はじめに

2026年9月3日、OpenAIが新モデル「GPT-6 Astra」を発表しました。OpenAI社長のGreg Brockman氏は発表の締めくくりで「Welcome to the AGI era（AGIの時代へようこそ）」と述べ、大きな話題になっています。

この記事では、次の3つの観点でGPT-6 Astraを整理します。

1. ユーザーは実際にどう使っているか
2. 何が進化したのか（ベンチマーク数値で見る実力）
3. 本当にAGIなのか（賛成派・懐疑派の両方の見解）

先に結論を一言でまとめると、実務で使えるレベルの実力向上は複数のベンチマークで確認できる一方、AGIと呼べるかどうかは開発元自身を含めて意見が割れている段階です。ここは一方の主張だけを鵜呑みにせず、事実を並べてから読者のみなさんに判断してもらうのが誠実だと考えました。

生成AIの社内利用をお考えの企業様へ 
ナレフルチャットは初心者でも使いやすい設計で、組織全体への生成AI浸透を支援するツールです。さらに、最新モデルであるGPT-6 Astraにも対応しており、常に高性能なAIを使い続けられる点もおすすめです。企業のAI導入を検討している方は、こちらをご覧ください。

GPT-6 Astraとはなにか

基本情報

GPT-6 Astraは、OpenAIが「最も知能が高く、整合性のとれたモデル」と位置づける最新モデルです。これまでのGPTシリーズが「質問にテキストで答えるAI」だったのに対し、Astraは「パソコンを実際に操作して、仕事を最後まで終わらせるAI」として設計されている点が大きな違いです。

具体的には、コンピュータ操作、Web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、科学分野の計算、資料作成といった作業を、人が一つひとつ指示しなくても複数工程まとめてこなせるようになりました。

主なスペックは次の通りです。

参考 GPT-6 Astra A new generation of intelligence（OpenAI公式）

提供チャネルと料金プラン

利用できるプランは次の通りです。

• ChatGPT Plus、Pro、Business、Enterpriseで利用可能です
• Free / Go 現時点では対象外です
• API / Azure / AWS Bedrock 開発者向けにはAPI、Microsoft Azure、AWS Bedrock経由でも提供されています

API料金（100万トークンあたり、標準料金）は次の通りです。

なお27.2万トークンを超える長いやり取りでは、入力・キャッシュ入力が2倍、出力が1.5倍になります。素早い応答を優先する「Fast mode」を使う場合は、すべての項目が2倍料金になる点も覚えておくとよいでしょう。

参考 GPT-6 Astra Model（OpenAI API Docs）

Brockman氏の「AGIの時代へようこそ」発言について、実際の発言までさかのぼって確認してみると、断定的な言い方ではありませんでした。ジャーナリストのBen Thompson氏によるインタビューでBrockman氏は「AGIの定義は人によって様々で、ほとんどぼやけたもの」と前置きしたうえで、「前のモデルだったかもしれないし、Astraかもしれないし、次のモデルかもしれないが、どこかでほとんどの人が考えるAGIの閾値を超えると思う」と述べています。つまり「Astraこそが確実にAGIだ」と名指しで断定したわけではなく、含みを持たせた表現だったというのが実際のところです。なおこの発言は、サイバーセキュリティとアライメント（AIを人間の意図に沿わせること）に関する議論の締めくくりとして、安全対策を急速に拡大する必要性を説明する文脈で語られていました。この発言の妥当性については、5章で賛否両論を詳しく紹介します。

参考 ‘Welcome to the AGI era’ OpenAI launches GPT-6 Astra（VentureBeat） / OpenAI releases new model GPT-6 Astra, says it may represent AGI（Axios）

ユーザー間の使い方 活用事例

ここからは、実際にX（旧Twitter）でユーザーがGPT-6 Astraをどう使っているかを紹介します。企業の公式発表だけでなく、実際に触った人たちの生の声を見ることで、リアルな実力感がつかめるはずです。

OpenAI公式のメッセージ

OpenAI公式アカウントは発表時、次のようなシンプルなメッセージを投稿しています。

“Anything you can do on a computer, Astra can do for you. Fast.”

「パソコンでできることなら何でもAstraが代わりにやってくれる、しかも速く」という趣旨のメッセージです。

参考 OpenAI公式X投稿

コンピュータ操作の事例

「パソコンでできることは何でも」という言葉通り、実際の画面操作をそのままAstraに任せる事例が多数投稿され、公式の発表動画だけで1.3億回再生という桁違いの反響がありました。

動画クリエイターのBen Davis氏は、収録した映像をFinal Cut Pro（動画編集ソフト）に渡し「クリップの読み込み、カラーグレーディング（色調補正）、クリップの同期」を依頼したところ、Astraが実際に自分と同じようにソフト上をクリックしながら作業を進め、プロジェクトのセットアップから初稿の編集までを完了させた様子を共有しています。途中で処理が崩れた際も、Astra自身が結果を確認してエラー箇所を修正し、うまくいくまで繰り返す「自己修正ループ」が働いていた点も紹介されていました。

参考 Ben Davis氏の投稿（Final Cut Proでの作業） / Ben Davis氏の投稿（コンピュータ操作能力全般について）

OpenAI自身のデモ動画でも、1つのAstraセッション内で「手描きの黄色い丸をロケットのイラストに仕上げ、さらにBlenderで3Dプリント用のファイルを作る」作業と並行して、ゲーム制作、契約書の修正、eBay出品ページの作成、ランチの注文、テニスコートの予約といった、性質の異なる複数のタスクを次々にこなす様子が紹介されています。1つの指示ごとに区切るのではなく、複数の目的を同時並行で処理できる点が特徴です。

イラスト・お絵描き系の事例

日本語圏のユーザーからは、お絵描きソフトの操作に関する投稿が特にバズっていました。

「taiyakisun」さんは、自分で手描きした線画をAstraに渡し、Clip Studio Paint（クリスタ）上でマウス操作だけで着色してもらう様子を投稿しました。レイヤー作成や拡大、ペンの選択まですべてAstra任せで、投稿者は「これがAI分業だ」と驚きを語っています。使用したのは月額100ドルのProプランで、作業中にトークンの残量が78%から57%まで減っていたことも共有されており、実際に試す際のコスト感の参考になります。

参考 taiyakisunさんの投稿（クリスタでの線画着色）

3Dモデリング系の事例（Blender）

特に反響が大きかったのが、3Dモデリングソフト「Blender」での活用事例です。

開発者のTom Krcha氏は、蒸気機関車の古い手描きイラストをAstraに渡し、Blender上で3,295個の編集可能なオブジェクトとして再構築させた事例を投稿しています。数分程度で、細部まで作り込まれた3Dモデルが完成したとのことです。

参考 Tom Krcha氏 蒸気機関車の再構築事例

同氏は別の投稿で、家の写真を渡して家具や家電まで含めたフルスケールの3Dモデルを再構築させた事例も紹介しています。

参考 Tom Krcha氏 家の3Dモデル再構築事例

さらに他のユーザーからは、Blenderで作成した家のモデルをUnreal Engine 5に渡し、実際に歩き回れるウォークスルーシーンに仕上げた事例も投稿されています。設計段階でクライアントが完成前の空間を体験できる、という活用法です。

参考 Angry Tom氏の投稿 / Chris氏の投稿

ロボットを動かす事例

デジタル作業だけでなく、実物のロボットアームを操作する検証も行われています。

ロボット制御の第三者評価機関Robocurveは、実際のロボットアームを使ってGPT-6 AstraとAnthropic社のClaude Fable 5.1を比較するテストを実施しました。ブロックをボウルに入れるタスクでは、Astraが20回中19回成功したのに対し、Fable 5.1は20回中8回、1世代前のFable 5は20回中1回にとどまりました。1回あたりの作業時間もAstraが2.5分とFable 5.1の6.8分より短く、コスト面でも優位という結果でした。この結果はエンジニアのJay Chooi氏がX上で共有しています。

参考 Jay Chooi氏の投稿（ロボット制御タスクの比較結果）

一方で、部品を溝にはめ込むような精密な組み立てタスクでは、Astraは20回中2回の成功にとどまり、Fable 5.1と同程度の成績でした。同じ最終ステップでつまずくケースが多かったとのことで、単純な運搬・設置作業は得意でも、精密な組み立て作業はまだ発展途上という、正直な結果も示されています。良い結果だけでなくこうした苦手分野もあわせて報告されている点に、検証としての信頼性を感じるうさ。

実際にさわってみた Blender MCPで京都の街並みをモデリング

ここからは、GPT-6 Astra＋Blender MCPで実際に検証してみたパートです。X上の事例が「写真から3Dモデルを再構築する」パターンだったのに対し、今回は「テキストによる指示のみ」でゼロから街並みを作らせてみました。

まずは実際に入力したプロンプトと、その実行結果です。

入力した指示は「Blender MCPを使ってシネマティックな京都の街の風景を構築して」という1行だけです。町家の棟数や五重塔の有無、提灯の配置といった細かい指定は一切していません。それにもかかわらず、GPT-6 Astraは16分44秒の作業時間で、町家20棟、五重塔、提灯、紅葉、雨上がりの石畳といった要素を自律的に判断して盛り込みました。裏側ではbuild_kyoto.py（骨格の構築）、refine_kyoto.py（ディテールの調整）、finish_kyoto.py（仕上げ）という3段階のPythonスクリプトをBlender MCP経由で生成・実行しており、指示の抽象度が高くても作業を分解しながら段階的に仕上げていく進め方は、実際の3Dデザイナーの作業手順に近いと感じました。

こちらが実際にBlenderで開いた編集画面です。町家、五重塔、提灯と看板、街の小物、庭木、遠景、照明といった要素ごとにコレクション（オブジェクトのまとまり）が分かれており、あとから部分ごとに調整しやすい構成になっていました。

作業途中のプレビューレンダリングがこちらです。霧がかった雰囲気で、看板の文字はまだ薄めでした。

そして仕上げ用スクリプトを経た最終的な完成レンダリングがこちらです。看板の文字が濃くくっきり読みやすくなり、ベンチや石畳の水たまりの反射などディテールも増えています。Cycles（物理ベースのレンダリングエンジン）とAgXのカラーマネジメント、32mmカメラ、160サンプルで書き出した2160×1080の画像です。

X上の家や蒸気機関車の再構築事例が「既存の画像を3Dモデルに変換する」パターンだったのに対し、今回の検証では「短いテキスト指示だけでゼロから街並みを構築し、複数段階のスクリプトで自律的に仕上げまで進める」という、より自由度の高い動き方を確認できました。もし同じように試す場合、シーンが複雑になるほど生成に時間がかかることがあるので、10〜20分程度は気長に待つとよいでしょう。

法人向け生成AIサービス「ナレフルチャット」では、最新のGPT-6 Astraをはじめ、Gemini、Claudeなど主要プロバイダのAIモデルを選んで利用可能！用途に応じたモデル選択で最適なAI活用を可能にします。
また、料金プランは企業単位の定額制を採用しており、何人で利用しても追加のコストは発生しないため、コスト管理の手間がかからないスムーズな全社導入を実現できます。
すべての機能が利用できるトライアル期間も用意しておりますので、生成AIの利活用を検討している企業様は、是非一度導入をご検討ください。

何が進化したのか ベンチマークで見る実力

GPT-6 Astraの「進化」は、決して口先だけの宣伝文句ではありませんでした。OpenAIが公式サイトで公開している数値を見ると、前モデルのGPT-5.6 Solからどれだけ実力が上がったのかが具体的にわかります。数あるベンチマークの中から、ここでは特に注目したい3つのスコアに絞ってお伝えします。中でもひとつは、前モデルからスコアが12倍以上に跳ね上がっていました。難しい言葉が並びますが、要は「特定のタスクをどれだけ正確にこなせるかを測るテスト」だと考えていただければ大丈夫です。

注目スコア1 ARC-AGI-3 未知のタスクをその場で学習して解く力

ARC-AGI-3は「初めて見る対話型のタスクをAIがその場でどれだけ学習して解けるか」を測るテストで、人間の平均スコアは48%とされています。

OpenAI公式サイトによると、GPT-6 Astraは99.9%というほぼ満点のスコアを記録しました。前モデルのGPT-5.6 Solはわずか7.8%、比較対象として並べられていたAnthropic社のClaude Opus 5は30.2%です。同じベンチマークで前モデルの12倍以上のスコアという、他のテストとは一線を画す伸び幅でした。

参考 GPT-6 Astra A new generation of intelligence（OpenAI公式）

ただし、この数字には測定条件に関する重要な注意点があります。手放しに喜ぶ前に、本章の後半で詳しく掘り下げます。

注目スコア2 OSWorld 2.0 コンピュータ操作の速さと正確さ

OSWorld 2.0は、実際のパソコン画面を見ながらフォーム入力やアプリ操作をこなせるかを見るテストです。「パソコンを操作して仕事を終わらせるAI」というGPT-6 Astraの核となる特徴を、もっとも直接的に表すベンチマークと言えるでしょう。

OpenAI公式サイトによると、GPT-6 Astraは72.6%のスコアを、1タスクあたり約40分で達成しました。一方、前モデルのGPT-5.6 Solは65.7%のスコアに約75分かかっています。精度が上がっただけでなく、所要時間もおよそ47%短縮されている点が見逃せません。

参考 GPT-6 Astra A new generation of intelligence（OpenAI公式）

注目スコア3 BenchCAD 3Dモデリングの再現度

3章で紹介したBlenderでの3Dモデリング事例を覚えているでしょうか。実はOpenAI公式サイトにも、その実力を裏付けるベンチマークが用意されています。「BenchCAD」は、複数視点から撮影された画像をもとに3Dオブジェクトを再構築し、CADコードとして出力できるかを測るテストです。

公式サイトによると、GPT-6 Astraは平均ボクセルIoU（3D形状の重なり具合を示す指標）で95.9%を記録しました。前モデルのGPT-5.6 Solは83.3%、Claude Fable 5.1は84.3%にとどまっており、Astraが頭ひとつ抜けた結果です。Blender MCP経由で複雑な街並みを自律的に構築できていたことを思い出すと、この数値には納得感があるうさ。

参考 GPT-6 Astra A new generation of intelligence（OpenAI公式）

そのほかの注目スコア

3つに絞ってご紹介しましたが、公式サイトにはこのほかにも興味深いスコアが並んでいます。

• ExploitBench（セキュリティ脆弱性の検出・攻略） GPT-6 Astraが100%、前モデルは78.5%でした
• Terminal-Bench 4.0（ターミナル操作を伴うコーディング作業） GPT-6 Astraが57.9%、前モデルは37.3%、Claude Fable 5.1は55.8%でした
• FrontierMath Tier4（最難関クラスの数学問題） GPT-6 Astraが97.6%を記録し、長年未解決だった数学の問題を解く助けになった事例も報告されています
• ScreenSpot-Pro（画面上のボタンやアイコンを正しく見分ける力） GPT-6 Astraが92.7%、前モデルは76.9%でした

参考 GPT-6 Astra A new generation of intelligence（OpenAI公式）

ARC-AGI-3のスコアには測定条件の注意が必要

先ほど紹介したARC-AGI-3の99.9%というスコアには、実は測定条件に関する重要な注意点があります。

OpenAI公式サイトに掲載されているグラフには、次のような注記が添えられていました。「GPT-6 Astraは、過去の推論や過去のメッセージを保持したまま評価できる、当社独自のresponses APIハーネス（AIとベンチマーク環境をつなぐ仕組み）で測定した。これは過去の情報を破棄してしまう元のベンチマークハーネスよりも、実世界の性能をよく反映する」という趣旨の説明です。

つまり、99.9%という数字は「OpenAIが実世界に近いと判断した独自の測定方法」での結果であり、ARC-AGI-3を開発した独立系団体ARC Prizeが公表した数値とは前提条件が異なります。実際、次の章で紹介する通り、独立系ベンチマークの評価はOpenAI公式の数値より37ポイントも低い結果でした。同じベンチマーク名でも、測定条件（ハーネス）が変わるとスコアが大きく変動する点は、覚えておくとよいでしょう。この「本当にすごいのか、それとも測り方のトリックなのか」という疑問こそが、次の5章で掘り下げる「本当にAGIなのか」という論争の核心につながっていきます。

本当にAGIなのか 賛否両論を整理

いよいよ本題の「本当にAGIなのか」という問いです。ここは断定せず、OpenAI側の主張と、懐疑的な立場の両方をできるだけ公平に紹介します。

OpenAI側の主張

• Brockman氏は発表の締めくくりで「Welcome to the AGI era」と発言しました
• ただし2章で紹介した通り、本人が実際に述べたのは「前のモデルだったかもしれないし、Astraかもしれないし、次のモデルかもしれないが、どこかでほとんどの人が考えるAGIの閾値を超えると思う」という含みのある表現で、Astraを名指しで断定したわけではありません
• 発言の前提として「AGIの定義は人によって様々で、ほとんどぼやけたもの」とも述べており、明確な基準を示しているわけではないことも押さえておく必要があります
• ARC-AGI-3で人間平均48%を上回るスコア（条件付きで99.9%）を根拠のひとつとして挙げています

懐疑的な見解・注意すべきポイント

一方で、次のような慎重な意見も数多く出ています。

独立系ベンチマークとの数値差 独立系のベンチマーク団体が公表したスコアは、OpenAI公式の数値より37ポイントも低い結果でした。測定条件（ハーネス）次第で結果が大きく変わることを踏まえると、単純にOpenAIの発表数値だけを鵜呑みにするのは危険です。

ARC Prize自身が慎重な立場 そもそもARC-AGI-3を開発した団体であるARC Prize自身が、公式ブログで次のように明言しています。

• 「ベンチマークを飽和させることは、AGI達成の証明にはならない」
• 「一般化への有意義な進歩ではあるが、AGIそのものではない」
• ARC-AGI-3は「決定論的で閉じた環境」であり、現実世界の複雑さを反映していない

参考 ARC Prize公式ブログ

何を測っているのかという論争 別の事例では、基礎モデル単体では約30%だったスコアが、メモリやツールを組み合わせた完全なエージェントシステムでは100%に到達したケースが報告されています。この場合、測定しているのが「基礎モデル単体の能力」なのか「システム全体としての能力」なのかが曖昧になってしまいます。ベンチマークのスコアを見るときは、単体モデルの結果なのか、システム込みの結果なのかを確認する癖をつけておくと誤解を防げます。

参考 VentureBeat

著名研究者の指摘 AI研究者のGary Marcus氏は、ARC-AGIでの成功は印象的だとしつつも、決められた枠内のテストで高得点を取ることと、オープンエンドな（自由度の高い）現実世界のタスクをこなせることは別問題だと指摘しています。DeepMindが提示する複数の能力軸からなる評価フレームワークに照らすと、まだ評価がカバーできていない領域があるという見方です。

参考 Gary Marcus氏 Marcus on AI

現時点でのバランス

こうして並べてみると、GPT-6 Astraが特定のベンチマークで人間を上回る成果を出しているのは事実です。一方で「AGIかどうか」という問いに答えるには、決められたテストの点数だけでなく、現実世界での持続的な実用性まで含めた検証が必要というのが、開発元自身も含めた共通認識のようです。華々しい発表の言葉と、地に足のついた検証結果の両方を見比べながら、これからも冷静にウォッチしていきたいうさ。

まとめ

今回はGPT-6 Astraについて、使い方・進化点・AGI論争という3つの観点から整理しました。改めて要点をまとめます。

• 使い方 X上ではイラスト、3Dモデリング（Blender）、ナレッジワークなど幅広い活用事例が投稿されており、筆者自身もBlender MCP経由で「シネマティックな京都の街の風景を構築して」という短いテキスト指示のみを与える検証を行い、複数段階のスクリプト生成による自律的な仕上げプロセスを確認しました
• 進化点 ARC-AGI-3（前モデルの12倍以上のスコア）、OSWorld（47%短い時間で高精度）、BenchCAD（3Dモデリングの再現度）を中心に、複数のベンチマークで前モデルからの明確な向上が確認できました
• AGI論争 OpenAIは「AGIの時代へようこそ」と宣言しましたが、独立系ベンチマークとの数値差やARC Prize自身の慎重な見解、経済的な実証データの欠如など、懐疑的な指摘も多く、専門家の間でも意見が割れている段階です

ここまで読んでいただき、お疲れ様でした！ GPT-6 Astraは実務での有用性が着実に向上している一方、「AGI」という大きな言葉に対しては、ひとつのベンチマークやひとつの発言だけで判断せず、複数の情報源を見比べる姿勢が引き続き大切だと感じました。