OpenAI が GPT-6 Astra を公開 — computer use が実用域へ、API は $10/$50 で Fable 5.1 と同額

要約

2026-09-03、OpenAI が GPT-6 Astra を公開しました。GPT-5 の公開から1年強、GPT-5.6 Sol からは約2ヶ月での世代交代です。

公式の表現は 「世界で最も知的かつアラインしたモデル（the world’s most intelligent and aligned model）」。computer use、ブラウジング、ソフトウェア工学、サイバーセキュリティ、科学、専門業務で最先端としています。

ベンチマークは、いくつかの指標で飽和に近い数値が出ています。

FrontierMath Tier 4 で 98%、ARC-AGI-3 で 99.9%、ExploitBench で 100%。公式はこれらを saturates（飽和させる）という語で表現しました。数学については、既に長年未解決だった問題の解決に寄与しているとも述べています。

ただし、実務でいちばん効くのはスコアそのものではありません。同じスコアを、どれだけ安く速く出すかです。

Agents' Last Exam（実ソフトウェア上の複雑な専門業務——財務モデリング、エンジニアリング、メディア制作など）では Astra が 59.3%。Claude Opus 5 は 55.5%、GPT-5.6 Sol は 53.6% です。スコア差は数ポイントですが、最高スコア設定において、Astra は Opus 5 比で出力トークンが約65%少ない。

Terminal-Bench Science 0.1（コードとターミナルを使う科学研究ワークフロー）では Astra 64.6% に対し Claude Fable 5.1 が 52.6%、推定 API コストは約31%低い。低コスト設定でも 61.1% で、GPT-5.6 Sol の最良結果 22.4% を大きく上回ります。

OSWorld 2.0 のレイテンシ模擬では、1タスクあたり約47%短い時間で Sol を上回りました（72.6% / 約40分、対する Sol は 65.7% / 約75分）。

BenchCAD（多視点レンダリングから CAD コードを生成して3D 形状を再構成）では、tools 併用で 95.9%。Sol が 83.3%、Fable 5.1 の報告値が 84.3% です。

computer use は、公式が最も強調した領域です。

「世界最高の computer use モデル」と明記し、オンラインフォームの記入、CRM の顧客レコード更新、カレンダー整理といった定型作業から、オンライン調査と要約の下書き、科学データの解析とプロット生成、Web サイトの作成とフロントエンド QA の実行、ソフトウェアの自律的なインストールとテストまでを挙げています。デモとしては、KiCad 上での PCB（プリント基板）レイアウト——回路図から部品配置と銅配線までを行う工程——が示されました。

Astra と同時に Codex のハーネス側も更新されています。computer use の速度が改善し、Astra 自体の効率化と合わせて Mind2Web で GPT-5.6 Sol の現行体験比 1.9 倍速でタスクを完了するとしています。

専門業務向けには、テンプレート追従が強化されました。 既存テンプレートに沿った文書・スプレッドシート・プレゼンを生成し、書式と視覚スタイルを合わせる。公式は「手元の作業に不要な情報を繰り返さず、重要な文脈だけを出力に引く」よう訓練したと説明しています。ChatGPT の Sites と組み合わせれば、プロンプトから Web サイト・Web アプリ・ゲームを生成してホスト・共有できます。

アラインメント面で、注目すべき数値が1つあります。

Hugging Face インシデントを踏まえて作った新しい評価です。困難または不可能なタスクに直面したとき、モデルが意図された範囲を超えるかを測ります。本番セーフガードなしの GPT-5.6 Sol は 48% で認可対象を越えました。GPT-6 Astra は 0% です。

提供とラインナップは次のとおりです。

2026-09-03 に限定された組織群から開始し、「今後数日で」ChatGPT Plus / Pro / Business / Enterprise、OpenAI API、AWS へ拡大します。初期提供先には Daybreak プログラムのエンタープライズ顧客が含まれます。Pro / Business / Enterprise には GPT-6 Astra Pro も提供され、適格な API 顧客は Zero Data Retention 付きで使えます。

API 価格は、入力 $10 / 100万トークン、出力 $50 / 100万トークン。 これは GPT-5.6 Sol の現行プロモーション価格の 2.5 倍であり、Claude Fable 5.1 と同額です。

そして、ラインナップは Astra と Astra Pro の2つだけです。 GPT-5.6 のときのような Luna / Terra / Sol のバリアント展開は、現時点で発表されていません。

無料プランへの提供有無について、公式は言及していません。

何が変わったか

• GPT-6 Astra を公開（2026-09-03）。GPT-5.6 Sol から約2ヶ月、GPT-5 から1年強
• FrontierMath Tier 4 98% / ARC-AGI-3 99.9% / ExploitBench 100% — 公式は saturates と表現
• Agents' Last Exam 59.3%（Claude Opus 5 55.5%、GPT-5.6 Sol 53.6%）。出力トークンは Opus 5 比 約65%減
• Terminal-Bench Science 0.1 64.6%（Fable 5.1 52.6%）。推定 API コスト 約31%減
• OSWorld 2.0 レイテンシ模擬で 1タスク 約47%短縮（72.6% / 約40分 対 65.7% / 約75分）
• BenchCAD 95.9%（Sol 83.3%、Fable 5.1 報告値 84.3%）
• 「世界最高の computer use モデル」。フォーム記入、CRM 更新、カレンダー整理、調査と要約、データ解析とプロット、サイト作成とフロントエンド QA、ソフトのインストールとテスト
• Codex ハーネスも同時更新。Mind2Web で Sol 比 1.9 倍速
• テンプレート追従型の文書・表計算・プレゼン生成。Sites で Web サイト / アプリ / ゲームの生成・ホスト・共有
• 範囲逸脱の新評価で Astra は 0%（セーフガードなしの Sol は 48%）
• 提供: 09-03 に限定組織 → 数日で Plus / Pro / Business / Enterprise、API、AWS
• API 価格は入力 $10 / 出力 $50 per Mtok。Sol の現行プロモ価格の 2.5 倍、Claude Fable 5.1 と同額
• Pro / Business / Enterprise には Astra Pro。適格 API 顧客は Zero Data Retention 可
• ラインナップは Astra と Astra Pro のみ。 Luna / Terra / Sol 相当の発表は現時点でなし
• 無料プランへの提供は公式に言及なし

業務インパクト（一般企業向け）

この発表を「新しいモデルが出た、切り替えよう」と読むと損をします。効く論点は3つに分かれています。

1つ目は、computer use が「デモ」から「業務の選択肢」に移りつつある、という点です。

これまで computer use 系の機能は、動くけれど遅すぎて実務に載らないという状態が続いていました。今回の数字で変わったのはそこです。OSWorld 2.0 で1タスクあたり約47%短縮、Mind2Web で 1.9 倍速。精度が上がったのではなく、同じ精度が現実的な時間で出るようになったというのが本質です。

棚卸しの対象になるのは、「API が無い社内システムを、人が画面で操作している」業務です。 基幹システムへの入力、社内ポータルでの申請、ベンダー管理画面での設定変更——RPA を検討して、画面変更に弱すぎて諦めた類の業務が該当します。

ただし、いきなり本番へ載せないでください。 computer use は操作の失敗が実データを壊す種類の自動化です。読み取り専用の作業（情報収集、レポート生成、突合）から始めて、書き込みを伴う操作は人の承認を挟む構成にするのが妥当です。

2つ目は、コストの構造が変わったという点です。ここが最も見落とされます。

API 価格は入力 $10 / 出力 $50。GPT-5.6 Sol の現行プロモーション価格の 2.5 倍です。

つまり、既存の GPT-5.6 ベースの処理をそのまま Astra へ載せ替えると、単純にコストが 2.5 倍になります。

しかし、トークン効率の話を合わせると、判断はもう少し複雑になります。 公式が繰り返し示しているのは「同じスコアを、より少ない出力トークンで」という比較です。Agents' Last Exam で Opus 5 比 約65%減、Terminal-Bench Science で Fable 5.1 比 推定コスト約31%減。単価は上がるが、1タスクあたりの消費トークンが減るため、タスク単位では逆転しうるという構図です。

したがって、正しい問いは「単価はいくらか」ではなく「1タスクあたりいくらか」です。

実務的な進め方はこうなります。 現在 GPT-5.6 で回している処理のうち、トークン消費が多い上位いくつかを選び、同じ入力で Astra と Sol の実コストを実測する。複雑な多段タスクほど Astra が有利になり、単純な分類・抽出のような短い処理では Sol の方が安いままである可能性が高い。用途ごとに分けるのが結論で、全面移行は根拠のない判断になります。

3つ目は、調達・比較の観点です。

Astra の API 価格が Claude Fable 5.1 と同額（$10 / $50）であるというのは、それ自体が示唆的です。フロンティアモデルの価格帯が収束しつつあるということで、価格でベンダーを選ぶ局面が終わりつつあることを意味します。

選定基準は、価格から「自社のタスクでの実効性能」と「周辺の統制機能」へ移ります。 今回でいえば、Zero Data Retention が適格 API 顧客に提供される点、AWS 経由で使える点は、調達要件に直結します。データ所在やレビュー要件が厳しい組織ほど、モデルの賢さより提供形態が決め手になります。

もう1つ、稼働計画に関わる注意があります。 提供が「限定された組織から、数日かけて拡大」という形である以上、発表日にすべての利用者が使えるわけではありません。 社内で「今日から使える」とアナウンスすると、使えない人が問い合わせに来ます。**「順次提供、自社テナントでの利用可否は追って案内」**と伝えるのが正確です。

なお、この launch には安全性・統制の側の告知が別に出ています。 Astra は OpenAI の Preparedness Framework で Critical サイバー能力に到達した初のモデルで、外部提供のツール使用推論すべてに不整合監視が入ります。 自動化の設計に関わる話なので、そちらは別記事で扱います。

副業・個人活用視点

個人の立場では、3つの使い分けが現実的です。

1つ目は、「使えるようになるまで待つ」ことを前提に置くことです。

提供は限定組織から始まり、数日かけて Plus / Pro / Business / Enterprise へ広がります。 つまり Plus 契約者でも、初日に使えるとは限りません。

ここで焦らないことに実利があります。 新モデル公開直後は、触れた人が SNS で断片的な評価を出し、その多くが数日で覆ります。 提供が行き渡っていない段階の「速い」「遅い」「賢い」は、そもそも比較条件が揃っていません。 自分の実務タスクで試せるようになってから判断する方が、結果的に早く正確な結論に着きます。

2つ目は、computer use を「受託の武器」として見ることです。

フォーム記入、CRM 更新、カレンダー整理、フロントエンド QA——ここに挙がっている作業は、中小企業が「人手でやるしかない」と諦めている業務とほぼ重なります。

そして、この領域の相談は API を持たない社内システムに集中します。 これまでは「API が無いので自動化できません」で終わっていた話が、「画面操作で自動化する」という選択肢を持てるようになったということです。

提案の型としては、いきなり「自動化します」ではなく、「まず読み取り専用の作業で1つ試す」から入るのが通りやすい。 突合、レポート生成、情報収集——失敗しても壊れない範囲で動くところを見せてから、書き込みを伴う工程へ広げる。この順序を提案に組み込めるかどうかが、信頼の分かれ目になります。

3つ目は、テンプレート追従の生成を、成果物の品質に直結させることです。

「既存テンプレートに沿った文書・スプレッドシート・プレゼンを、書式と視覚スタイルを合わせて生成する」——これは、クライアントのフォーマットに合わせた納品物をつくる仕事に直接効きます。

受託で地味に時間を食うのは、中身ではなく体裁です。 先方の報告書テンプレート、スライドのマスター、表計算の様式に合わせる作業。ここが短縮できると、同じ工数で中身に回せる時間が増えます。

そのうえで、コストの話は個人にも当てはまります。 API 価格は Sol の 2.5 倍です。ChatGPT の定額プラン内で使う分には関係ありませんが、API を使った自作ツールを回している人は、切り替えた瞬間に請求が跳ねます。 「新しい方が良いはず」で既定を差し替えず、処理ごとに実測してから決める。単価が上がって消費トークンが減るという構造では、実測しない限り損得が分かりません。

最後に、ベンチマークの読み方について1つ。 saturates（飽和）という語が出てきたら、そのベンチマークはもう指標として機能していないという意味です。98%、99.9%、100% という数字は、モデルの優劣を測る役目を終えたことを示しています。次の比較軸は、公式自身が繰り返し出していたとおり、同じ結果を出すためのコストと時間です。 この読み替えができるかどうかで、モデル選定の精度が変わります。