GPT-6 Astra は「本日より一部の組織への提供を開始し、今後数日以内にすべての ChatGPT Plus、Pro、Business、Enterprise ユーザーが利用できるようになるほか、OpenAI API と AWS 経由でも提供される」とのことです。私自身はまだ試せていないため、現時点ではあまり多くを語れません。
API の料金は Claude Fable 5 および 5.1 と同じで、入力が 100 万トークンあたり 10 ドル、出力が 100 万トークンあたり 50 ドルです。これは明らかに OpenAI が Fable に対抗する製品であり、OpenAI が自ら公表した大半のベンチマーク結果を見る限り、Astra のスコアのほうが高いようです。
特に印象的なのは、最近公開された（今年 3 月に公開された）ARC-AGI 3 ベンチマークで、Astra が 99.9% という成績を達成したことです。ただし、Fable 5 のテスト結果は現時点ではまだ公表されていません。また、ARC-AGI のブログ記事によると、この 99.9% という成績は、OpenAI がカスタマイズした「Provider Adapter harness」を使用し、1.9 万ドルを費やした場合のものです。一方、デフォルトの ARC-AGI harness を使用した場合は、2.6 万ドルを費やして 62.7% という成績でした。
Provider Adapter harness は、リクエスト間で不透明な推論状態を保持し、より長い会話を圧縮メカニズムで処理することで、モデルが以前に完了した作業を再利用できるようにします。
最近発生した Hugging Face の事件を考えると、Astra が安全性に関するタスクで優れた成績を収めたことは、さほど意外ではありません。ExploitBench では 100%（GPT-5.6 Sol は 78.5%）、ExploitGym では 42.4%（Sol は 30.3%）を達成しました。また、SRE-Bench のバイナリリバースエンジニアリングテストでは、4 回の試行以内で 99.2% という成績を収めています。これに対して Sol は 68.7% でした。
長文コンテキストの処理能力も向上しています。OpenAI の eight-needle ベンチマークでは、256K～512K トークンの処理で 100%、512K～1M トークンの処理で 96.3% を獲得しました。OpenAI は、長文コンテキスト処理の分野で長らく残されていた課題の一つを、すでに解決したのかもしれません。
ただし、すべての面で優れているわけではありません。Artificial Analysis によると、同社の Intelligence Index では、Astra は依然として Fable に及びません。
GPT-5.6 Sol と同等の知能レベル：GPT-6 Astra の同指数におけるスコアは 61 で、GPT-5.6 Sol と同じでした。これは、Claude Fable 5.1（fallback 有効時の最高スコア）を 5 ポイント下回ります。また、このモデルのスコアは、Meta が新たに発表した Muse Spark 1.3（最高スコア）にも及びません。
一方、同社の Coding Agent Index では、より優れた結果を示しています。
Coding Agent Index のコスト効率の最前線をリード：最高の推論努力レベルでは、GPT-6 Astra のコストは GPT-5.6 Sol（最高の推論努力レベル）とおおむね同じですが、同指数のスコアは 2 ポイント高くなっています。タスク単位で比較すると、同じスコアの場合、このモデルのコストは Claude Fable 5 の半分未満です。
Astra にアクセスできるようになったら、改めて詳しい内容を書きたいと思います。リリース後の API モデル名は gpt-6-astra になります。