GPT-6 Astra発表。「AIエージェントを使う」から「AI社員に仕事を渡す」へ

GPT-6 Astraは、複数のアプリをまたぐ仕事の成功率と速度を引き上げたモデルです。
モデル選びでは得意な仕事を見極め、成功した1タスク当たりの費用で比較することが重要です。
AIに仕事を任せるには、権限分離、重要操作の承認、監視と復旧を業務側に用意します。

OpenAIが、次期最上位モデル「GPT-6 Astra」を発表しました。すでにChatGPTとCodexで提供が始まり、Plus、Pro、Business、EnterpriseとAPIへ順次広がっています。

注目すべきは、回答の賢さだけではありません。ブラウザや業務ソフトを操作し、途中で判断し、成果物まで仕上げる力が大きく伸びました。

これは「AIエージェントを使う」というより、仕事のゴールをAI社員へ渡す感覚に近づいた変化です。ただし、任せられる仕事が増えるほど、権限や監視をどう設計するかが重要になります。

Astraは「完遂」の精度と速度を引き上げた

これまでもChatGPT WorkやCodex、Claude Codeを使えば、AIに計画を立てさせ、複数のツールを操作させて、仕事を最後まで進めることはできました。Astraは、完遂をゼロから可能にしたモデルではありません。その成功率と速度を、一段引き上げたモデルです。

GPT-6 Astraが狙っているのは、この「最後の作業」まで含む仕事です。OpenAIによると、フォーム入力、CRM更新、予定整理、調査、文書・表計算・プレゼン作成、Webサイトの動作確認などを、複数のアプリをまたいで実行できます。

OpenAIのOSWorld 2.0遅延シミュレーションでは、Astraは72.6％を記録し、1タスク約40分でした。GPT-5.6 Solは65.7％、約75分だったため、所要時間は約47％短縮されています。これはあらゆる仕事が47％速くなるという意味ではありませんが、PC操作を伴うタスクで速度と成功率が同時に上がったことを示します。

たとえば企業研修の担当者なら、「生成AI研修の資料を作って」だけでなく、既存テンプレートに合わせ、表を更新し、申込フォームを確認し、完成版を所定の場所へ保存するところまで渡せる可能性があります。

AIに仕事を振れる範囲が、さらに広くなる。 Astraの変化はここにあります。

Fable 5.1に勝ったのか

結論から言えば、万能の勝者はいません。

OpenAI公表値では、業務自動化を測るAutomationBenchでAstraが41.4％、Fable 5.1が31.4％でした。一方、検索やツールを使う難問評価Humanity’s Last Examでは、Fable 5.1が65.0％、Astraが57.2％です。各社で実行環境や推論設定、安全対策が異なるため、単純な総合順位にはできません。

Anthropicが説明するFable 5.1は、コードベース全体を扱う開発や、複数アプリをまたいで数時間続く仕事、最小限の監督で進める多段階の知識労働を主戦場にしています。深い推論、長い文書、長時間の開発ならFable。画面を見て業務ソフトを操作し、完成物まで持っていくならAstraが有力です。

サイバー能力でも差が出ています。既知の脆弱性から攻撃コードを作るExploitBenchでAstraは100％、GPT-5.6 Solは78.5％でした。より実践的なExploitGymでは、Astraが42.4％、Fable 5.1が30.4％、Claude Opus 5が22.0％です。OpenAIが並べた比較表の数値を見る限り、Astraはサイバー領域でFable 5.1やOpus 5を上回っています。

ただし、Anthropicの最新上位モデルMythos 5.1については、同じ評価で比較できる数値が公開されていません。AnthropicはMythos 5.1を同社史上最も高いサイバー能力と評価していますが、同社のリスク区分ではまだ低いカテゴリーに収まると説明しています（公式発表）。会社ごとに評価基準も違うため、「AstraがMythos 5.1にも勝った」とまでは断定できません。

つまり今回の競争は、「どちらが一番賢いか」ではなく、どの仕事を最後まで任せられるかの競争です。

高いモデルが、安い仕事をする

GPT-6 AstraのAPI価格は、100万トークン当たり入力10ドル、出力50ドルです。これはFable 5.1と同じ価格帯で、GPT-5.6 Solの入力4ドル、出力20ドルより2.5倍高く見えます。

ただし、AIエージェントではトークン単価だけを見ても実際のコストは分かりません。安いモデルが途中で失敗し、人が指示を出し直し、最初からやり直せば、処理時間も人件費も増えます。高いモデルでも、少ない出力と少ない再試行で終われば、仕事1件の総額は下がります。OpenAIも、Astraは以前のモデルより出力トークンを抑え、推定タスクコストを下げられると説明しています。

見るべき指標は「100万トークンの価格」から、成功した1タスク当たりの費用へ変わります。

AI社員には、社外へ出ない首輪がいる

Astraは便利になった分、危険な操作を実行できる力も上がりました。OpenAIは、Astraが同社で初めてPreparedness Frameworkの「重大なサイバー能力」の基準に達し、適切なツールとアクセスがあれば、未知の脆弱性を発見して攻撃方法を作れると説明しています。

OpenAIが初めて重大水準と認定した事実は、単なるベンチマーク1位より重い変化です。

一方で、OpenAIの安全性アップデートは、Hugging Faceのシステムへエージェントが侵入した事件にAstraは関与していなかったと明記しています。つまり、あの事件はAstraの暴走ではありません。ただしOpenAIは、その教訓をAstraの安全設計に反映し、高度なサイバー機能へのアクセス制限、危険な依頼への拒否、行動監視を強化しました。

ここで企業が勘違いしてはいけないのは、モデルが安全になれば統制が不要になるわけではないことです。OpenAIの監視ガイドにも、停止したリクエストは、それ以前の操作を元に戻さないとあります。

AI社員へ仕事を渡すなら、少なくとも次の3つをモデルの外側に置く必要があります。