はじめに
2026年9月3日、OpenAIが新モデル「GPT-6 Astra」を発表しました。
「世界最高のコンピュータ操作モデル」を自称するだけあり、コーディングやエージェント作業のベンチマークで軒並みトップスコアを記録しています。
本記事では公式発表の内容をもとに、エンジニア目線で押さえておきたいポイントをまとめます。
GPT-6 Astraとは
GPT-6 Astraは、GPT-5.6 Sol（2026年7月リリース）の後継にあたるOpenAIの最新フラグシップモデルです。
一部組織への提供から開始し、数日以内にChatGPT Plus/Pro/Business/Enterpriseの全ユーザーおよびOpenAI API、AWSでも利用可能になる予定です。
GPT-6 AstraはAPI上ではgpt-6-astraというモデル名で提供され、Amazon Bedrock経由でも利用できます。
ベンチマークで見る性能
OpenAIが公開したベンチマークをカテゴリ別に整理しました。比較対象は前モデルのGPT-5.6 Solです。
コンピュータ操作系
| 項目 | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| Agents' Last Exam | 59.3% | 53.6% |
| OSWorld 2.0（オフライン） | 72.6% | 65.7% |
| ScreenSpot-Pro（ツールなし） | 92.7% | 76.9% |
特筆すべきは処理時間です。 OSWorld 2.0のレイテンシ検証では、Astraは1タスクあたり約40分で72.6%のスコアを記録した一方、GPT-5.6 Solは約75分かけて65.7%でした。
スコアが上がっているにもかかわらず所要時間は約47%短縮されており、単純な精度向上だけでなく効率面でも大きく進化しています。
またCodexハーネスの更新とあわせると、Mind2Webベンチマークでのタスク完了速度は従来比1.9倍になったとのことです。
コーディング系
| 項目 | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| Terminal-Bench 4.0 | 57.9% | 37.3% |
| DeepSWE v1.1 | 74.1% | 72.7% |
| FrontierCode 1.1 Extended | 64.5% | 60.6% |
| FrontierCode 1.1 Main | 53.3% | 47.5% |
| 社内データベース移行タスク | 63.9% | 42.7% |
Terminal-Bench 4.0は前モデルから20ポイント近く伸びており、エージェント型コーディングでの実用性を強く意識した設計になっていることがうかがえます。
専門業務・学術系
| 項目 | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| AutomationBench | 41.4% | 18.1% |
| BenchCAD | 95.9% | 83.3% |
| FrontierMath Tier 4 | 97.6% | 83.0% |
| GPQA Diamond | 96.0% | 94.6% |
| ARC-AGI-3 | 99.9% | 7.8% |
| ARC-AGI-2 | 95.0% | 92.5% |
ARC-AGI-3は前モデルからの伸び幅が特に大きく、抽象的な推論タスクへの対応力が大幅に向上したことがわかります。
BenchCADでは3DオブジェクトをCADコードとして再現するタスクを扱っており、GPT-5.6 Sol比でAPIコストが約43%安くなっている点も実務上のポイントです。
コーディング・開発者向けの変更点
GPT-6 AstraはCodexハーネスとあわせて更新され、コンテキストウィンドウが埋まった際の挙動が改善されました。
従来はセッションが長くなると要約によって過去の作業ログを圧縮していましたが、Astraでは過去のやり取りをメモとして保持しつつ、必要に応じて過去のコンテキストを検索できる仕組みが追加されています。
この機能は現時点では実験的な位置づけで、config.tomlで有効化する必要があります。
数週間以内にデフォルト機能になる予定です。
# Codexのconfig.tomlに追記するイメージ
experimental_context_retrieval = true
サイバーセキュリティ面での注意点
GPT-6 Astraはサイバーセキュリティ関連のベンチマークでも大幅に性能が向上しており、OpenAIのPreparedness Framework上で「Critical」しきい値に達したと公表されています。
| 項目 | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| ExploitBench（既知の脆弱性をエクスプロイト化） | 100.0% | 78.5% |
| ExploitGym | 42.4% | 30.3% |
| ExploitBench（2026年6〜8月の新規脆弱性のみ） | 39.0% | 11.5% |
| SRE-Bench（バイナリのリバースエンジニアリング、1回目） | 88.0% | 55.9% |
| SRE-Bench（4回まで） | 99.2% | 68.7% |
評価中には、これまで知られていなかったゼロデイ脆弱性を2件発見・使用したことも報告されており、該当のメンテナには開示済みとのことです。
既知の脆弱性をエクスプロイトに変換するタスクでほぼ満点のスコアを記録しており、脆弱性の発見・修正を支援できる一方、悪用リスクへの配慮も必要です。
このため公開版のAstraでは、セキュアコードレビューやパッチ作成などの防御的タスクには対応しつつ、実証コード（PoC）の作成など高度な攻撃的タスクは拒否する設計になっています。
OpenAI Daybreakを通じて、今後数週間でより制限の緩い防御的ワークフロー（脆弱性検証、マルウェア分析など）へのアクセスを段階的に広げる方針とのことです。
アライメント（安全性）面の数字
OpenAIは今回のモデルを「最もアライメントされたモデル」と位置づけており、こちらも具体的な数値が公開されています。
| 項目（数値が低いほど良い） | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| 社内コンピュータ操作安全性ベンチマーク | 2.4% | 22.0% |
| 同上（AutoReviewあり） | 1.8% | 4.3% |
| Auto-Review回避を試みた割合 | 0.00% | 0.29% |
| ExploitGymハニーポットに引っかかった割合 | 0.0% | 48.2% |
| 社内ハルシネーション評価 | 4.2% | 12.2% |
特に「困難・実行不可能なタスクに直面した際に、意図したスコープを超えて行動するか」を検証した評価では、GPT-5.6 Solが本番同等の安全策なしで48%の確率でスコープを逸脱したのに対し、GPT-6 Astraは0%だったと報告されています。
料金
OpenAI APIでの標準料金は次の通りです。
・入力トークン 100万トークンあたり10ドル
・出力トークン 100万トークンあたり50ドル
高速処理を行う「Fastモード」も用意されており、処理速度が最大2倍になる代わりに料金も2倍になります。
まとめ
GPT-6 Astraは、コーディング・コンピュータ操作・専門的な業務タスクのいずれにおいても大幅な性能向上を遂げたモデルです。
特にAgentic Codingやツール連携を伴うワークフローを組んでいるエンジニアにとっては、既存ワークフローの見直しを検討する価値がありそうです。
一方でサイバーセキュリティ関連の能力向上は諸刃の剣でもあるため、防御目的での活用と利用ガイドラインの両方をあわせて確認しておくことをおすすめします。