GPT-6 Astra発表、PC操作・開発・科学分野を強化 - 30歳で異業種からIT企業に転職しました。

GPT-6 Astra is the most intelligent and aligned model in the world, and sets a new state of the art for computer use, browsing, software engineering, cybersecurity, science, and professional work.

https://t.co/BxTEtJlwLP
— OpenAI (@OpenAI) September 3, 2026

OpenAIは、新モデルGPT-6 Astraを発表しました。コンピューター操作、ソフトウェア開発、科学などの能力を強化し、ChatGPTの有料プラン、OpenAI API、AWSへ順次展開します。

みつた

こんにちは、サイト運営を担当するみつたです。今回は、PC操作や開発などの実務能力を高める一方、サイバー分野では厳格な安全対策が適用されるGPT-6 Astraを紹介します。

この記事のチェックポイント

GPT-6 Astraは、コンピューターやブラウザの操作、コーディング、科学研究、専門業務を強化したモデルです。
ChatGPT Plus、Pro、Business、Enterpriseのユーザーと、OpenAI APIおよびAWS向けに順次提供されます。
サイバー能力がOpenAIのPreparedness FrameworkでCriticalしきい値に達したため、高度なタスクへの利用制限や追加の安全対策が適用されます。

コンピューター操作や専門業務を強化

GPT-6 Astraは、事前学習、強化学習、アラインメントの研究成果を統合したモデルです。OpenAIは、コンピューター操作、ブラウジング、ソフトウェア開発、サイバーセキュリティ、科学、専門業務で最先端の性能を達成したと説明しています。

フォーム入力、CRMの顧客情報更新、予定整理、オンライン調査、科学データの分析、グラフ作成、Webサイト構築、フロントエンドの品質確認、ソフトウェアのインストールやトラブル対応などを実行できます。

指示に曖昧さがある場合は、結果を左右する点について質問し、回答を待つ必要がない作業を継続できます。作業途中で要件が変わっても、当初の目的や制約を維持しながら対応するよう改善されています。

主な評価結果

みつた

評価環境と実際のChatGPTでは条件が異なるため、スコアだけでなく利用環境もあわせて確認したいですね。

OpenAIが公表したGPT-5.6 Solとの比較は次の通りです。

評価項目	GPT-6 Astra	GPT-5.6 Sol
Agents' Last Exam	59.3%	53.6%
OSWorld 2.0	72.6%	65.7%
Terminal-Bench 4.0	57.9%	37.3%
Terminal-Bench Science 0.1	64.6%	22.4%
FrontierMath Tier 4（v2）	97.6%	83.0%
GPQA Diamond	96.0%	94.6%
ARC-AGI-3	99.9%	7.8%

OSWorld 2.0のレイテンシーシミュレーションでは、GPT-6 Astraは約40分で72.6%を記録し、約75分で65.7%だったGPT-5.6 Solより、1タスク当たりの時間が約47%短くなりました。

Codexでは、コンテキスト上限を超える長時間の作業に向け、コンテキストをまたいでノートを保持し、過去のコンテキストを検索できる実験機能が導入されます。既存テンプレートに沿った文書、スプレッドシート、プレゼンテーションの作成も強化され、BenchCADでは95.9%の幾何学的重なりスコアを記録しました。

公表スコアは各評価での最大値です。評価には研究環境やAPIで実施されたものも含まれ、システムプロンプトや利用可能なツールが異なるため、実際のChatGPTでは出力が異なる場合があります。

サイバー能力と安全対策

みつた

高度な能力に応じて利用制限も強まっています。安全チェックで処理が止まる場合がある点は、導入前に押さえておきたいところです。

GPT-6 Astraは、OpenAIのPreparedness Frameworkにおいて、サイバーセキュリティ分野のCriticalしきい値に達しました。本番用の安全対策を外した評価では、既知の脆弱性から動作するエクスプロイトを作成できるかを測るExploitBenchで100%、ExploitGymで42.4%を記録しています。

提供開始時のモデルは、安全なコードレビューやパッチ作成には利用できますが、脆弱性の概念実証エクスプロイト作成など、より高度なサイバータスクを拒否します。ChatGPTやCodexでは処理の確認を求められる場合があり、APIでは安全チェックによってタスクが停止する場合があります。

モデルが困難または不可能なタスクで意図された範囲を超えるかを調べた評価では、安全対策を外したGPT-5.6 Solが48%のケースで許可された対象を超えたのに対し、GPT-6 Astraは0%でした。一方、OpenAIは、Astraの記述された推論がGPT-5.6 Solより監視しにくいという評価結果も示し、監視可能性の改善を研究課題としています。