OpenAI が2026年9月3日（米国時間）に新しいモデル「GPT‑6 Astra」を発表しました。同社は公式ブログの冒頭で「世界で最も知的で、最もアライメントされたモデル」と書いています。ただ、この記事で扱いたいのはキャッチコピーではありません。パソコンの操作を代行する能力が実務で使える水準に上がったことと、サイバーセキュリティの能力が同社の安全基準で初めて「Critical（重大）」に分類されたことの2点です。この2つは、業務でAIを使う会社にとって意味が違います。
この記事では、公式発表・API ドキュメント・システムカードの一次資料だけを使って、何が変わったのか、いくらかかるのか、誰が使えるのかを整理します。国内報道に数値の誤りが見られる箇所もあるため、そこも指摘します。
GPT‑6 Astra は2026年9月3日発表。API のモデルIDは gpt-6-astra、コンテキストは105万トークン、入力は文字と画像で出力は文字のみ。料金は100万トークンあたり入力10ドル・出力50ドルで、前世代の GPT‑5.6 Sol（入力4ドル・出力20ドル）から2.5倍。ChatGPT では Plus・Pro・Business・Enterprise が対象で Free と Go は対象外。パソコン操作のベンチマーク OSWorld 2.0 で72.6%（Sol は65.7%）を、所要時間を約47%短縮して達成。サイバーセキュリティ能力が同社初の「Critical」に分類され、脆弱性の実証コード作成などは拒否する設定で提供される。
この記事の要約
何が発表されたのか
まず基本の情報です。すべて OpenAI の公式資料で確認できるものだけを並べます。
| 項目 | 内容 | 出典 |
|---|---|---|
| 正式名称 | GPT‑6 Astra（上位版は GPT‑6 Astra Pro。ChatGPT の画面上は「GPT‑6 Pro」と表示される） | 公式ブログ／ヘルプセンター |
| API のモデルID | gpt-6-astra | API ドキュメント |
| 発表日 | 2026年9月3日（米国時間） | 公式ブログ |
| コンテキスト | 1,050,000 トークン（入力の上限 922,000／出力の上限 128,000） | API ドキュメント |
| 学習データの期限 | 2026年4月30日 | API ドキュメント |
| 対応する入出力 | 入力は文字と画像、出力は文字のみ。音声・動画は記載なし | API ドキュメント |
| 提供先 | ChatGPT の Plus・Pro・Business・Enterprise、OpenAI API、Microsoft Azure、AWS Bedrock | 公式ブログ |
公式ブログは提供開始について「本日、限られた組織に対して段階的に提供を開始し、数日のうちに ChatGPT の Plus・Pro・Business・Enterprise の全ユーザーと、OpenAI API・Microsoft Azure・AWS Bedrock でも利用できるようになる」と書いています（筆者訳）。つまり、9月4日時点ではまだ全員が使える状態ではありません。
無料版の Free と、低価格帯の Go は対象外です。ヘルプセンターによれば、この2つの既定モデルは引き続き GPT‑5.6 Luna です。また Enterprise では初期状態で無効になっており、管理者が有効にする必要があります。社内で「使えない」という声が出たら、まずここを確認してください。
料金——前世代の2.5倍。使い方を決めてから入れる
実務で最初に効くのは料金です。100万トークンあたりの単価を、前世代の GPT‑5.6 Sol と並べます。
| 入力 | キャッシュ読み取り | 出力 | |
|---|---|---|---|
| GPT‑6 Astra（標準） | 10.00ドル | 1.00ドル | 50.00ドル |
| GPT‑6 Astra（長いコンテキスト） | 20.00ドル | 2.00ドル | 75.00ドル |
| GPT‑6 Astra（Fast モード） | 20.00ドル | 2.00ドル | 100.00ドル |
| GPT‑6 Astra（Batch） | 5.00ドル | 0.50ドル | 25.00ドル |
| GPT‑5.6 Sol（前世代） | 4.00ドル | — | 20.00ドル |
入力で2.5倍、出力で2.5倍です。加えて、入力が272,000トークンを超えるリクエストは、そのリクエスト全体が「長いコンテキスト」の単価になります（入力とキャッシュが2倍、出力が1.5倍）。長い資料を丸ごと投げる使い方は、単価が跳ね上がる設計になっています。
国内報道の「2.5倍高速」は誤り。公式は「最大2倍」
Fast モードについて、国内メディアの一部が「標準の2倍の料金で最大2.5倍高速」と報じていますが、公式ブログの原文は「delivers up to 2x the speed of Standard processing at 2x the Standard price」で、速度は最大2倍です。社内資料に転記するときは公式の数値を使ってください。また EU のデータレジデンシー環境では Fast モードを利用できません。
Astra の利用枠は既存のサブスクリプションに含まれ、足りない分はクレジットを買い足す形になります。この考え方は Claude 側と同じで、上限の設計と超過時の選択肢についてはClaude 全モデル比較ガイドでも扱っています。
パソコン操作——「速くなった」が実務で意味を持つ理由
公式ブログが一番の成果として挙げているのが、パソコン操作の能力です。OSWorld 2.0 という、実際の画面を操作させて課題を解かせるベンチマークで、Astra は72.6%を1タスクあたり約40分で達成しました。前世代の Sol は65.7%を約75分です。公式の表現を借りれば「約47%短い時間で、より高い精度」ということになります。
精度だけが上がったのなら「賢くなった」で終わる話です。しかし所要時間が半分近くになると、実務での意味が変わります。1件40分で終わるなら、担当者が昼休みに投げて戻ってきたら終わっている。1件75分だと、投げたことを忘れます。この差は、業務に組み込めるかどうかの分かれ目になります。
公式が挙げている用途は、オンラインフォームの入力、CRM の顧客レコードの更新、カレンダーの整理、科学データの分析とグラフ作成、Web サイトの作成とフロントエンドの品質確認、ソフトウェアのインストールとテスト、画面上の不具合の切り分けです。バックオフィスの定型作業がそのまま並んでいます。
あわせて OpenAI は、コーディング支援の Codex 側の仕組みも更新したと書いています。Mind2Web というベンチマークで、現行の Sol での体験と比べて1.9倍速くタスクを完了したとのことです。ただし Codex で Astra がいつから使えるようになるかは、公式資料に明示がありません。
ベンチマーク——勝っている項目と、負けている項目
公式ブログには、Claude（Fable 5.1／Fable 5／Opus 5）と Gemini 3.8 Flash の数値も併記された比較表が載っています。他社モデルの数値を自社の発表に載せるのは珍しくありませんが、Astra が負けている項目もそのまま載っている点は見ておく価値があります。主要なものを抜き出します。
| ベンチマーク | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|
| OSWorld 2.0（パソコン操作） | 72.6 | 65.7 | — | 70.2 |
| ScreenSpot‑Pro（画面認識） | 92.7 | 76.9 | — | — |
| AutomationBench（業務自動化） | 41.4 | 18.1 | 31.4 | 26.9 |
| Terminal‑Bench 4.0（端末操作） | 57.9 | 37.3 | 55.8 | 52.3 |
| FrontierMath Tier 4（数学） | 97.6 | 83.0 | 87.8 | 73.2 |
| GPQA Diamond（科学） | 96.0 | 94.6 | 93.7 | 93.7 |
| ARC‑AGI‑3 | 99.9 | 7.8 | — | 30.2 |
| Artificial Analysis Intelligence Index | 61.2 | 60.9 | 65.7 | 63.1 |
| Humanity's Last Exam（ツールあり） | 57.2 | — | 65.0 | 63.6 |
| AA Coding Agent Index | 67.0 | 65.1 | 67.2 | — |
パソコン操作・画面認識・業務自動化・端末操作・数学では Astra が明確に上です。一方で、総合的な知能指数とされる Artificial Analysis Intelligence Index と、道具を使わせた難問セット Humanity's Last Exam では Claude Fable 5.1 が上回っています。コーディングエージェントの指標もほぼ横並びです。
つまり「全部で勝った」ではなく、得意分野が分かれたというのが正確な読み方になります。画面を操作させる仕事なら Astra、長い思考が要る仕事なら Claude、という選び分けが当面は現実的です。モデルの選び分けについてはClaude 全モデル比較ガイドも参考にしてください。
数値の読み方に2つ注意
1つ目。公式ブログは表の注記で「評価スコアはいずれかの effort（推論の強度）設定での最大値」と書いています。つまり常にこの数値が出るわけではありません。2つ目。本文には FrontierMath Tier 4 を「98%で飽和させた」とありますが、表の数値は97.6%（v2）です。社内資料には表の数値を使うほうが安全です。
サイバーセキュリティが同社初の「Critical」——何が起きるのか
今回の発表でもう一つ大きいのが、安全性の分類です。OpenAI は自社の Preparedness Framework という枠組みで、モデルの危険な能力を段階評価しています。Astra はサイバーセキュリティの分野で、同社として初めて最上位の「Critical（重大）」に達したと公式に書かれています。
具体的に何ができるかというと、公式ブログは「ゼロデイ脆弱性を特定し、実際に悪用コードを開発する能力」と書いています。防御側にとっては弱点を先に見つけて塞げる力ですが、同時に強い安全装置が要る力でもあります。実際、評価の過程で Astra は未知のゼロデイ脆弱性を2件発見して使用し、OpenAI はその2件を開発元に報告している最中だと明かしています。
そのため、一般提供される Astra は脆弱性の実証コード（PoC）作成のような高度なセキュリティ作業を拒否する設定になっています。この制限は、OpenAI Daybreak というサイバーセキュリティ向けのプログラムを通じて、数週間かけて段階的に緩和される予定です。
| 安全性の指標 | GPT‑6 Astra | GPT‑5.6 Sol | 何を測っているか |
|---|---|---|---|
| 社内の幻覚ベンチマーク（低いほど良い） | 4.2% | 12.2% | 事実と異なる出力の割合 |
| 権限の逸脱（本番の安全装置なし） | 0% | 48% | 難しい課題に直面したとき、指示された範囲を超えて動くか |
| プロンプトインジェクション成功率 | 8.5% | 27.0% | 外部から仕込まれた指示に乗ってしまう割合 |
| Codex 実運用のミスアライメント検出 | 34件 | 73件 | 5万4千件超のタスクでの重大度3の検出数 |
権限の逸脱が48%から0%になったのは大きな改善です。これは Hugging Face で起きたインシデントを踏まえて作られた新しい評価で、「解けない課題を与えられたとき、勝手に範囲外のことをやり始めないか」を測ります。AI に業務を任せる側からすると、精度よりこちらのほうが重要な指標かもしれません。
推論過程の監視のしやすさは下がっている
公式ブログは、Astra は前世代より推論過程を監視しにくくなったと認めています。少ない手順で問題を解けるようになった結果、思考の途中経過が読み取りにくくなったためです。OpenAI は「この低下を深刻に受け止めている」と書き、監視可能性の改善を研究の優先課題に挙げています。AI の判断根拠を残す必要がある業務では、この点を運用設計で補う必要があります。
なお OpenAI は本番環境で、分類器がモデルの推論と行動を検査し、許可されない可能性のある動作を自動で止める仕組みを導入したとしています。ChatGPT と Codex では一時停止して確認を求め、API では停止する挙動です。クラウド型の生成AIを業務で使うときの考え方はClaude Codeの脆弱性から考える注意点でも整理しています。
業務にどう入れるか——3つの判断
ここからは、発表内容を踏まえて実務でどう扱うかです。当社が AI を業務に入れる支援をしている立場から、判断が要る点を3つ挙げます。
① 全社展開の前に、対象業務を1つ決める
料金が前世代の2.5倍になったため、「とりあえず全社で最新モデルに切り替える」という進め方は費用に直結します。長いコンテキストの単価が別立てになっている点も効きます。まずは、パソコン操作の代行が効きそうな業務を1つ選び、そこだけで試すのが現実的です。フォーム入力、CRM の更新、定型資料の作成あたりが候補になります。
② 「試して終わり」にしない設計を先に決める
モデルが新しくなっても、PoC で止まる構造は変わりません。デモは動くのに翌月には手作業に戻る原因は、モデルの性能ではなく「例外が出たとき誰が判断するか」が決まっていないことにあります。Astra の権限逸脱が0%になったことは追い風ですが、業務の側で判断者を決めておかないと本番には乗りません。この進め方についてはFDE とは何かで整理しています。
③ セキュリティ部門と情シスに、先に情報を渡す
「サイバーセキュリティの能力が Critical に分類されたモデル」という事実は、社内の情報システム部門やセキュリティ担当にとって無視できない情報です。導入を検討する段階で、拒否設定の内容（PoC 作成は拒否する）、ミスアライメント監視の仕組み、Enterprise では管理者が明示的に有効化する必要があることを共有しておくと、後から止まる事態を避けられます。
まとめ
- GPT‑6 Astra は2026年9月3日発表。API のモデルIDは
gpt-6-astra、コンテキストは105万トークン、入力は文字と画像、出力は文字のみ - 料金は前世代の2.5倍（入力10ドル／出力50ドル、100万トークンあたり）。272,000トークンを超える入力は単価が上がる
- ChatGPT では Plus・Pro・Business・Enterprise が対象。Free と Go は対象外、Enterprise は管理者が有効化する必要がある
- パソコン操作は精度と速度の両方が改善。OSWorld 2.0 で72.6%を約47%短い時間で達成
- 総合知能とツール込みの難問では Claude Fable 5.1 が上回る項目もある。得意分野で選び分けるのが現実的
- サイバーセキュリティが同社初の Critical。実証コード作成は拒否する設定で提供され、制限は段階的に緩和される予定
- 推論過程の監視のしやすさは低下。判断根拠を残す必要がある業務では運用で補う
新しいモデルが出るたびに全社で切り替えていては、費用も現場の混乱も積み上がります。どの業務に、どの条件で使うかを決めてから入れる。その判断のために、まずは一次資料で事実を押さえておくことをお勧めします。スマートフォンから作業を進める使い方についてはClaude Code の Remote Controlでも扱っています。
AI を「本番で回る」ところまで入れる支援
はてなベースでは、新しいモデルをどの業務にどう入れるかの見立てから、動くものを作り、本番で1サイクル回して担当者に引き継ぐところまでを同じチームで進めています。「モデルが増えすぎて選べない」「試したが本番に乗らない」という段階からご相談いただけます。