105万トークン入る、と聞いて資料を丸ごと投げると、入力の単価が倍になります。272,000トークンを1つでも超えたリクエストは、超過分ではなく全体に長コンテキストの料金が適用されるからです。GPT-6 Astraの発表ページには、この条件も17個の注釈も置かれています。
OpenAIは2026年9月3日、GPT-6 Astraを公開した。コンテキストは1,050,000トークン、最大出力は128,000トークン。API料金は100万トークンあたり入力10ドル、出力50ドルで、272,000トークンを超える入力ではリクエスト全体が入力20ドル、出力75ドルに切り替わる。OSWorld 2.0では72.6%でGPT-5.6 Solの65.7%を上回り、レイテンシーの模擬計測では1タスクの所要時間が約47%短い。
ChatGPTのChatでは「GPT-6 Pro」として提供され、PlusはWorkとCodexで使う。Enterpriseは公開後2週間は既定でオフ。APIではミスアラインメント監視が会話を止めることがあり、開始前のブロックではHTTP 403を返す。
この記事が測るもの
9月5日、本誌の荒木啓介が「【解説】GPT-6 AstraはAGIなのか？｜専門家の物差しは立場によって変わる」で、この発表をめぐる論争の構造を整理しました。定義を動かす人、汎化の証明を求める人、測定条件を問う人、統制可能性を問う人。誰がどの物差しを選ぶかが、その人の立場ときれいに重なっていた、という記事です。
本稿はその隣に立ちます。扱うのは、Astraを自分の環境で動かそうとしたときに手に取る物差しのほうです。何ができて、いくらかかり、どこで止まるのか。そしてもうひとつ、OpenAI自身が発表ページの末尾に置いている17個の注釈も読みます。
エージェント実行基盤としての設計
仕様を並べると、この製品が何を想定して作られたかが見えてきます。
コンテキストは1,050,000トークン、最大出力は128,000トークン。推論の強度はlow、medium、high、xhigh、maxの5段階。Responses APIで使える組み込みツールはWeb検索、ファイル検索、画像生成、コード実行、ホストシェル、Apply Patch、Skills、Computer Use、MCP、Tool searchと広く、一方でファインチューニングには対応しません。これらの組み込みツールを使う場合はResponses APIが前提になりますが、Chat Completionsでも関数呼び出し自体は使えます。
モデルを自社データで作り替える方向ではなく、素のモデルに道具と権限を渡して長い工程を走らせる使い方が、いまの仕様からは前面に出て見えます。
OpenAIがOSWorld 2.0で示したのは72.6%という数字です。GPT-5.6 Solは65.7%でした。ただ、同じ段落でより実務に効くのは所要時間のほうかもしれません。レイテンシーのシミュレーションで、1タスクあたり約40分。Solの約75分に対して47%短いとされています。エージェントの実用性を見るときは、正答率だけでなく、人が待てる時間で終わるかという指標も効いてきます。
105万トークンは「入れてよい」という意味ではない
272Kを超えると全体が割増になる
料金表には、Standardの10ドルと50ドルとは別に、長コンテキスト用の列があります。入力が272,000トークンを超えたリクエストは、超過分だけでなくリクエスト全体が、入力20ドル、キャッシュ読み出し2ドル、キャッシュ書き込み25ドル、出力75ドルに切り替わります。
105万トークンという数字は「入れられる」であって「入れると安い」ではありません。OpenAIはモデルページにこの条件を明記していますが、見出しの単価とは別の行に置かれています。
比較の分母にも期限がある
分母のほうにも注記が要ります。「Solの2.5倍」という比較をよく見かけますが、Solの4ドルと20ドルはプロモーション価格で、料金ページは少なくとも2026年11月21日までは提供するとしています。年内の試算と来年の試算では、比較の前提が変わる可能性があります。
処理方式でも単価が動きます。BatchとFlexはStandardの50%、Fast modeは2倍。データレジデンシーのリージョナル処理には10%の上乗せがあり、EUデータレジデンシーを使う構成ではAstraのFast modeを選べず、Standard処理を使うことになります。
「使えるか」はプランではなく利用面で決まる
ここは日本語圏でも読み方が割れた箇所です。
発表ページは、数日のうちにPlus、Pro、Business、Enterpriseの全ユーザーへ広がると書いています。ヘルプセンターは、ChatGPTのChatでは「GPT-6 Pro」という名称でPro $100、Pro $200、Business、Enterpriseに展開され、PlusはChatGPT WorkとCodexでAstraを使うと書いています。両者は矛盾していません。発表ページはプラン単位の展開を、ヘルプセンターはChat、Work、Codexという利用面ごとの内訳を説明しています。
ChatGPT Enterpriseでは、初期ロールアウト中は組織にDaybreakアクセスがあることが前提で、公開から2週間は既定でオフです。管理者が有効化して初めて選べるようになります。ワークスペースで有効化してもAPIアクセスは付きません。Codex CLIは0.153.0以上が必要です。
「まだ来ていない」と感じたときに確かめたいのは、多くの場合プランではなく、どの利用面か、どんな権限か、クライアントが対応しているかのほうです。
同じ表の、行ごとに違う物差し
ここが、同記事が扱った論点の続きにあたります。
発表ページの末尾には、Astra、GPT-5.6 Sol、Claude Fable 5.1、Claude Fable 5、Claude Opus 5、Gemini 3.8 Flashを並べた比較表があります。数字だけを見れば一枚の表ですが、注釈をたどると、行ごとに測定条件が違います。
注釈が示す測定条件の差
OSWorld 2.0はオフラインサブセットの部分点で、この行に載るClaudeの数値はClaude Opus 5の70.2%だけです。ベンチマークの著者が公式リーダーボードで再現した値だと注3にあります。BenchCADのClaudeのスコアは、evalに3点の改変を加えた条件での値です（注5）。ScreenSpot-ProとExploitGymに載っているFableのスコアは、Fableではなく、セーフガードの少ないMythosで測ったものだと注17が明記しています。
表の見方そのものにも断りがあります。掲載されているのはいずれも、推論強度を変えて測ったうちの最大値です。GPTの各モデルはOpenAIの研究環境またはAPIで評価しており、システムプロンプトや使えるツールの違いから、実際のChatGPTとは出力が多少異なりうるとも書かれています。
空欄が意味すること
空欄にも意味があります。LifeSciBench、GeneBench Pro、MedChemBenchでClaude Fable 5と5.1が並んでいないことについて、OpenAIは注12で、これらの評価の設問の大半を拒否するため掲載していないと説明しています。安全側に寄せた設計が、そのまま表の空白として現れている例です。
もうひとつ、ExploitBench（6〜8月）でGPT-5.6 Solが5.5%と低く出ている点について、OpenAIは自ら「ベンチマークの300ターン制限によるアーティファクトであり、制限に当たりにくい設定では11.5%だった」と注14に書いています。自社の前世代モデルが不当に低く見えることを、自分で打ち消しているわけです。
これらは隠されていません。全部、同じページの下部に置かれています。見出しの数字だけを引き写すと落ちるのは、OpenAIが書かなかったことではなく、OpenAIが書いた注釈のほうです。
止まる前提で組む
AstraはPreparedness Frameworkのサイバーセキュリティで初めてCriticalに指定されたモデルです。その判断の経緯は本誌が8月と9月に既報のとおりですが、日々の運用に効いてくるのはその先、ミスアラインメント監視が本番環境に置かれたことです。
APIでの挙動
APIでは、監視がストリーミングの開始前にリクエストをブロックした場合、HTTP 403が返ります。エラーの型は invalid_request_error、コードは misalignment_policy_violation で、メッセージの文言ではなくコードで判定するよう案内されています。ストリーミングを使う実装では、出力を受け取ったあとに起きるエラーも扱う必要があります。
この状態から会話を再開する一般的な手段は提供されていません。監視は非同期で走るため、止まる前にツールの実行が完了していることがあり、停止は済んだ動作を巻き戻しません。
対象範囲にも段差があります。Responses APIで推論の永続化やWebSocket、Compactionを使っている場合は、監視が会話の続きを識別して実行を止められます。それらを使わないResponses APIのリクエストも監視はされますが、自動停止はせず、設定済みのWebhookでアラートを受け取る形になります。Chat Completions APIはこの監視の対象外で、ほかの安全チェックは引き続き適用されます。
ChatGPT WorkとCodexでの挙動
ChatGPT WorkとCodexでは、タスクが一時停止して確認を求める形になります。ただしCodex CLIとモバイル、およびゼロデータ保持、Modified Abuse Monitoring、米国外のデータ保管を設定した環境では、詳細の確認と再開が使えず、タスクはそこで終了します。
ここでOpenAIが添えている断りが効きます。フラグが立つことは、利用者が規約に違反したことも、エージェントが指示に反したことも意味しません。監視は正当な作業を止めることもあれば、問題を見逃すこともある。だからアプリケーション側の安全策と、重要な操作への人の承認は引き続き必要だ、と書かれています。
無人で回す自動化を組むなら、403とタスク終了は想定済みの例外経路として設計に織り込むことになります。OpenAIも、ブロックされた処理を自動で再試行せず、リクエストとレスポンスのID、ツール呼び出し、アプリ側の記録を残したうえで、担当者が既に行われた変更を確認するよう案内しています。
そしてOpenAIは、Astraの外部展開におけるツール使用推論にこの監視を広く適用し、相当の計算コストがかかると書いています。能力を配ると同時に、それを見張る仕組みにも計算資源を割く。Criticalという自己評価に対して、運用の側で何を差し出したのかが読み取れる部分です。
10月1日と並ぶということ
日本では、サイバー対処能力強化法と同整備法のうち、官民連携の強化や、警察・自衛隊によるアクセス・無害化措置などが10月1日に施行されます。Astraのようなモデルを業務に置く判断と、これらの運用が始まる時期が、数週間の距離で並ぶことになります。
先に決めておく価値があるのは、権限の範囲、止まったときの記録の残し方、そして誰が再開を判断するかです。どれもAstraに固有の問いではなく、エージェントを業務に置くときに必ず出てくるものですが、Astraは「止まる」という挙動が製品ドキュメントに明記されています。その分、設計の材料は揃っています。
同記事が示したように、AGIかどうかの答えは物差しによって変わります。使う側の物差しは、もう少し即物的です。何ができて、いくらかかり、どこで止まるのか。その3つを公開ドキュメントから具体的に追えること自体が、導入を判断する側の足場になります。
【関連記事】
【解説】GPT-6 AstraはAGIなのか？｜専門家の物差しは立場によって変わる
同じ発表を、外部の専門家がAGI性をどう測ったかという角度から読んだ一本。本稿と対になる内容である。
OpenAI、止めた訓練を再開｜Astraは「Critical」第1号
AstraがCriticalに指定されるまでの経緯。本稿が前提として置いた判断の背景がわかる既報である。
Claudeの画面操作は最後の手段｜権限の天井が経路を決めていた
画面操作を担うAIに、どこまで権限を渡すか。Anthropic側の設計と並べて読める一本である。
【編集部後記】
比較表の注14に、妙な一文があります。前世代のGPT-5.6 Solが5.5%と低く出たのは評価環境の制限によるもので、条件を変えれば11.5%だった、というOpenAI自身の説明です。
新型を売る場面で、踏み台にできたはずの前世代を、わざわざ自分で拾い上げている。ベンチマークの数字を出す側が、その数字を一番慎重に扱っている、とも読めます。同じ表の他の行も、そう読むと景色が変わりました。
【用語解説】
Computer Use
モデルが画面を見てマウスとキーボードを操作し、デスクトップやブラウザ上の作業を進めるためのツール。
Responses API
ツール利用や推論の永続化を前提としたOpenAIの現行API。組み込みツールを使う場合はこちらが前提になる。
Chat Completions API
従来からある対話形式のAPI。GPT-6 Astraも利用でき関数呼び出しにも対応するが、ミスアラインメント監視の対象には含まれない。
Fast mode
標準より高速に処理する方式。料金は該当レートの2倍。2026年7月30日にPriority processingから改称された。
Batch処理／Flex処理
即時性を落とす代わりに単価をStandardの50%に抑える処理方式。Batchは非同期のジョブ投入、Flexは通常のAPI経由で優先度を下げる。
データレジデンシー
顧客コンテンツの保存先リージョンを指定する設定。対応する地域では、推論処理も同じリージョン内で行うリージョナル処理を利用できる。対象のエンドポイントには、対応モデルで10%の上乗せがある。
ミスアラインメント監視
エージェントが指示を正しく解釈しているかを非同期で確認し、必要に応じて会話を停止する仕組み。フラグは規約違反や指示違反を確定させるものではない。
Preparedness Framework
OpenAIが定める、モデルの潜在的リスクを段階評価する社内基準。Criticalは同基準の最上位区分にあたる。
OSWorld 2.0
実際のデスクトップ環境でAIが作業を完遂できるかを測るベンチマーク。今回は接続不要のオフラインサブセットで、部分点を含む採点が用いられた。
Mythos
Anthropicのモデル名。同社のFableと同じ基盤を持ち、セーフガードが少ない構成として位置づけられる。
Daybreak
OpenAIがサイバー防御の担い手へ能力を届けるために設けた提供枠組み。Astraの初期展開はこの枠を前提とした。
ChatGPT Work
長い工程と成果物の作成を担うエージェント向けの利用面。ChatやCodexとは提供条件が別に管理される。
ゼロデータ保持（ZDR）
対象のAPIで顧客コンテンツを不正利用監視のログから除外し、対応するエンドポイントではアプリケーションの状態を保持しない設定。一部の機能やエンドポイントには例外がある。対象となる顧客が利用できる。
Modified Abuse Monitoring
不正利用の監視方法を限定する設定。適用した環境では、停止したタスクの詳細確認と再開ができない。
MCP
モデルが外部のツールやデータへ標準化された方法で接続するためのプロトコル。
サイバー対処能力強化法
能動的なサイバー防御の枠組みを定める日本の制度。同整備法とあわせて段階的に施行されており、2026年10月1日には官民連携の強化や、警察・自衛隊によるアクセス・無害化措置などが施行される。
【参考リンク】
GPT-6 Astra: A new generation of intelligence（OpenAI）（外部）
コンピュータ操作、専門業務、コーディング、科学の各分野での性能と、比較表および17個の注釈を掲載した公式発表ページ。
GPT-6 Astra Model（OpenAI API）（外部）
コンテキスト長、最大出力、知識のカットオフ、対応ツール、レート制限までを一覧できる、GPT-6 Astraの公式モデルページ。
Pricing（OpenAI API）（外部）
短コンテキストと長コンテキストの単価を、Standard、Batch、Flex、Fast modeの4区分で掲載するAPIの公式料金表。
Fast mode（OpenAI API）（外部）
速度優先の処理方式の仕様と互換性。GPT-6 AstraがEUデータレジデンシーで利用できない旨も、このページに書かれている。
Workspace model availability（ChatGPT Learn）（外部）
利用面ごとに分かれるモデルアクセスを管理者向けに解説。ChatGPT EnterpriseでAstraが既定でオフになる期間も記載する。
ChatGPT Work and Codex（OpenAI Help Center）（外部）
プランごとのAstraの提供範囲と利用枠、Codex CLIの必要バージョンを記した公式ヘルプ。ChatとWorkの違いもわかる。
【参考記事】
Safety overview: GPT-6 Astra（外部）
Criticalへの到達、堅牢性の向上、監視可能性の低下など、この公開で押さえるべき安全性の要点を7項目に整理している。
GPT-6 Astra System Card（外部）
安全性評価の全文を収めた一次資料。外部機関による評価や、思考の連鎖の制御性に関する数値も、ここに掲載されている。
Misalignment monitoring（OpenAI API）（外部）
監視が会話を止めたときの挙動を記した実装者向けの文書。403の扱い、対象となるAPIの範囲、通知の受け取り方がわかる。
Agent approvals & security（ChatGPT Learn）（外部）
CodexとChatGPT Workでタスクが一時停止する条件と、詳細の確認や再開ができない構成を表で整理した公式ドキュメント。
