2026年9月初め、OpenAIがGPT-6 Astraを公開しました。公式発表でグレッグ・ブロックマン社長はこれを「世代の飛躍(generational leap)」と表現し、個人的な意見と断ったうえで、AGIに到達したとみなせるという発言までしています。新しいモデルが出るたびに繰り返される表現ですが、今回は世代番号が6に変わったことで、「世代」という言葉が実際に何を意味するのかを考え直すきっかけになりました。
10万GPUでの学習と3つの強み
公開された情報によると、Astraはテキサス州のStargate施設で10万基以上のGPUを使って学習され、OpenAI史上最大の学習規模とされています。同社が打ち出す強みは3つです。
- コンピューター・ブラウザーの操作。 コンピューターとブラウザーを直接操作する能力
- コーディング・数学。 コーディングと数学の性能
- 3D空間の生成。 プロンプトから3D空間やゲームアセットを作る機能
Axiosの報道によると、ベンチマークではARC-AGI-3で99.9%を記録し、直前のモデルGPT-5.6 Solの7.8%から急上昇しました。FrontierMath T4では98%だったと報告されています。
| ベンチマーク | GPT-6 Astra | GPT-5.6 Sol(直前のモデル) |
|---|---|---|
| ARC-AGI-3 | 99.9% | 7.8% |
| FrontierMath T4 | 98% |
実務に最も近い強みはコンピューター操作
3つの強みのうち、実務に最も直接かかわるのはコンピューターとブラウザーの操作です。このブログで関数呼び出し(Function Calling)やマルチエージェントを取り上げた際にも触れたように、企業の業務のかなりの部分は、APIのない古い社内システムやウェブ画面の上で行われています。モデルが画面を見てクリックし、入力できるなら、連携開発なしに自動化できる範囲が広がります。3D空間とゲームアセットの生成はまだ特定の業種に限られた機能とみられますが、テキストと画像にとどまっていた生成の範囲が空間にまで広がった点で、次の世代の方向を示すシグナルと読めます。
世代番号は何を基準に上がるのか
ここで1つ目の疑問が出てきます。世代番号は何を基準に上がるのでしょうか。慣例として、小数点以下のバージョンは同じアーキテクチャの改良、整数のバージョンは学習規模や手法の大きな変化を意味してきました。ただし、これは公式の基準ではなく、各社のマーケティング上の判断に近いものです。実際、5.6から6に移る際にベンチマークの差が極端に開いたことは、番号を変えるだけの変化があったという意味でもありますが、特定のベンチマークが前の世代では事実上測れていなかったという意味にも読めます。
ベンチマークの点数と体感性能のずれ
2つ目の疑問は、ベンチマークの点数と体感性能のずれです。このブログでパラメーター数とベンチマークを取り上げた際にも触れたように、点数は特定の課題セットでの結果にすぎず、実際の業務での性能を保証しません。初期のユーザーからは、コンピューター操作の能力が大きく向上したという評価とあわせて、動画編集のような特定の作業はいまだにこなせないという指摘も出ています。99.9%という数字と、まだできないことが同居しているのが、新しい世代のモデルのよくある姿です。
単価は2.5倍、総コストは変わり得る
3つ目はコストです。AstraのAPI価格は、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、直前のモデルの約2.5倍の水準とされています。そのかわり、タスクあたりのトークン使用量はより効率的だという説明が添えられています。単価は上がっても、同じ仕事をより少ないトークンで終えられるなら総コストは変わり得るという理屈です。特に出力トークンの単価が入力の5倍という構造は、長い回答を生成する作業と短い判断だけを下す作業とのコスト差を、以前より大きく広げます。この主張は、自社の業務で実際に測ってみないと確かめられません。
| 区分 | GPT-6 AstraのAPI価格 |
|---|---|
| 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 |
| 直前のモデルとの比較 | 約2.5倍の水準 |
いつ乗り換えるか、3つの観察
では、企業はいつ新しい世代に乗り換えるべきでしょうか。いくつかの観察ができます。
- 段階的な提供。 公開直後は提供が段階的で、安定して使えること自体が限られます。Astraもまず少数の機関に開放され、有料プランとAPIが数日後に続く形です。上位の料金プランには別にProの区分を設けるとされ、同じ世代の中でも利用条件が分かれます。
- 回帰テスト。 既存のプロンプトやパイプラインは新しいモデルで違う動きをすることがあるため、回帰テストが必要です。
- トークン効率の測り直し。 値上げが実際のコスト増につながるかどうかは、トークン効率を測り直してみないとわかりません。
すべての業務を移す必要はない、使い分け
もうひとつ考えておきたいのは、すべての業務を最新世代に移す必要はない点です。単価が2.5倍のモデルを、単純な要約や分類のような日常業務にまで使うのは費用対効果が低くなります。以前、小規模言語モデル(SLM)を取り上げた際に見たように、難易度の低い作業は小さく安いモデルに任せ、複雑な推論やコンピューター操作のように新しい世代の強みが出る作業にだけフロンティアモデルを使う使い分けが合理的です。
世代の飛躍は、モデルを丸ごと入れ替えろというシグナルではなく、どの作業をどのモデルに割り当てるかを組み直せというシグナルに近いものです。
まとめ
実務では、世代番号より、自社の課題での性能とコストの釣り合いを基準にするのが合理的です。新しいモデルが出たら代表的な業務をいくつか選び、既存のモデルと同じ条件で比べてみる。品質がはっきり上がるか、総コストが下がるときに切り替える、というやり方です。「世代の飛躍」という表現は企業のメッセージであり、乗り換えのタイミングはユーザーのデータが決めます。
AGIに到達したかどうかの議論は、今後も続くでしょう。ただ、実務の担当者にとって大事なのはその議論の結論ではなく、モデルの世代が変わるたびに何を測り、何を変えるべきかについて自分なりの基準を持つことです。GPT-6 Astraは、その基準を点検するのにちょうどよい最初の事例になりました。世代が変わるたびに同じ点検を繰り返すことが、結局いちばん安上がりな戦略です。