2026 年 9 月 3 日 (米国時間)、OpenAI が GPT-6 Astra を公開しました。API のモデル ID は gpt-6-astra で、公式発表 は「コンピュータ操作、ブラウジング、ソフトウェアエンジニアリング、サイバーセキュリティ、科学、専門業務で最先端」と位置づけています。
先に、この記事で扱う範囲を書いておきます。日本語の解説は発表当日から出ていますが、提供状況の記述が媒体ごとに食い違っています。原因は、開放が経路ごとに別々のペースで進んでいることと、ChatGPT のチャット画面には GPT-6 Astra Pro という別の名前でも並ぶことです。ここでは OpenAI の公式発表、API ドキュメント、システムカード、Codex CLI のリリースノートで確認できた内容だけを、経路ごとに分けて並べます。
あわせて、手元の Codex CLI でモデル名を指定したときに何が返るかも記録しました。CLI がモデル名を受け付けても実行時に弾かれるため、設定が悪いのか提供待ちなのかを切り分けにくくなっています。
公開時点で確定している事実
| 項目 | 内容 |
|---|---|
| 正式名 | GPT-6 Astra |
| API モデル ID | gpt-6-astra |
| 公開日 | 2026 年 9 月 3 日 (米国時間) |
| 提供開始の範囲 | まず限られた組織。数日かけて ChatGPT の各有料プランと API へ拡大 |
| コンテキスト長 | 1,050,000 トークン (最大入力 922,000) |
| 最大出力 | 128,000 トークン |
| 知識のカットオフ | 2026 年 4 月 30 日 |
| 入出力 | 入力はテキストと画像、出力はテキスト |
| API 単価 (Standard) | 入力 $10・出力 $50 (100 万トークンあたり) |
| 推論の強度 | reasoning.effort が low / medium / high / xhigh / max |
コンテキスト長の 1,050,000 トークンは、GPT-5.6 Sol 世代から一段上がった水準です。加えて、長い入力の中から目的の記述を拾えるかを測る OpenAI MRCR v2 の 8-needle も公表されており、512K から 1M の帯域が 96.3%、GPT-5.6 Sol の同条件が 73.8% となっています。長文理解の総合的な精度ではなく、埋め込まれた 8 箇所を探して参照できるかの評価です。100 万トークン級の入力を実際に使う前提であれば、選定では単価差よりこの差のほうが重くなります。
提供状況 — 経路ごとに開放の進み方が違う
公式発表の文言は「本日、限られた組織群にロールアウトし、数日のうちに ChatGPT の Plus・Pro・Business・Enterprise の全ユーザー、および OpenAI API、Microsoft Azure、AWS Bedrock で利用できるようになる」というものです。日付を切った開放スケジュールは公表されていません。
| 経路 | 状況 | 注意点 |
|---|---|---|
| ChatGPT (Plus) | 数日かけて順次開放 | 既存プランの利用枠内。追加クレジットの購入可 |
| ChatGPT (Pro) | 数日かけて順次開放 | GPT-6 Astra Pro も利用対象 |
| ChatGPT (Business) | 数日かけて順次開放 | GPT-6 Astra Pro も利用対象 |
| ChatGPT (Enterprise) | 数日かけて順次開放 | 既定で無効。管理者がワークスペースで有効化 |
| OpenAI API | 数日かけて順次開放 | Trusted Access Program の企業が先行 |
| Microsoft Azure | 数日かけて順次開放 | 公式発表に記載あり |
| AWS Bedrock | 数日かけて順次開放 | 公式発表に記載あり |
| Codex CLI / IDE 拡張 | 対応クライアント | 提供が届くまで実行時に 400 |
| Codex cloud | 非対応 | 公式のモデル一覧で対象外と記載 |
GPT-6 Astra Pro は、Pro・Business・Enterprise の 3 プランが対象です。Plus には案内されていません。チャット画面のモデル一覧にどちらの名前が並ぶかはプランで変わるため、記事や告知の食い違いはここから生まれています。
クライアント側も一律ではありません。公式のモデル一覧では、ChatGPT のデスクトップアプリと Web、Codex CLI、Codex IDE 拡張、API が対応で、Codex cloud だけが対象外と記載されています。同じアカウントでも、どこから使うかで結果が変わります。
料金について、公式発表は「Astra の利用は既存のサブスクリプションの枠内に含まれ、ユーザーと法人は追加利用分のクレジットを購入できる」と書いています。ChatGPT のプランを使っているかぎり、モデルが切り替わったこと自体で請求額は変わりません。
Enterprise の扱いだけ性質が違います。提供が届いていても既定では無効で、管理者がワークスペースで有効にする操作が要ります。全社展開を予定しているなら、開放を待つ作業と管理者の設定作業を別々に見ておいてください。
Codex CLI で gpt-6-astra を指定すると 400 が返る
Codex CLI では 0.153.1 で Astra のモデル定義が入りました。リリースノート の記述は「既定モデルを変えず、モデルピッカーにも表示しない形で、API 経由の GPT-6 Astra の設定に対応した」というものです。約 3 時間後に公開された 0.153.2 では、Fast tier の表示文言が「2x speed, increased usage」へ修正されています。どちらも 2026 年 9 月 3 日 (協定世界時) の公開です。
ここで注意が要るのは、CLI がモデル名を受け付けることと、そのアカウントで実行できることが別だという点です。手元の v0.153.2 で ChatGPT アカウントのままモデル名を渡すと、起動はするものの最初のリクエストで次が返ります。
codex -m gpt-6-astra⚠ Model metadata for `gpt-6-astra` not found. Defaulting to fallback
metadata; this can degrade performance and cause issues.
{"type":"error","status":400,"error":
{"type":"invalid_request_error","message":"The 'gpt-6-astra' model
is not supported when using Codex with a ChatGPT account."}}1 行目の警告はモデル情報が CLI 側に届いていないことを示すだけで、判断材料になるのは 2 つ目の 400 です。エラー本文はサインイン方式を名指ししており、-m はモデルを選ぶ引数であって利用権を上書きする引数ではありません。
ここで原因を 1 つに決めつけないでください。公式ドキュメントは「利用できるかどうかは、ロールアウトの進み方・サインイン方式・クライアントによって決まる」と書いています。手元で観測できるのは 400 が返ることまでで、3 つのどれが効いているかはエラーからは分かりません。
モデルピッカーの表示も判定には使えません。0.153.1 の変更は「モデルピッカーに表示しない形で設定を受け付ける」ものなので、/model に並ばないことは提供が届いていない証拠になりません。
確認できるのは次の 3 点です。
codex --versionが 0.153.1 以降か。これより古ければモデル定義自体が入っていません- クライアントが対応しているか。公式のモデル一覧では Codex CLI と Codex IDE 拡張は対応、Codex cloud は非対応と記載されています
- サインイン方式を変えると通るか。API キー認証は、対象の組織にアクセス権がある場合にかぎり通ります
4 番目を選ぶ場合、料金の出どころが変わる点に注意してください。ChatGPT プランの利用枠ではなく API の従量課金になるため、入力 $10・出力 $50 がそのまま発生します。API キーをコマンドの引数に直接書くとシェルの履歴に残ります。入力を画面に出さずに受け取り、標準入力から渡してください。
codex login status
codex logout
# 入力した文字は画面に出ない。貼り付けて Enter
read -rs OPENAI_API_KEY && export OPENAI_API_KEY
printenv OPENAI_API_KEY | codex login --with-api-key
FIXITえっ、コマンドが通ったのに使えないの？
Tsumikiはい。手元では起動まで進んで、最初のリクエストで 400 が返りました。
FIXITじゃあ設定を直せば使えるってこと？
Tsumikiいえ、アカウントへの開放待ちです。CLI の設定では解決しません。
料金 — 単価より、割増が発生する条件を先に見る
API ドキュメント に載っている Standard の単価は次のとおりです。いずれも 100 万トークンあたりの金額です。
| 区分 | 単価 |
|---|---|
| 入力 | $10.00 |
| キャッシュ入力 | $1.00 |
| キャッシュ書き込み | $12.50 |
| 出力 | $50.00 |
この表だけでは実費を見積もれません。単価には、割増が 2 つと割引が 1 つかかるためです。
1 つ目は長い入力に対する割増です。入力が 272K トークンを超えるリクエストは、超えた分だけでなくリクエスト全体が入力とキャッシュ 2 倍・出力 1.5 倍で課金されます。コンテキストが 105 万トークンあるからといって漫然と流し込むと、境界を跨いだ瞬間に単価が跳ねます。リポジトリを丸ごと読ませる使い方では、まず実際の入力トークン数を測ってから設計してください。
2 つ目は Fast mode です。最大 2 倍の速度と引き換えに、該当レートの 2 倍で課金されます。272K 超の割増と重なると、入力は Standard の 4 倍になります。
3 つ目は Batch と Flex で、Standard の 50% です。即時性が要らない処理を寄せると、同じ作業量でも請求額が下がります。
加えて、トークン以外の課金も乗ります。組み込みツールを使うと、Web 検索が 1,000 回あたり $10 と検索結果のトークン代、ファイル検索が保管 1 GB あたり 1 日 $0.10 (1 GB まで無料) と呼び出し 1,000 回あたり $2.50、Hosted Shell と Code Interpreter がコンテナの大きさに応じて 20 分のセッションあたり $0.03 から $1.92 かかります。コンピュータ操作をエージェントに任せる使い方ほど、トークン単価だけの見積もりから離れていきます。
Claude Fable 5.1 との比較では、キャッシュを使わない入力と出力の単価が $10・$50 で一致します。ただしキャッシュ読み取りは Astra が $1、Claude Fable 5.1 が $0.25 で、同じ前置きを何度も読み直す使い方では差が開きます。差が出るのは 1 タスクを終えるまでに何トークン使うかで、実測しないと分かりません。切り替えを検討するなら、同じタスクを両方で流して課金額を比べてください。
API の仕様 — 対応するエンドポイントとツール
対応しているエンドポイントは Chat Completions・Responses・Batch の 3 つです。Realtime、Assistants、Fine-tuning、Embeddings、画像生成、動画、音声合成、文字起こし、Moderation の各エンドポイントには対応していません。音声を扱う実装からの素直な置き換え先にはならないので、既存の構成を先に確認してください。
エンドポイントとツールは別物です。専用の画像生成エンドポイントは対象外ですが、Responses API のツールとしての画像生成は使えます。Responses API で使えるツールは、Web 検索、ファイル検索、画像生成、Code Interpreter、Hosted Shell、Apply Patch、Skills、Computer Use、MCP、Tool Search です。ストリーミング、Structured Outputs、Function Calling、プロンプトキャッシュにも対応します。
reasoning.effort は low / medium / high / xhigh / max の 5 段階です。GPT-5.6 世代の設定値をそのまま流用せず、タスクごとに振り直してください。同じ high でも、GPT-5.6 Sol と Astra では消費する思考トークンが変わります。
レート上限は利用ティアで決まり、Tier 5 で 15,000 RPM・40,000,000 TPM、Batch のキュー上限が 150 億トークンです。無料ティアは対象外です。
公開時点で日付入りのスナップショットは用意されておらず、gpt-6-astra というエイリアスだけが提供されています。バージョンを固定して挙動を再現する運用は、いまのところ取れません。
ベンチマーク — スコアが伸びた領域と、伸びていない領域
公式発表には比較表が載っています。数値は effort を問わない最大値で、測定は研究環境または API で行われたものです。本番の ChatGPT はシステムプロンプトや利用できるツールが違うため、同じ結果になるとはかぎらないと注記されています。
コンピュータ操作 — 差が最も大きい領域
| ベンチマーク | GPT-6 Astra | GPT-5.6 Sol | Claude Opus 5 | Claude Fable 5 |
|---|---|---|---|---|
| OSWorld 2.0 | 72.6% | 65.7% | 70.2% | — |
| ScreenSpot-Pro | 92.7% | 76.9% | — | 87.3% |
| AutomationBench | 41.4% | 18.1% | 26.9% | 17.4% |
| BenchCAD | 95.9% | 83.3% | 82.1% | 67.5% |
スコア以上に目を引くのは所要時間です。OSWorld 2.0 のレイテンシ模擬では、Astra が 1 タスクあたり約 40 分で 72.6%、GPT-5.6 Sol が約 75 分で 65.7% でした。所要時間が約 47% 短くなっています。公式が示しているのはスコアと所要時間までで、消費トークンの増減は示されていません。出力トークンも減るなら 1 タスクあたりの実費で単価差の一部が相殺されますが、そこは自分で測る必要があります。
コーディング — 上回る指標と、並ぶ指標が混ざる
| ベンチマーク | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 |
|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 57.9% | 37.3% | 55.8% | 42.0% | 52.3% |
| DeepSWE v1.1 | 74.1% | 72.7% | 67.4% | 69.9% | 73.7% |
| FrontierCode 1.1 Main | 53.3% | 47.5% | 50.9% | 53.5% | 53.4% |
| Artificial Analysis Coding Agent | 67.0 | 65.1 | 67.2 | 68.1 | 61.2 |
Terminal-Bench 4.0 では Astra が首位ですが、FrontierCode 1.1 の Main split は Claude Fable 5 と Claude Opus 5 が上で、差は 0.2 ポイントに収まります。Artificial Analysis の Coding Agent Index では Astra が 3 番手です。
読み取れるのは、スコアの伸び幅が大きいのはターミナル操作を伴うエージェント作業だという点です。コードを書く力そのものは、Claude 勢と拮抗しています。Claude Fable 5.1 の変更点 と合わせて見ると、どちらを常用にするかは、ターミナル操作を伴う作業かどうかで決まります。
総合的な知性の指標では Claude 勢が上に残る
| ベンチマーク | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|
| Artificial Analysis Intelligence v4.1.1 | 61.2 | 60.9 | 65.7 | 63.1 |
| Humanity's Last Exam (ツール併用) | 57.2% | — | 65.0% | 63.6% |
| FrontierMath Tier 4 (v2) | 97.6% | 83.0% | 87.8% | 73.2% |
| GPQA Diamond | 96.0% | 94.6% | 93.7% | 93.7% |
数学と科学の難問では Astra が明確に上回ります。一方、Artificial Analysis の総合指数では GPT-5.6 Sol とほぼ同じ水準にとどまり、Claude Fable 5.1 と Claude Opus 5 が上です。Humanity's Last Exam も Claude 勢が上に残ります。
つまり全域で置き換わったわけではありません。エージェントとして手を動かす作業でスコアが伸び、汎用的な推論の指標では横ばいというのが、公表値から読める形です。
ARC-AGI-3 の 99.9% は測り方に依存する
公式表には ARC-AGI-3 が 99.9% と載っています。この数字には注記が要ります。ARC Prize の検証結果 では、提供元を問わない Standard ハーネスでの Astra は 62.7%、OpenAI 独自のアダプタを使った場合が 99.9% でした。
| ハーネス | スコア | 実行コスト |
|---|---|---|
| Standard | 62.7% | $26,098 |
| Provider Adapter | 99.9% | $18,817 |
差の原因は推論の状態をリクエスト間でどう扱うかです。Standard は、モデルが自分で残すと決めたノートだけを持ち越します。Provider Adapter は不透明な推論状態をそのまま保持し、対話が長くなると圧縮を併用します。ARC Prize の計測では、両方が解けた 167 組において Provider Adapter のほうが約 3.66 倍速く、総トークン数は 49% 少なくなりました。
62.7% でも同ベンチマークの最高値なので、能力が低いという話ではありません。読み方として押さえるべきなのは、この数字がモデル単体ではなくモデルと周辺実装を合わせた結果だという点です。自社の実装に置き換えたときに、この差が同じ比率で再現するとはかぎりません。
Codex の変更点 — 圧縮せずにノートを持ち越す
Astra の公開に合わせて、Codex 側のハーネスも更新されました。公式発表は Mind2Web ベンチマーク上で、現行の GPT-5.6 Sol 環境と比べてタスク完了が 1.9 倍速くなったとしています。
仕組みとして変わったのはコンテキストの扱いです。これまでは、コンテキストウィンドウが埋まると要約による圧縮を行っていました。圧縮のたびに「なぜ修正が失敗したか」「部品がどう振る舞うか」が失われていきます。Astra ではコンテキストウィンドウをまたいでノートを保持し、以前のウィンドウも検索できる状態で残ります。ノートに書かれていない要件やテスト結果でも、過去のメッセージとツール出力から探せます。
この機能は既定で無効です。有効にするには config.toml に次を書いて、新しいタスクを開始します。
[features.context_management]
experimental_mode = true使える条件が付いている点に注意してください。公式ドキュメントは、ChatGPT の Plus・Pro・Pro Lite でサインインしている場合に限ると書いており、Business・Enterprise・API キー認証では公開時点で使えないと明記しています。対応するのは Codex のクライアントのうち、CLI・IDE 拡張・デスクトップアプリです。数週間のうちに Astra の既定になると案内されています。
長時間のリファクタリングやデバッグを Codex に任せている場合、圧縮による情報の欠落が減る方向の変更です。
Codex と Claude Code の使い分けについては Claude Code と Codex の実務比較 に整理しています。2 つを同時に動かす構成は Orca orchestration の記録 にまとめました。
サイバーセキュリティで初の Critical 判定 — 断られる作業と、タスクが途中で止まる仕組み
Astra は OpenAI の Preparedness Framework で、サイバーセキュリティが初めて Critical に達したモデルです。Critical は、配備前だけでなく開発中にも保護措置を要求する水準です。
公表されている評価値は次のとおりです。ExploitBench と ExploitGym は、公式発表が本番の安全機構を外した状態での測定だと明記しています。SRE-Bench はバイナリを逆アセンブルして中核のロジックを読み解けるかを測る別種の評価で、測定条件の記載は公開資料で確認できませんでした。
| ベンチマーク | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| ExploitBench | 100.0% | 78.5% |
| ExploitGym | 42.4% | 30.3% |
| SRE-Bench | 88.0% | 55.9% |
SRE-Bench の値は 1 回で解けた割合です。独立した 4 回の試行のいずれかで解けた割合は、Astra が 99.2%、GPT-5.6 Sol が 68.7% になります。
評価の過程で、Astra が未知のゼロデイ脆弱性を 2 件発見し、攻撃の連鎖に組み込んで使ったことも公表されています。システムカードの記述は「2 件をメンテナへ開示する手続きを進めている」であり、開示が完了したとは書かれていません。
実務で押さえるべき点は 4 つあります。
1 つ目は、一般提供されている版が踏み込んだサイバー系の依頼を断ることです。脆弱性の実証コード作成は対象外で、扱えるのはセキュアコードレビューやパッチ適用までです。制限を緩めた運用は OpenAI Daybreak を通じて数週間かけて広げると案内されています。
2 つ目は、安全チェックが正当な作業を止める場合があることです。公式発表は「タスクが ChatGPT や Codex で一時停止した場合、続行前に操作の確認を求められることがある。API ではタスクが停止する」と明記しています。バッチ処理や夜間実行に組み込むなら、停止の検知と再開の手順を先に決めてください。
3 つ目は監査の粒度です。OpenAI 自身が、システムカード と公式発表で、Astra の書かれた推論は GPT-5.6 Sol より監視しにくくなったと認めています。理由として、簡単なタスクでは書き出す推論を自分で制御できるようになったことと、より少ない手数で解けるようになったことが挙げられています。モデルの推論を追う前提で統制を組んでいる場合は、実行ログとツール呼び出しの記録を、モデル側の説明とは独立に残す設計へ寄せてください。
4 つ目はデータの扱いです。公式発表は、対象となる API 顧客向けにゼロデータ保持へ対応すると書いています。あわせて、安全性の監視を強化しながら顧客のプライバシーを保つ Private Safety Processing を試験中だとしています。国内の受注要件でデータ保持の条件が問われる場合は、対象顧客の条件を先に確認してください。
AI 駆動開発の現場でどう扱うか
ここまでの数値をふまえると、いま決められるのは次の 3 点です。
まず、常用モデルを丸ごと入れ替えるのは、まだ早い段階です。総合指数では GPT-5.6 Sol と横ばいで、Claude Fable 5.1 と Claude Opus 5 が上に残ります。コード生成そのものの差も小さく、単価は Claude Fable 5.1 と同じです。
次に、コンピュータ操作を含む業務にはすぐ試す価値があります。フォーム入力、CRM の更新、ブラウザ越しの調査といった作業では、スコアと所要時間の両方で差がついています。これまで連携用の実装を作り込まないと自動化できなかった作業が、画面操作のまま任せられる可能性があります。
最後に、長い入力を扱う処理は設計から見直す対象です。105 万トークンのコンテキストと、512K から 1M の帯域で 96.3% という MRCR v2 の参照精度は、分割前提で組んでいたパイプラインを単純にします。ただし 272K を超えると請求額が跳ねるため、分割をやめる判断は実測してから行ってください。
FIXIT結局、いま何から試すのがいいの？
Tsumiki画面操作を伴う業務です。公表値でスコアの差が一番開いていました。
FIXITじゃあ、乗り換えるかはどう決めればいいの？
Tsukasa判断の軸は 1 タスクあたりの実費です。単価だけで比べると選定を誤ります。
まとめ
GPT-6 Astra は 2026 年 9 月 3 日に公開され、数日かけて ChatGPT の各有料プラン、OpenAI API、Microsoft Azure、AWS Bedrock へ広がります。API のモデル ID は gpt-6-astra、単価は入力 $10・出力 $50 で、272K を超える入力にはリクエスト全体への割増が乗ります。
伸びた領域はコンピュータ操作、ターミナル操作を伴うエージェント作業、数学と科学の難問、そしてサイバーセキュリティです。一方で汎用的な推論の総合指標は GPT-5.6 Sol と横ばいで、Claude Fable 5.1 と Claude Opus 5 が上に残ります。ARC-AGI-3 の 99.9% は独自アダプタ前提で、中立のハーネスでは 62.7% でした。
Codex CLI でモデル名を指定して 400 が返る場合、原因はアカウントへの開放待ちです。CLI の設定では解決しません。急ぐなら API キー認証に切り替えられますが、料金の出どころがサブスクリプションから従量課金へ変わります。
モデルの選定と AI 駆動開発の進め方については AI 駆動開発 大全 にまとめています。自社のプロダクトにどう組み込むかを具体的に詰めたい場合は、お問い合わせ からご相談ください。