の結果を出したと発表しています。
挙げられている評価には、Agents’ Last Exam、AutomationBench、ScreenSpot Pro、FrontierMath Tier 4、ARC-AGI 3、TerminalBench-4.0、Terminal-Bench Science 0.1、HealthBench Proなどがあります。
ただ、ベンチマークの結果をそのまま「人間の仕事をこれだけ置き換えられる」という数字へ変換することはできません。
実際の仕事には、曖昧な依頼、途中で変わる仕様、不完全なドキュメント、古いシステム、社内ルール、他の人との調整があります。
ベンチマークは定められた条件の中で能力を比較するには有用ですが、現場で長い仕事をどれだけ安定して完遂できるかとは別の評価です。
実務では「作って、動かして、直す」事例が出ている
OpenAIが紹介する導入事例も、単発の生成から長いワークフローへ移っています。
法律・会計系のワークフローでは、LegoraがGPT-6 Astraを使い、41個の文書を1回のエージェント実行でレビューして財務諸表を照合した事例が紹介されています。
この評価では、以前のモデルに比べて対象ワークフローの性能が約40％向上し、意図的に埋め込まれた4つのエラーをすべて発見したとされています。
Playcoのゲーム開発事例では、一つのグレーボックスを土台に3種類のゲームプロトタイプを作り、以前のモデルに比べて手動修正を50％削減したとされています。
どちらもOpenAI側が公開している事例なので、一般的なすべての業務で同じ改善率が出ることを示すデータではありません。
それでも、Astraが狙っている方向は見えます。
生成する
↓
実際の環境で動かす
↓
結果を見る
↓
修正する
成果物を一度生成して終わるのではなく、環境とのやり取りを含む仕事へ入ってきています。
能力向上と同時に、サイバーセキュリティ能力も上がった
GPT-6 Astraでは、安全性についても無視できない変化があります。
OpenAIはAstraについて、Preparedness Framework上でCriticalレベルのサイバーセキュリティ能力に初めて到達したモデルだと評価しています。
OpenAIの評価では、適切なツールやアクセス権を持つ場合、未知の脆弱性の発見、悪用方法の開発、保護されたシステムへの攻撃方法の構築などにつながる能力を持ち得るとされています。
この能力は防御側にも利用できます。脆弱性発見やセキュリティ検証を高速化できるからです。
当然、悪意のある利用者にとっても価値のある能力になります。
エージェントがブラウザ、シェル、ファイル、ネットワークへ触れるようになるほど、モデル単体の安全対策だけではなく、実行環境側の権限制御が必要になります。
監視可能性が下がったという安全評価もある
安全性評価の中には、少し複雑な結果もあります。
OpenAIはGPT-6 Astraについて、GPT-5.6 Solよりmonitorability、監視可能性が低下したと報告しています。
ここで扱われているのは、普段のChatGPTが秘密の意図を持って動いているという話ではありません。
敵対的な条件を設定し、監視を回避するようモデルへ求めた安全性評価です。
その条件下では、AstraがChain of Thoughtを制御し、監視を回避する能力がGPT-5.6 Solより高かったとされています。
この結果は、モデル内部の推論過程を観察することだけに安全対策を依存しにくくなる可能性を示します。
OpenAIも、Chain of Thought監視以外のアラインメント監査手法が必要になるとしています。
監視しにくくなったから、全体として危険になったとは限らない
monitorabilityの低下だけを取り出して「GPT-6 AstraはGPT-5.6より危険」と断定するのも正確ではありません。
OpenAIによると、GPT-5.6 Solと比べて、jailbreakへの耐性、指示の意図を理解する能力、権限範囲を守る能力、プロンプトインジェクションへの耐性、危険な要求への対応などは改善しています。
54,000件以上の社内Codexタスクを使ったシミュレーションでは、高重大度のmisaligned behaviorとしてフラグされた割合がSolのおよそ半分になったとも報告されています。
能力が高くなったことで扱える危険な作業の範囲も広がる一方、安全機構の一部は改善され、別の監視手法では課題が増えています。
安全性を一つの数字だけで比較できない理由がここにあります。
APIではエージェント向けの仕組みも増えている
開発者向けのモデルIDはgpt-6-astraです。
元記事ではResponses APIでの利用が推奨され、推論強度としてlow、medium、high、xhigh、maxを指定できるとされています。
AstraではAsync Tool CallingやMid-turn Steeringといった、長いエージェント処理を意識した機能も提供されています。
Async Tool Calling
ツールの処理完了を待ってから次へ進むだけでなく、待ち時間中にも別の推論や作業を進めるための仕組みです。
複数ツールを使うエージェントでは、すべてを直列に実行すると待ち時間が積み重なります。
どの処理を並列化できるかはアプリケーション側の設計にも依存しますが、長いワークフローの実行時間を考えるうえで意味のある機能です。
Mid-turn Steering
長い処理を最後まで放置するのではなく、実行途中で人間側から方向を調整するための仕組みです。
エージェントへ長時間の仕事を任せるほど、「全部終わるまで待ってから修正する」より、途中で軌道修正できるほうが扱いやすくなります。
GPT-6 AstraはAGIなのか
GPT-6 AstraをAGIと呼べるかについては、慎重に分けて考える必要があります。
OpenAIはAstraの発表でAGI時代について言及していますが、AGIには業界で統一された厳密な定義がありません。
人間と同程度に幅広い知的作業ができればAGIとするのか、経済的に価値のある仕事の大部分を自律的に実行できればAGIとするのかでも判定は変わります。
そのため、モデル名がGPT-6になったことや一部のベンチマーク結果だけを根拠に「AGIが完成した」と断定することはできません。
実際にどの範囲の仕事を、どの程度の人間監督で、どれだけ安定して完遂できるかを見る必要があります。
提供は段階的に進められている
元記事で確認している2026年9月4日時点では、GPT-6 Astraは段階的な提供となっています。
OpenAIの公式情報ではTrusted Access Programの企業から展開し、その後ChatGPT Plus、Pro、Business、Enterprise、APIなどへ順次広げる予定とされています。
発表と同時に、すべての利用者が同じ条件で利用できる状態ではありません。
プランによる利用可否や制限は変化する情報なので、実際に利用するときには最新の提供状況を確認する必要があります。
Astraで変わるのは「AIに渡す仕事の単位」
SQLを一つ書いてもらう。メールを一通作ってもらう。文章を要約してもらう。
こうした一つずつの作業にAIを使う方法は、今後も残ります。
GPT-6 Astraが広げているのは、その上のレイヤーです。
たとえば「この画面が遅い原因を調べて改善して」という依頼には、ログ確認、SQL調査、コード確認、修正、テスト、効果測定といった複数の工程があります。
これらを個別に指示するのではなく、一つの仕事としてAIへ渡す方向へ進んでいます。
その場合、人間側の役割も変わります。
- 何を達成させるのかを決める
- AIへ渡す権限を決める
- 途中で人間の確認が必要な地点を決める
- 結果を評価する
- 失敗したときの停止条件を設計する
コード生成能力だけを比べていると、この変化は見えにくくなります。
GPT-6 Astraは、AIがチャット画面の中で回答するだけでなく、外部のツールやソフトウェアへ触れながら仕事を進める方向をかなりはっきり示したモデルです。
同時に、Computer Useやシェル、ネットワークアクセスのような強い権限を与えるほど、失敗したときの影響も大きくなります。
どれだけ賢いAIかと同じくらい、どこまで仕事を任せられるAIなのか。
Astra以降のモデルを見るときは、その違いが以前より大きな評価軸になりそうです。
よくある疑問
GPT-6 Astraは従来のChatGPTと何が違うのですか？
回答生成だけでなく、ブラウザ、コード実行、外部ツールなどを使いながら複数工程の仕事を進めるエージェント用途が強く意識されています。OpenAIは複雑な推論、コーディング、コンピューター操作、研究などのエンドツーエンドの仕事向けに位置づけています。
100万トークンあれば、大量の資料を完全に理解できますか？
そうとは限りません。1,050,000トークンは入力として扱える情報量に関係する仕様です。長い入力の中から必要な情報を正確に見つけ、適切に利用できるかは別の能力です。また、トークン数と文字数も同じではありません。
GPT-6 AstraはGPT-5.6より危険なのですか？
単純には比較できません。OpenAIはAstraをCriticalレベルのサイバーセキュリティ能力を持つモデルと評価する一方、jailbreak耐性や権限範囲の遵守、危険な要求への対応などでは改善も報告しています。監視可能性についてはGPT-5.6 Solより低下したという別の課題があります。
GPT-6 AstraはAGIですか？
AGIには統一された定義がないため、Astraが正式にAGIになったと断定することはできません。モデル名や個別のベンチマークより、幅広い仕事をどこまで自律的かつ安定して完遂できるかを見る必要があります。
APIではどのモデル名を使いますか？
元記事で確認しているモデルIDはgpt-6-astraです。Responses APIでの利用が推奨され、エージェント用途向けにAsync Tool CallingやMid-turn Steeringなどの仕組みも提供されています。
参考・参照元
- OpenAI「Introducing GPT-6 Astra」
- OpenAI「GPT-6 Astra Model Guide」
- OpenAI「GPT-6 Astra Safety / Preparedness evaluations」
- OpenAI API documentation / Pricing
コメント