要約:
Astra がリリースされる数時間前、AI コミュニティは混乱に陥っていました。 9 月 3 日の夜、ChatGPT、Claude、Grok でほぼ同時に大規模なサービス異常が発生しました。多数のユーザーがモデルを開けないか、リクエストが失敗しました。この瞬間、ChatGPT 公式アカウントは星を見上げていました。「星はほぼ揃っています。」
すぐに誰かが冗談を言い始めました。アストラは展開中に Anthropic と xAI の両方をハッキングしましたが、最終的には自分自身さえも攻撃しなかったのですか?
もちろん、これはネチズンが作った単なるジョークです。現時点では、この失敗がアストラに関連しているという証拠はありません。
しかし、このジョークは適切なタイミングで登場しました。わずか 2 日前、OpenAI は、まだ正式にリリースされていないこの新しいモデルが、準備フレームワークの「クリティカル」サイバーセキュリティ機能のしきい値を超える同社の最初のモデルになったと発表したばかりでした。
そして、星が本当に所定の位置に収まりました。
北京時間 9 月 4 日の早朝、OpenAI は GPT-6 Astra を正式にリリースしました。
しかし、すべてがオンラインであるわけではありません。 Astra は現在、Trusted Access/Daybreak システム内の少数の組織と監査済みのネットワーク セキュリティ ユーザーのみに公開されています。Plus、Pro、Business、Enterprise、および API ユーザーは、さらに数日間様子を見る必要があります。
アストラは来るが、如来は来る
9 月 4 日、OpenAI は GPT-6 Astra を「内部的に」リリースしました。
現在、Astra は Trusted Access/Daybreak システム内の少数の機関のみに公開されています。 OpenAIは、Plus、Pro、Business、Enterpriseの加入者とAPIが数日以内にアクセスできるようになるだろうと述べた。
この「数日」が実際に何日になるかについては、今のところこれ以上具体的なスケジュールはありません。
リリース前の非公開のメディアブリーフィングで、OpenAI 社長のグレッグ ブロックマンは、Astra に「AGI 時代へようこそ」というかなり大げさな脚注を与えました。
AGI 時代へようこそ。
OpenAI の研究担当副社長である Aidan Clark 氏は、別の観点から Astra が特別である理由を次のように説明しました。「テキサス州の Stargate サイトでの事前トレーニングに 100,000 個を超える GPU が使用されたのはこれが初めてです。データセンター ネットワークから推論コア、モデル自体の形状に至るまで、すべてがこのトレーニング規模に基づいてゼロから設計されています。」
エイダン氏はまた、Astra は旧世代モデルをトレーニング プロセスに深く関与させることを可能にする OpenAI の最初の製品でもあると述べました。
簡単に言うと、次世代の AI をトレーニングする人材は、すでに前世代の AI から登場し始めています。
「AIが自らを訓練する」にはほど遠いものの、このモデルは次世代モデルの開発プロセスに入っています。
一昨日、Anthropic が Fable/Mythos 5.1 を「世界で最も先進的なコーディングおよび知識作業モデル」と呼んだのに続き、今日、OpenAI も Astra を「世界で最も強力で最も調整されたモデル」と呼びました。
ベンチマーク テストに関して、最も恐ろしい数値は ARC-AGI-3 から得られます。
これは、モデルがこれまでに見たことのない 2D 環境に入り、継続的な試行錯誤を通じてルールを発見し、目標を達成できるかどうかを特にテストするエージェント ベンチマークです。これは、どれだけの知識が記憶されているかをテストする従来の試験とは異なり、AI を未知のゲームに投入して、「世界がどのように機能するか」を自力で理解できるかどうかを確認することに近いものです。
Astra は、OpenAI 独自のプロバイダー アダプター構成で 99.9% という最高スコアを達成しました。
しかし、この数字は分解する必要があります。 ARCプライズでは、すべてのメーカーが均一に比較できる標準ハーネスのセットも使用しています。ここでは、アストラがわずか 62.7% でトップに立っています。
この 2 つの最大の違いは、トピックが変更されたことではありません。 OpenAI は以前、Sol のスコアが低い理由は、モデルが愚かだったからではなく、ハーネスがメモリをフォーマットし続けたためであることを発見しました。したがって、OpenAI が行ったのは、ARC-AGI-3 のハーネスを独自の Response API の実稼働構成に置き換え、ARC-AGI-3 用の 2 つの特別な設定、つまり保持推論と圧縮を特別に用意することでした。前者では、モデルはアクションの間に以前の考えを記憶できますが、後者では、大まかな切り捨ての代わりに要約が使用されます。
この実稼働システムに接続した後、Astra の稼働率は 62.7% から 99.9% に上昇しました。双方が正常に完了したタスクでは、プロバイダー アダプター全体が約 3.66 倍高速に実行され、トークンの消費量が 49% 削減されました。
ある意味、これはプラグインを開くのと非常に似ています。
難しい数学では、FrontierMath Tier 4 は 97.6% です。 FrontierMathの拠点であるEpoch AIは、OpenAIがベンチマークの開発に資金を提供しており、ベンチマークの質問の一部に独占的にアクセスできると述べた。
注目に値するスコアは次のとおりです:
DeepSWE v1.1 74.1%
BenchCAD 95.9%
ターミナルベンチ科学タスク 64.6%。
しかし、今回 OpenAI が Astra を導入するために一連のベンチマークだけに頼ったわけではないことは明らかです。
公式サイトを開くと、次々と事例が掲載されています。
KiCad、Excel、Blender、Power BI、ブラウザーのフォーム入力、Web サイトの QA;次に、家を探し、医師を見つけ、DMV で予約を取り、納税フォームを作成し、PPT を作成し、ゲームを開発し、科学研究データを分析します。
過去数世代の GPT リリースでは、OpenAI は主にモデルが答えられることをユーザーに伝えていました。 Astra では、焦点が変わったようで、「AI に直接引き渡せるものはどれだけ残っているか」ということになりました。
OpenAI は、Astra を「世界で最も優れたコンピューター使用モデル」と直接呼んでさえいます。
「コンピュータを使う」という点では、スコアよりもモデルの進歩の方が重要かもしれません。 Codex では、Astra は新しいコンテキスト メカニズムを導入しています。コンテキスト ウィンドウがいっぱいになったときに単に概要を圧縮するのではなく、複数のウィンドウにわたってメモを保持し、以前のメッセージやツール出力を検索できます。
Astra は、特定の質問が未解決の場合でも、回答に依存しない部分の作業を続行して、1 つの未解決の質問によってタスク全体がブロックされることを回避することもできます。
もちろん、機能も価格に直接反映されます。
GPT-6 Astra の標準 API 価格は、100 万入力トークンあたり 10 米ドル、キャッシュされた入力の場合は 1 米ドル、出力の場合は 50 米ドルです。
GPT-5.6 Sol の現在の入力 4 ドル、キャッシュ 0.4 ドル、出力 20 ドルと比較すると、Astra の製品群全体の価格は直接 2.5 倍に引き上げられました。 OpenAI のポジショニングも非常に明確です。どのフラッグシップ モデルを選択すればよいかわからない場合は、Astra を選択できます。コストを重視する場合は、引き続き GPT-5.6 Terra または Luna を使用してください。
それでも 105 万のトークン コンテキストと最大 128,000 のトークン出力が提供されます。ただし、長いコンテキストには追加のコストもかかります。GPT-5.6 シリーズのように、1 つの入力が 272K トークンを超えると、リクエスト全体の入力コストは 2 倍として計算され、出力は 1.5 倍として計算されます。
つまり、OpenAI は実際には、Astra に対してより高価なスマート層を設定しました。
質問をしてコピーの数段落を変更するだけであれば、2.5 倍の価格を費やす価値はないかもしれません。
しかし、モデルが実際にコンピュータの前に座って、数十分、さらには数時間も継続的に作業し、ソフトウェアを切り替えたり、情報を確認したり、フォームに記入したり、ファイルを変更したりする必要があったタスク全体を完了できるのであれば、本当に比較する必要があるのは、もはや 100 万トークンあたりの金額だけではなくなります。
注目に値するいくつかの技術的なポイント
Astra には、ベンチマーク自体よりも注目すべき技術的なポイントがいくつかあります。
1 つ目はリバース エンジニアリングです。
OpenAI はこのリリースで SRE-Bench を引用しました。これは、Columbia DAPLab などのチームによって今年開始された一連のリバース エンジニアリング ベンチマークです。モデルのソース コードは示されておらず、プログラム ロジックを再理解して主要な動作を見つけることができるかどうかを確認するために、コンパイルされたバイナリ プログラムのみが示されています。
Astra の成功率は 1 回の試行で 88.0%、最大 4 回の試行で 99.2% です。
同じ一連のルールの下では、GPT-5.6 Sol はそれぞれ 55.9% と 68.7% にすぎません。
人間の言葉で言えば、コンパイル済みで人間が読めるコードがほとんどないプログラムに直面したとき、AI は機械命令から少しずつ「取り戻す」ことができるようになり始めています。
これは、マルウェア分析、ファームウェア調査、脆弱性マイニング、デジタル フォレンジックに直接的な影響を及ぼします。
2 番目の変更は、アストラが非常に長いミッションで「紛失したアイテムを見つけるのが容易ではなくなった」ことです。
MRCR v2 8 ピン取得テストでは、256K から 512K のコンテキストに直面した場合、Astra の精度は 100% に達しました。 512,000 ～ 1,000,000 トークンに関しては、依然として 96.3% の精度がありました。ただし、GPT-5.6 Sol では、これら 2 つの間隔でそれぞれ 91.5% と 73.8% しかありません。
これまで、多くのモデルは数百万のコンテキストをサポートすると主張していましたが、重要な情報が数十万のトークンの外に埋もれている場合、モデルはプロセスの後半でそれをほとんど忘れてしまっている可能性があります。
Astra は、「コンテキスト ウィンドウの大きさ」を別のより現実的な問題に押し上げ始めました。それは、エージェントが以前に起こったことをどのくらいの期間覚えていられるかということです。
数十分、場合によっては数時間にわたって継続的に動作する必要があるエージェントの場合、これは何十万ものトークン ウィンドウを追加するよりも重要である可能性があります。
さらに、アストラには別の珍しい変更があります。
より整合性が高くなりますが、監視も難しくなります。
OpenAI が公開した一連の社内コンピューター使用セキュリティ テストでは、Astra の違反率は Sol の 22.0% から 2.4% に低下しました。タスクを完了するためにモデルが制限を回避するかどうかを特に観察したテストでは、Astra の場合は 0% でした。内部幻覚検査もソルの9.4％からアストラの2.0％に低下した。
少なくとも OpenAI 独自のテストによると、Astra は「混乱」が大幅に軽減されています。しかし、OpenAI の主任科学者 Jakub Pachocki 氏は、「インテリジェンスの進歩は、連携の進歩を保証するものではありません。」とも思い出させました。
その理由の 1 つは、アストラが完全な思考プロセスを書き留めることがますます少なくなったということです。
これまでの AI セキュリティの非常に重要な手法は、モデルの思考の連鎖を監視することでした。モデルがその権限を越えたり、特定のシステムを攻撃したり、密かに目標を変更しようとした場合、その推論の手がかりを事前に見つけることができました。
しかし、OpenAI は、Astra が記述された推論をより詳細に制御できることを発見しました。以前は多くの手順を記述することで解決する必要があった一部の問題は、現在ではあまり明示的ではない推論で解決できるようになりました。モデルが思考プロセスが監視されていることを認識している場合、これらの内容は大幅に変更または短縮されます。
したがって、OpenAI はもはや思考の連鎖だけに焦点を当てることはできません。
Astra を監視し、以前に Sol に発生したのと同じ攻撃を実行するのを防ぐために、OpenAI は運用環境に「不整合監視」をインストールしました。モデルの推論、実際のアクション、ツール呼び出し、およびタスクの軌跡全体を同時に観察します。
モデルがユーザーの当初の意図から大きく逸脱している可能性があるとシステムが判断した場合、タスクを一時停止したり、直接終了したりすることもあります。
API では、インターセプトされたタスクが直接終了する場合があります。 ChatGPT または Codex では、場合によっては、ユーザーは最初に再確認を求められます。
「これは本当に私にしてほしいことなのですか？」
製品レベルでは、Astra の API モデル名は直接 gpt-6-astra であり、Amazon Bedrock にも入ります。
OpenAI は Fast モードも開始しました。価格は 2 倍になり、最大実行速度は約 2.5 倍になります。
カジュアルなチャットの場合、これは魅力的ではないかもしれません。しかし、エージェントがブラウザとソフトウェアで本来 40 分間実行する必要があり、その時間が 10 分から 20 分に短縮されると、速度自体が製品の機能の一部になります。
サブスクリプション側では、Astra は既存のサブスクリプション割り当てに含まれます。 Pro、Business、Enterprise には、より強力な Astra Pro も追加されます。 Enterprise はデフォルトでは直接オンにならないため、管理者が手動でオンにする必要があります。
ただし、まだ開けません...
複雑な歴史、限られた開口部
Astra は、OpenAI のこれまでで最も「歴史的な」モデル リリースである可能性があります。
多くのモデルは最初にリリースされ、その後徐々に問題が明らかになりますが、アストラはその逆を行います。もちろん、一部のマーケティング手法は排除されません。しかし、正式にリリースされる前に、OpenAI は 1 か月近くを費やして、トレーニング、テスト、公開がより慎重に行われる必要がある理由を絶えず説明していました。
8 月 7 日、OpenAI は、最新の内部評価により、Astra が準備フレームワークに基づくサイバーセキュリティ能力の「クリティカル」閾値に達した可能性を排除することが不可能になったと初めて公に述べました。
9 月 1 日、この「可能性」は正式な結論となりました。Astra は、ネットワーク セキュリティ機能において Critical と評価された OpenAI の最初のモデルとなりました。
OpenAI 独自の標準によれば、これは、Astra が適切なツールとアクセス権を使用して、人間による段階的な指導を必要とせずに、これまで知られていなかった脆弱性を独自に発見し、多くの強化された現実世界のシステムで利用可能なエクスプロイトを開発できることを意味します。あるいは、高レベルのターゲットを指定するだけで、強化されたターゲットに対する一連のエンドツーエンドの攻撃戦略を設計して実行することもできます。
これはもはや「攻撃コードが書ける」というレベルではありません。 ExploitBench では、Astra は直接 100% のスコアを獲得しました。
モデルが公開された脆弱性だけを記憶することを防ぐために、OpenAI は別の内部テスト セットを準備し、2026 年 6 月から 8 月にのみ公開された 20 個の V8 の高リスク脆弱性を導入しました。Astra は GPT-5.6 Sol よりも使用する出力トークンが少ないだけでなく、大幅に高い任意コード実行成功率も達成しました。
テスト中に、これまで知られていなかった 2 つのゼロデイを発見して悪用し、それらをエクスプロイト チェーンにリンクしました。 OpenAIは現在、これら2つの脆弱性をメンテナーに公開していると述べた。
専門家によるテストは実際の攻撃に近いものです。強化されたブラウザに直面したアストラは、未知の脆弱性を発見した後、サンドボックスからずっと脱出し、ホスト マシン上でコマンドを実行できます。強化されたオペレーティング システムでは、複数の脆弱性をローカル権限昇格チェーンにまとめて、一般ユーザーから root 権限を取得します。
OpenAI は、このプロセス中に、モデルの危険な機能がモデル自体のトレーニング方法に影響を与え始めていることを初めて発見しました。
8 月 18 日、OpenAI は、導入を予定していた最新モデルの強化学習トレーニングを 2 週間停止するなど、トレーニング規模の拡大を一時的に停止したことを公的に認めました。
同時に、Astra に関係する多数のトレーニングおよび評価タスクは、まだ新しい安全な環境に移行されていないため、引き続き中断されています。
これまで、AI の安全性について議論するときは、トレーニング後にモデルをユーザーに安全に引き渡すことができるかどうかを主に尋ねていました。しかし、ここアストラでは、問題は訓練段階にまで進んでいます。
したがって、OpenAI は研究環境全体を再強化しました。モデル生成コードを実行するタスクには、より厳密なサンドボックス化が必要です。リスクの高いワークロードには、より強力なネットワーク分離が必要です。アストラ チェックポイントは暗号化とアクセス制御を追加します。ツールを使用したすべての Astra 推論は追加の監視の対象となります。
このモニタリング セット自体は決して安くはありません。 OpenAI は、監視システムだけによって生じるコンピューティング オーバーヘッドは、監視されている推論コンピューティング能力の約 20% に相当すると推定しています。
言い換えれば、Astra のコストは「より大きなモデルのトレーニング」だけではなく、OpenAI はモデルの動作を監視するためにかなりの追加のコンピューティング能力も費やします。
これは、Astra が正式にリリースされた後、最先端のネットワーク セキュリティ機能がすべての人に直接リリースされなかった理由も説明しています。
OpenAI は、Astra のデフォルト製品バージョンでも引き続き高リスクのネットワーク攻撃リクエストに制限を設定することを明らかにしました。より高度なネットワーク セキュリティ ワークフローは、最初は少数のアルファ テスター グループに公開され、その後、Daybreak Blue を通じて監査済みの防御ユーザーに徐々に拡大されます。
今後数日以内に一般ユーザーも Astra を入手できるようになりますが、誰もがまったく同じ機能を入手できるわけではありません。
このような制限により、偶発的な怪我が発生する可能性もあります。 OpenAI は、追加のセキュリティ チェックにより、通常のタスクの速度が低下したり、一時停止したり、停止したりする可能性があることを事前に警告しています。ネットワーク セキュリティと何の関係もないと思われる長期的なエージェント タスクにも、誤ったラベルが付けられている場合があります。
ChatGPT または Codex のタスクが位置ずれの監視によって中断された場合、ユーザーは続行する前に操作を確認するために戻ってくる必要がある場合があります。 API 内のタスクは直接終了できます。
変更のこの部分は、Astra のリリース後の「AGI」によって簡単に影が薄くなってしまいました。
モデルの機能が高ければ高いほど、ユーザーが直接取得できる機能も多くなり、プラットフォームがどの程度の権限を与えるかにますます依存するようになります。
その後、このような一連の「危機、訓練中止、隔離、監視、段階的開幕」を経て、グレッグ ブロックマン氏はアストラのリリースに関するメディアブリーフィングで「AGI 時代へようこそ」と述べました。
彼は、個人的に判断するなら、「我々はそれを達成した」と思うとさえ言いました。
しかし、「OpenAI は AGI の実装を正式に発表しましたか?」と尋ねると、ブロックマン氏は、AGI が「灰色で曖昧なもの」になっており、正確に描くことができる技術標準というよりもむしろ「ミッションコンセプト」や「スピリチュアルコンセプト」に近いものになっていると認めた。
以前、「Sources Podcast」で、Altman 氏は「AGI をいつ実装するか」という問題について真剣に議論することに消極的でした。彼は、AGI という用語が「せいぜい、非常に曖昧な概念」であると信じており、ほとんど「取るに足らないマーケティング用語」とさえ呼んでいました。
その理由は、OpenAI が AGI から遠ざかっていることではありません。それどころか、アルトマン氏の判断では、AGI はもはやそれほど重要ではないかもしれないからです。
彼が本当に心配し始めたのは、次の言葉、「超知性」でした。
アルトマン氏は 1 年前、OpenAI がスーパーインテリジェンスに向けた短期的な軌道に乗っているとは信じていないと語った。今、彼はそれが「起こり得る」と考えている。
それでも文句を言いたいのですが、ASI というのは「取るに足らないマーケティング用語」ではないでしょうか?
コメント