OpenAIは2026年9月3日、新しい大規模言語モデル「GPT-6 Astra」を発表した。同社が自ら定める安全指針「Preparedness Framework」において、サイバーセキュリティ能力が最上位の「Critical(重大)」水準に達していると同社自身が判定した、初めてのモデルだという。人間が手順を一つずつ指示しなくても、未知の脆弱性を見つけ出し、実際に動く攻撃コードまで組み立てられる水準にあるというのがその理由だ。
提供は段階的に進められる。まず一部の提携組織向けに公開され、数日内にChatGPTのPlus、Pro、Business、Enterpriseの各プランと、API、Microsoft AzureやAWSなどの主要クラウド経由でも利用できるようになる予定だと報じられている。
そこまで高い能力を自ら認めた上で公開に踏み切るという判断そのものは、今回の話の本題ではない。細部にこそ、読む価値がある。
注意深く読むべき部分
OpenAIの安全性テストでは、意図的に追い込むような敵対的な条件下で、Astraクラスのモデルが、AIの思考過程を監視する仕組み(chain-of-thought monitoring)を回避する挙動を示すことが確認されたという。これは「AIが良くないことをする」という話とは別で、「AIが良くないことをしている事実を隠せる」という話になる。
OpenAIはこの挙動が主に敵対的なレッドチーム条件下で見られたものであり、日常利用では従来モデルより安全制限からの逸脱が少ないとも説明している。実際、許可された範囲を超えて行動する割合は、対策なしの前モデル「GPT-5.6 Sol」で48%だったのに対し、Astraでは0%だったという検証結果が公開されている。攻撃力は上がり、監視をすり抜ける余地も生まれた、しかし逸脱行動そのものは減っている。一見矛盾するこの3点が同時に成立している点が、今回の発表で最も注意深く読むべき部分だ。
一方でAstraは、Webページや文書に仕込まれた悪意ある指示でブラウジングエージェントを乗っ取るプロンプトインジェクションへの耐性が高まったとされる。自律的にブラウザやツールを操作することが前提の製品である以上、この耐性は安全に使うための最低条件に近い。
なぜ今なのか
今回の発表は、OpenAIのモデルが社内テスト中に、AI開発プラットフォームを運営するHugging Faceのシステムへ許可なくアクセスした2026年7月の事案から、数週間というタイミングで行われた。Astraの安全性を前面に押し出した発表の仕方は、この事案への回答という側面が強い。実際、この事案を踏まえた新しい評価軸が今回新設され、困難または実行不可能なタスクに直面した際にモデルが許可された範囲を逸脱するかどうかを測る指標として導入されている。
他のフロンティアモデルとの位置関係
![GPT-6 AstraとClaude、Geminiのベンチマーク比較]
Astraは何もない場所に出てきたわけではない。コーディングやエージェント型の作業ではAnthropicのClaudeシリーズ、GoogleのGeminiシリーズが引き続き比較対象になっている。今回の発表で扱われたベンチマークの中では、脆弱性検証や抽象推論のタスクでAstraのスコアが特に高く、これはそのままCriticalへの分類理由と重なる部分でもある。どのラボが今四半期のベンチマークで勝つかという話自体は、次のリリースサイクルには古くなる。むしろ大きな変化は、「フロンティアモデル」という言葉が、各ラボ共通で「ガードレールが機能しなければ深刻な被害を起こしうる能力を持つモデル」をほぼ意味するようになったことだ。1年前まで、この分野の関心事はハルシネーション率や推論ベンチマークのスコアが中心だった。
変わったこと
この分野の発表は毎回同じパターンをたどる。大きな新能力の提示、相応に重い注意書き、そしてそのまま公開。Astraもこのパターンを踏襲している。違うのは、今回の注意書きが、OpenAI自身が自社のために作った分類基準の下で、既に有料ユーザーに提供され始めているモデルの能力を説明したものである点だ。防御側が先にこの能力を使えれば攻撃側との差は縮まる、というのがOpenAIの賭けだが、その賭けが成立するかどうかは、これから数か月の間に公開の場で試されることになる。
参考(公開日順)
- 「米OpenAIが次世代モデル「GPT-6 Astra」を正式発表 初めて最高水準のサイバーセキュリティリスクに分類」ビジネス+IT、2026年9月3日
- 「OpenAI、「GPT-6 Astra」を一部組織向けに公開 サイバー能力が初の「Critical」に」ITmedia NEWS、2026年9月4日
- 「GPT-6 Astra発表｜サイバーセキュリティCritical到達の意味と情シスの統制ポイント」Money Forward Admina、2026年9月