読解上の注記。 本稿は 2026年9月3日の GPT-6 Astra 公開発表、ARC-AGI-3 の結果に関する ARC Prize の公表、および執筆時点で入手可能な報道に依拠している。ベンチマークと価格の数値は OpenAI または特定可能な第三者に由来する。それらをそのまま引用し、独立した検証を要する点を明示する。

一文で

2026年9月3日、OpenAI は GPT-5.6 Sol の後継となる GPT-6 Astra を発表し、社長のグレッグ・ブロックマンは記者説明会を「Welcome to the AGI era」――AGI（artificial general intelligence、汎用人工知能）の時代へようこそ――という言葉で締めくくった。だが我々が本当のニュースだと考えるのは、いかなる機関にも検証できないこの一言ではなく、もっと地味な移動である。Astra はもはやテキストを生成するだけでなく、コンピュータを操作する。そして今回もっとも引用された数字――ARC-AGI-3 の 99.9 %――は、モデルを取り巻く足場を替えた途端に 62.7 % まで落ちる。AGI という語よりも、この落差のほうが示唆に富むと我々は見ている。

1. 発表された内容、飾りを外して

意味を論じる前に、事実を並べ直そう。

モデル。 Astra は GPT-5.6 Sol の後継である。その階層分けについては7月に分析した。OpenAI はこれを、コンピュータ操作・ソフトウェア工学・科学的作業において現時点で最も能力の高いモデルだと説明する。同社によれば、テキサス州の Stargate 拠点で 10 万基規模の画像処理装置を用いた過去最大の学習から生まれたものであり、他のモデルが学習の監督に本格的に関与した最初のモデルだという。

前面に出された能力。 オンラインフォームの記入、顧客情報の更新、予定表の整理、調査の実施、文書・表計算・プレゼン資料の作成。報道が伝えるデモは、税務準備から建築レンダリング、求職活動、法務文書の整形まで及ぶ。

数値（公表されたまま）：

  • OSWorld 2.0（オペレーティングシステムの操作）：72.6 %。1 タスクあたりの所要時間は GPT-5.6 Sol より約 47 % 短い。
  • ExploitBench（攻撃的サイバーセキュリティ）：100 %。その過程で未知の脆弱性（ゼロデイ、すなわちベンダーが把握しておらず修正パッチの存在しない欠陥）を 2 件発見したとされる。
  • ARC-AGI-3：ARC Prize の標準ハーネスで 62.7 %、OpenAI 固有のアダプタで 99.9 %。詳細は第 3 節で扱う。

提供。 まず Daybreak Access プログラムを通じた限定的な組織群、続いて ChatGPT Plus・Pro・Business・Enterprise、gpt-6-astra の名で API――外部プログラムが遠隔からモデルを呼び出すための接続口――、そして Amazon Bedrock。公表された API 料金は 入力 100 万トークンあたり 10 ドル、出力 50 ドルで、高速モードはその 2 倍である。

この最後の点はすぐに書き留めておきたい。過去 12 か月の流れを断ち切るからだ。GPT-5.6 Sol は 5 ドル / 30 ドルだった。Astra は入力を倍にし、出力を 3 分の 2 引き上げている。知能の価格が下がり続けた一年のあとで、上位帯は再び上昇に転じた。矛盾ではない。OpenAI がもはや「答え」ではなく「労働時間」を売っている兆候である。

2. 実際の移動――答える AI から実行する AI へ

ChatGPT 以来、我々は人工知能を会話インターフェースとして使ってきた。書き、訳し、要約し、プログラムを組み、分析する。利用者はこう尋ねる――「これはどうやるのか」。

Astra が押し進めるのは別の使い方、いわゆるエージェント型 AI である。システムは目的を受け取り、問題を分解し、複数の道具を使い、アプリケーション間を行き来し、自らの作業を検証し、多段階にわたって仕事を続ける。問いはこう変わる――「やっておいて」。

これは程度の変化ではなく、性質の変化だ。答えるモデルは、誰かがあとで実行すべきテキストを出す。行動するモデルは結果を出す――送信されたフォーム、書き換えられたレコード、書き込まれたファイル、送られたメッセージ。誤りはもう読み返して直すものではなく、修復して直すものになる。

企業にとって、これはモデルを汎用の「デジタルな同僚」に変えうる。資料調査、案件準備、財務分析、開発、報告書の体裁づくり――いずれも委任の対象になる。経済的に見れば、この移動のほうが AGI という語をめぐる論争より重要であり、しかもはるかに検証しやすい。

3. ARC-AGI の 99.9 %、そして二度読むべき理由

もっとも速く広まった数字であり、もっとも注意に値する数字でもある。

ARC-AGI は暗記以外のものを測るために設計された試験群である。すなわち、見たことのない環境を理解し解決する能力だ。第 3 版の ARC-AGI-3 は、モデルを未知のインタラクティブな世界に置き、遊びながら規則を推論させる。

ARC Prize が公表した結果は次のとおりである。

  • 標準ハーネス――すべてのモデルに同一の最小限のインターフェース――では、Astra は 62.7 %。
  • プロバイダ・アダプタ――OpenAI 固有の仕組みに合わせた基盤で、リクエスト間でモデルの推論状態を保持し、長い対話を圧縮する――を使うと 99.9 % に達する。

比較として、GPT-5.6 Sol は 7.8 %、Claude Opus 5 は 30.2 % だった。62.7 % でも前進は相当なものである。さらに ARC Prize は、Astra が全レベルの 96 % において、テストされた人間の中央値より少ない行動数で解いたと記している。

だが二つの数字の差は方法論上の細部ではない。重要なことを語っている。

「現代のシステムの知能は、もはやモデルだけに宿ってはいない。それを取り巻くもの――記憶、文脈、道具、持続性――に宿っている。」

同じモデルが、より良い作業記憶とより良い文脈管理を与えられただけで、「非常に優秀」から「飽和」へと移る。したがって測られているのはモデル＋足場という組の能力であって、モデル単体の能力ではない。ARC Prize 自身も AGI を主張してはいない。

ここから、小規模な組織にも当てはまる作業仮説を引き出せる。性能のかなりの部分が足場に由来するのなら、フロンティアモデルと十分に道具立てされた控えめなモデルとの距離は、見かけより狭いということだ。限られた手段で作る者にとっては良い知らせである。

4. サイバーセキュリティの「クリティカル」閾値

Astra はもう一つ、あまり喜ばしくない閾値も越えた。自律的なサイバー能力について、OpenAI が自社のリスク枠組みで最高水準に分類した初のモデルである。未知の欠陥 2 件を発見して得られた ExploitBench の 100 % が、その表れだ。

困難は倫理的ではなく構造的である。修正のために脆弱性を見つける能力は、それを悪用する能力とまったく同一だからだ。防御専用版というものは存在しない。

OpenAI の答えは制限である。高度なサイバー用途は、信頼できると判断された利用者・専門家に限られる。妥当な対応であり、同時に一つの告白でもある――統御はいまやモデルの性質ではなく、アクセス管理を通じて行われる、と。同社の主任科学者ヤクブ・パホツキ自身、これらのシステムに何ができるかを正確に把握することは、能力の向上とともにいっそう難しくなると認めている。

ついでに、Fable 5 について書いたことと符合する点を記しておく。ある能力が敏感だと見なされるほど、その利用は条件付きになる。蛇口は存在し、誰かがその栓に手をかけている。

5. AGI――誰も証明できない語

この発表の問題は、誇張されていることではない。検証不可能であることだ。

汎用人工知能に合意された定義は存在しない。OpenAI は自らの憲章で、経済的に価値のある活動の大半において人間を上回る、高度に自律的なシステムとして歴史的に定義してきた。これは厳密に経済的な定義であり、意識も感情も「人間のように考えること」も要求しない。この基準に照らせば、境界を引くのは確かに難しくなる。

しかし AGI の証明書を発行する当局は存在しない。単一のベンチマークで決着もつかない――前節が示すとおり、もっとも象徴的なベンチマークは、用いる道具立てによって正反対の答えを返す。

皮肉なのは、もっともよく練られた慎重論が OpenAI 自身から出ていることだ。サム・アルトマンは以前から、AGI は「あまり有用な語ではない」と繰り返している。各人が各様の定義で使っているからである。したがって、企業が重大な技術を生み出しながら、いま、この瞬間に AGI が存在すると科学的に言えない、という状況が起こりうる。

我々の読みはこうだ。ここでの「AGI の時代」は、測定ではなく確信と広報の語彙に属する。それは Astra の価値を損なわない。ただ、立証の負担を測定可能なもの――実際に完了した仕事――へ移すだけである。

6. 測れる問い――どれだけの仕事か

そこで「Astra は AGI か」を、監査可能な問いに置き換えよう。

Astra のようなシステムは、人間の仕事のどれだけを、手直しなしに最初から最後までやり切れるのか。

エージェントが朝に依頼を受け、複数のソフトを使い、調査を行い、文書を作り、数時間後に使える成果を返すのなら、その経済的帰結は AGI という札を必要としない。開発、事務、コンサルティング、金融、広報、法務、研究、工学に順次及びうる。

ただし、結論を出す前に留保が三つある。

  • 手直し率が不明である。 事務タスクの 72.6 % に成功するエージェントは、4 件に 1 件以上で失敗する。実運用では失敗タスクは無料ではない。検知し、理解し、やり直す必要がある。
  • 価格が上がった。 100 万トークンあたり 10 ドル / 50 ドルでは、文脈を大量に消費し多く出力する長いエージェント作業は軽くない。採算は手直しの量に左右される。
  • デモは自社製である。 成功するように作られている。今後数週間の一般提供が、研究室の外に何が残るかを教えてくれる。

7. 注視すべき兆候

  1. OSWorld と ExploitBench の独立した測定。 発表時の数値は、想定外のタスクを含む第三者評価に耐えるか。
  2. 二つの ARC-AGI ハーネスの差。 比較可能な開かれた足場へコミュニティが収斂すれば、62.7 / 99.9 の差は縮むはずだ。縮まないなら、フロンティア性能は重みだけでなくインフラによっても部分的に専有的である、と認めねばならない。
  3. 価格の軌道。 Astra は上位帯の料金を引き上げた。問題は、Sol に対する Terra のように、より安い中間層が続くかどうかである。小さな組織にとって何が手の届く範囲かを決めるのは、旗艦ではなくその中間層だ。
  4. サイバー能力へのアクセス制度。 一時的な制限か、恒久的な規範か。答えは次世代モデルの統治の形を描く。
  5. 最初の実運用エージェント事例。 デモではなく、実際の業務を Astra に託した企業の報告と、そこで観測される手直し率。

8. 位置ある一言

我々はシリコンバレーから 9,000 km 離れたレユニオン島で書いている。ここから見ると、「AGI の時代」という宣言は歴史的事件ではなく、仕事の条件の変化として読める。

我々に直接かかわるのは三点だ。

第一に、足場はモデルと同じくらい重要である。今回の発表でもっとも実行に移しやすい教訓だ。10 万基の画像処理装置を持つことは我々にはない。しかし、より控えめなモデルの周りで記憶・文脈・道具立て・検証ループを丁寧に組むことはできる。62.7 % から 99.9 % への道のりの一部はそこを通っており、その一部は我々の手の届く範囲にある。

第二に、上位帯の価格が再び上がった。トークン価格の低下はフロンティアには当てはまらない。島の小さな担い手にとって理にかなった戦略は、Astra を追いかけることではなく、出力 100 万トークンあたり 50 ドルのモデルを正当化するタスクがどれかを正確に見極め、それ以外はすべて別の場所で行うことである。

第三に、借りた能力は取り消しうる。道具が強力で敏感になるほど、その利用は条件付きになる。豊かさを享受しつつ、その囚人にならないこと――最良の道具を使いながら、誰にも引き抜けない控えめな能力を隣に持っておくこと。我々はいまもそう考えている。

我々は長らく、汎用人工知能の到来を一つの場面として想像してきた。ある研究所が機械の電源を入れ、世界がそれを理解する、と。現実はもっと非映画的らしい。モデルはより良く書き、次によりよく推論し、次に道具を使い、次にコンピュータを操作し、次に数時間働く。そして最後に いつ AGI が到来したのかと問うとき、もはや境界を特定することは不可能かもしれない。

OpenAI が汎用人工知能を作ったと断じるには早い。同時に、これらのシステムを単なる会話ボットとして扱うことも難しくなりつつある。その中間に、やるべきことが一つ残っている。派手ではない――実際に完了した仕事を測り、それに従って作ることだ。汎

出典と参考文献

新たな要素が現れた場合、本稿は更新される。最終改訂：文 2026年9月4日。