GPT-6 Astra登場 いま使えるのは誰か、いつ自分の番が来るか

2026年9月3日、OpenAIが新しいモデル GPT-6 Astra を発表しました。「世界で最も知的で、最もアラインされたモデル」という紹介です。アラインというのは、人の意図に沿って動き、与えられた範囲を守り、やったことを正直に伝える、という意味合いで使われています。

ベンチマークの数字は各所で報じられています。この記事では別のところから入ります。で、自分はいつ使えるのか。 そして使い始めたとき、何に気をつければいいのか。

いま使えるのは誰か

発表文の「提供状況」に、こう書かれています。

GPT-6 Astraは本日、限られた組織に提供を開始し、今後数日のうちに、ChatGPT Plus、Pro、Business、Enterpriseのすべてのユーザー、およびOpenAI APIとAWSで利用可能になります。

対象	時期
限られた組織	9月3日から
ChatGPT Plus / Pro / Business / Enterprise	数日かけて順次
API、AWS(Bedrock)	同上
無料プラン	発表文に記載なし

無料プランについては、発表文に一切触れられていません。使えないと明言されたわけでもないので、現時点では予定が示されていない、というのが正確なところです。

3点、注意があります。

Enterpriseは既定でオフです。 発表文に「管理者がワークスペースで有効にできる。提供開始時点ではアクセスは既定でオフ」と明記されています。会社で使っている方は、管理者が設定しない限り選択肢に出てきません。

この「数日以内」は順次提供の予告です。 個々のアカウントにいつ届くかまでは保証されていません。表示されるまでに差が出る可能性があります。

Pro、Business、Enterpriseには上位版もあります。 「GPT-6 Astra Pro」も使えるとのこと。

料金は契約の種類で変わります。ChatGPTのプランでは、使用量が既存の契約枠に含まれます。足りなければ追加購入もできます。一方、API経由は従量課金で、入力100万トークンあたり10ドル、出力50ドルです。

数字は伸びている。ただし目立つのは操作のほう

まず性能から。公式が冒頭に置いている数字です。

評価	GPT-6 Astra	比較
FrontierMath Tier 4 (v2)	97.6%	GPT-5.6 Sol 80.5%
ARC-AGI-3	99.9%	GPT-5.6 Sol 7.8%
Terminal-Bench Science 0.1	64.6%	Claude Fable 5.1 52.6%

いずれも公式発表の比較表から。最も強い設定での数値であり、研究環境やAPIでの測定なので、製品版のChatGPTでは結果が変わる可能性があると公式が注記しています。

数学の未解決問題への貢献も紹介されていて、素数の間隔に関する記録を更新したとのこと。知能の面でも大きく伸びています。

そのうえで、業務で目に見えて変わるのはコンピュータ操作のほうだと思います。公式が「世界最高のコンピュータ操作モデル」という見出しを立て、例として挙げているのはこういう作業です。

• オンラインのフォームに入力する
• 顧客管理システムの記録を更新する
• 予定を整理する
• ネットで調べて、メールや文書エディタの中で要約を書く
• 画面に出ている不具合の原因を調べる

多くは、日常的な事務作業です。 デモには基板の配線設計や3Dモデリングと並んで、米国の確定申告書式(Form 1040)への記入や米国の運転免許センターの予約といった例も入っています。海外の手続きが対象なので、日本の申告や行政手続きで同じように動くかは別途確認が要ります。

速度も変わりました。OSWorld 2.0という評価の時間シミュレーションで、1タスクあたり約75分から約40分に短縮されています。スコアも65.7%から72.6%へ。OpenAIの開発支援環境であるCodexを更新した組み合わせでは、Mind2Webという評価で1.9倍速いとされています。いずれも特定の評価での数字なので、自社の業務がそのまま半分の時間になるとは限りません。

通常の単価はFable 5.1と同額

API料金は入力10ドル、出力50ドル(100万トークンあたり。トークンは文章量に応じた課金の単位です)。これは9月2日に書いたClaude Fable 5.1の通常単価とまったく同額です。ただし両社ともキャッシュ利用などに別料金があるので、総額が同じという意味ではありません。

同じ土俵に見えて、中身は分かれています。公式の比較表から抜き出すとこうです。

評価	GPT-6 Astra	Claude Fable 5.1
Terminal-Bench Science	64.6%	52.6%
Terminal-Bench 4.0(コーディング)	57.9%	55.8%
Humanity's Last Exam(道具あり)	57.2%	65.0%

すべての項目で勝っているわけではありません。 OpenAI自身が出した表で、この項目はClaudeが上回っています。この表はOpenAIが自社の発表として出したものです。同じ名前の評価でも、実行環境や採点方法が異なる場合があると、公式も注記を添えています。参考値として見るのが妥当だと思います。

強くなりすぎた部分がある

ここは、経営や情報管理の立場の方に関わる話です。

OpenAIは自社の安全性の枠組みで、Astraのサイバーセキュリティ能力が最も重いCriticalの水準に達したと認めています。同社のモデルでこの分類に入るのは初めてです。

根拠の数字は、本番用の安全装置を外した状態での評価です。既知の脆弱性を攻撃コードに変える評価で満点の100%(前世代は78.5%。公式発表より)。さらに、直近3か月の脆弱性を使った内部評価の最中に、誰も知らなかった脆弱性を2件、自力で発見して使ったと書かれています。この2件については、開発元へ開示を進めているとのこと。

そのため、今日提供されている版には制限がかかっています。 防御目的のコード点検や修正には使えますが、攻撃コードの作成は拒否されます。つまり上の100%は、本番版で私たちがそのまま引き出せる性能を示す数字ではありません。

作業が途中で止まることがある

制限があるということは、副作用もあります。発表文にこうあります。

追加の安全チェックは、正当な作業を遅らせたり、一時停止させたり、止めたりすることがあります。

止まったとき、ChatGPTやCodexでは確認を求められることがあり、APIではその時点で処理が停止します。OpenAI自身「不必要な中断を減らすため改善を続けている」と書いており、現時点では起こりうる前提です。

似たことが7月にClaudeでも起きました。安全装置が保守的すぎて、普通のコーディング作業まで止められる。当時の記事で書いたとおりです。その後Fable 5.1では、Claude Codeでのサイバー関連の介入が1セッションあたり平均で約60%減るという見通しが示されました(旧版の安全装置との比較で、実測ではなく提供元の試算です)。

少なくともこの2社では、サイバー能力が上がったモデルほど、保守的な制限から始まっている。そう見えます。新しいモデルが出た直後に業務を全面的に載せ替えるのは、避けたほうが安全だと思います。

中小企業として、何をするか

慌ててやることはありません。

待てば順次来ます。 Plus以上の契約なら、数日のうちに選べるようになる見込みです。会社で使っている方は、管理者による有効化が必要な点だけ覚えておいてください。

最初に試すなら、外に影響が出ない作業から。 このモデルが強いのは事務作業ですが、フォームの送信、顧客情報の更新、予定の変更は、外部の状態を変えるので簡単には戻せません。読み取りだけの調査、テスト用のデータ、下書きの作成から始めて、送信や登録の直前に人が確認を挟む形にするのが安全です。

比べるなら、指標を決めてから。 私たちも自社の記事制作や開発で複数のAIを使い分けていますが、比較するときに見るのは4つです。完了までの時間、修正のやり直し回数、途中で止まった回数、1件あたりの費用。 ベンチマークの順位より、この4つのほうが判断に使えます。

今回の発表で変わったのは、AIに「考えさせる」から「操作させる」へ、実用の重心が動いたことだと思います。試すときは、人の確認を挟みながら、どこまで操作を任せられるか。そういう見方で触ってみるのがよさそうです。