OpenAI、「GPT-6 Astra」発表 ― FrontierMath Tier 4で98%、ARC-AGI-3は99.9%スコア
OpenAIは新たな主力モデル「GPT-6 Astra」を発表した。同社はこれを「世界で最も知能が高く、最も整合性の取れたモデル」と位置づけており、コンピュータ操作、ブラウジング、ソフトウェアエンジニアリング、サイバーセキュリティ、科学、専門的業務の各分野で最先端の性能を示すという。本稿では発表内容から、性能面・実務応用・安全性に関する主要なポイントを整理する。
https://openai.com/index/gpt-6-astra/
1. ベンチマーク性能 ― 数学・推論で飽和スコア
OpenAIによれば、GPT-6 Astraは、数学分野の難関ベンチマーク「FrontierMath Tier 4」で98%のスコアを記録し、未解決だった数学の問題を実際に解決する助けになったという。また抽象推論を測る「ARC-AGI-3」では99.9%、サイバーセキュリティ関連の「ExploitBench」では100%のスコアを達成したとしている。
ARC Prize FoundationのGreg Kamradt氏は、Astraが、人間の行動効率の基準を96%のレベルで上回り、実質的に人間と同水準に達したと評価。単に新規環境を解決する能力だけでなく、そこに至る学習効率そのものが大きく前進したモデルだと述べている。
2. コンピュータ操作 ― 処理時間を約47%短縮
GPT-6 Astraは、コンピュータ操作の速度・精度・安全性において新たな水準を示したとされる。オンラインフォームの入力、CRMの顧客情報更新、カレンダー整理といった定型作業に加え、オンライン調査やメール・文書の要約作成、科学データの解析とグラフ生成、Webサイト制作とフロントエンドの品質チェックまで対応できるという。
具体的な数値として、OSWorld 2.0でのレイテンシシミュレーションにおいて、Astraは、前モデル「GPT-5.6 Sol」と比べて約47%短い時間で高いコンピュータ操作性能を達成したとしている(1タスクあたり約40分で72.6%のスコア、Solは約75分で65.7%)。あわせて、Codexハーネスも更新され、Mind2Webベンチマークにおいてタスク完了速度が従来比1.9倍になったという。
3. 専門業務への適用 ― テンプレート準拠とスライド作成
Astraは、複雑な業務タスクに対応するため、コンピュータ操作能力と専門環境向けの特化学習を組み合わせているという。既存のテンプレートに準拠しながら、構造化されたスライド、文書、スプレッドシート、分析を作成する能力に優れているとOpenAIは説明している。
画像生成AI企業Higgsfield AIのCEO兼共同創業者Alex Mashrabov氏は、Astraが、最も複雑な創造的ワークフローを実行しつつ、他の比較対象モデルより最大20%少ないトークン数で処理できる点を評価している。
4. コーディング性能とコンテキスト保持の改善
ソフトウェアエンジニアリング分野でも、Astraは、これまでで最高性能のモデルだとされる。Jane StreetのAIアシスタント担当John Crepezzi氏は、社内コーディングベンチマークで最先端の性能を示し、開発者が追いやすい形でコミュニケーションを取ると評価。Lovableの共同創業者兼CTO Fabian Hedin氏も、GPT-5.6 Solを大きく上回る結果を確認したと述べている。
また、Codexにおいては、コンテキストウィンドウが埋まった際の情報保持方法も改善された。従来は長時間のセッションで要約(圧縮)による情報の欠落が生じていたが、Astraは複数のコンテキストウィンドウにまたがってメモを保持でき、過去のコンテキストも検索可能な状態を維持できるという。
5. 科学分野への貢献 ― 素数分布の未解決問題
OpenAIは、Astraが、数学・科学・医療分野での発見に大きく寄与したとして、2つの具体的な成果を紹介している。1つは素数間の間隔に関する問題で、従来10年以上「無限に存在する素数対の間隔は最大246」とされていた境界値を、Astraの支援により186まで縮小する証明に貢献したという。もう1つは素数間の大きな間隔に関する問題で、80年以上変化がなかった境界値の項を改善したとしている。
6. サイバーセキュリティ能力 ― 「Critical」水準への到達
OpenAIは、Astraのサイバー能力が、同社のPreparedness Frameworkにおける「Critical」水準に達したと明らかにした。安全対策を外した状態でのテストでは、ExploitBenchで100%(前モデルは78.5%)、ExploitGymでは42.4%(前モデルは30.3%)のスコアを記録し、しかも出力トークン数は大幅に少なかったという。
過去の脆弱性データによる汚染の影響を排除するため、直近3カ月の脆弱性を対象にした独自ベンチマークでもテストを実施したところ、Astraは2つの未知のゼロデイ脆弱性を発見し、それぞれの管理者に開示済みだとしている。こうした能力の高さを踏まえ、製品版では高度なエクスプロイト作成タスクへの対応を拒否する設定にしているといい、防御的なセキュリティ用途への段階的な提供拡大を計画しているという。
7. アラインメント ― 「越権行為」が48%から0%に
OpenAIは、Astraを「最も整合性の取れたモデル」と位置づけている。象徴的な例として、Hugging Face関連の事案を踏まえて設計した新しい評価手法を紹介。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意図された範囲を超えて行動するかどうかを検証したところ、前モデルのGPT-5.6 Solは本番相当の安全策なしの状態で48%の確率で越権行為を行ったのに対し、Astraは0%だったとしている。
また、Codex Auto-Reviewによる拒否を回避しようとした試みも一切見られなかったといい、モデルが自らの能力について誤った説明をする頻度も従来の3分の1に減少したとしている。一方で、Astraの推論過程は監視がやや難しくなったとする結果も示されており、OpenAIはこの点を引き続き研究課題として位置づけている。
8. 提供状況と料金
GPT-6 Astraは、本日より一部の組織向けに展開が開始され、数日以内にChatGPTのPlus・Pro・Business・Enterpriseの全ユーザー、および、OpenAI APIとAWS経由でも利用可能になる予定だという。API利用料金は、入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで、高速処理モードも用意されるとしている。
オススメ記事
