OpenAIが「GPT-6 Astra」発表、ARC-AGI 3で99.9%も標準計測では62.7%

「GPT-6 Astra」の提供概要

OpenAIは9月3日、新しいフラッグシップモデル「GPT-6 Astra」を発表しました。最初は限られた組織に提供され、今後数日かけてChatGPTのPlus、Pro、Business、Enterprise各プランと、OpenAI API、AWS経由の利用が可能になる予定です。

API価格は入力が100万トークンあたり10米ドル、出力が同じく50米ドルに設定されました。これは競合とされるClaude Fable 5および5.1と同じ価格です。OpenAIはこのモデルをFableの対抗馬に位置づけ、自社のベンチマークでは多くの項目で上回ったとしています。

ARC-AGI 3の結果は評価方法に左右される

今回特に注目されたのは、2026年3月に公開されたARC-AGI 3という推論ベンチマークへの対応です。GPT-6 AstraはOpenAI独自の「Provider Adapter harness」を使った場合に99.9%を達成しましたが、標準のARC-AGIハーネスで測ると62.7%でした。

Provider Adapter harnessは、リクエスト間で不透明な推論状態を保持し、長い会話では圧縮処理を行うことで、それまでの推論結果を再利用できるようにする仕組みです。実行コストも異なり、99.9%を出した構成は19,000ドル、標準構成は26,000ドルと報告されています。Claude Fable 5はこのベンチマークのスコアをまだ公開していないため、比較には追加情報が必要です。

セキュリティと長文コンテキストの強み

セキュリティ関連のベンチマークでは高い結果が出ています。既存のGPT-5.6 Solとの比較では、ExploitBenchで100%対78.5%、ExploitGymで42.4%対30.3%、SRE-Benchのバイナリリバースエンジニアリングでは4回以内の試行で99.2%対68.7%と、いずれも上回りました。

長文コンテキストも改善されています。OpenAIの8本針ベンチマークでは、256K〜512Kトークンの範囲で100%、512K〜1Mトークンでも96.3%を記録しました。長文処理の課題に対する改善が示唆されます。ただし記事の執筆者はまだAstraを試用しておらず、実利用での評価は今後の課題です。

第三者評価と競合比較

Artificial Analysisが公表するインテリジェンス指数では、GPT-6 Astraは61でGPT-5.6 Solと同点でした。これはClaude Fable 5.1よりも5ポイント低く、Metaが新しく出したMuse Spark 1.3にも及ばないとされています。

一方、Coding Agent Indexではコスト効率に優れると報告されています。最大労力設定でGPT-5.6 Solとほぼ同じコストでありながら指数は2ポイント高く、1タスクあたりのコストはClaude Fable 5の半分以下とされます。汎用の推論力というより、特定の作業領域で強みを発揮するモデルとみられます。