GPT-6 Astra 发布：智能不再第一，Agent 能力登顶
日文长帖拆解 Astra 的 benchmark：纯智力仍输 Claude，但 AutomationBench、OSWorld 2.0 大幅领先，ARC-AGI-3 靠 harness 从 62.7% 冲到 99.9%。
OpenAI、また競争軸を変えてきた🔥 GPT-6 Astraが発表されました。 今回、個人的に一番重要だと思うのは、 「GPT-6がどれだけ賢くなったか」ではなく、 AI競争が 「一番賢いモデルを作る競争」 から 「一番仕事を完遂できるAgentを作る競争」 へ本格的に移り始めたこと。 まず面白いのが、純粋な知能ではAstraが圧勝しているわけではない。 Artificial Analysis Intelligence Indexでは、 Claude Fable 5.1：65.7 Claude Opus 5：63.1 Claude Fable 5：62.1 GPT-6 Astra：61.2 GPT-5.6 Sol：60.9 Gemini 3.8 Flash：58.7 まだAnthropicが上。 つまり、 GPT-6 = 世界で一番賢いLLM ではない。 にもかかわらず、Agent系BenchmarkではAstraがかなり強い。 AutomationBench GPT-6 Astra：41.4% Claude Fable 5.1：31.4% Claude Opus 5：26.9% GPT-5.6 Sol：18.1% GPT-5.6 Solから2倍以上。 OSWorld 2.0でも、 GPT-6 Astra：72.6% Claude Opus 5：70.2% GPT-5.6 Sol：65.7% でトップ。 つまりAstraの進化は、 「IQが猛烈に上がった」 というより、 「賢さを使って最後まで仕事をやり切る能力が猛烈に上がった」 と見る方が近い。 そして象徴的なのがARC-AGI-3。 GPT-6 Astra：99.9%🤣 ただし、 「AGIが99.9%完成した」 という意味ではありません。 ARC-AGI-3は未知のゲーム環境にAIを放り込み、 動く ↓ 観察する ↓ ルールを推測する ↓ World Modelを作る ↓ ゴールを推定する ↓ 計画・実行する ↓ 失敗したら修正する という能力を見るBenchmark。 要するに、 知らない世界に入ったAIが、 自分でルールを理解して攻略できるか？ これ、まさにAgentです。 さらに面白いのが、 Standard Harness：62.7% ↓ OpenAI Provider Adapter Harness：99.9% 同じモデルなのに、です。 大きな違いが、 Memory Context Reasoning State Compaction Tool Loop つまり、 AIが途中で何を考え、 何を試し、 何に失敗し、 何を学んだのか を長時間維持できること。 ここがものすごく重要。 これまでAIの能力は「Model性能」で語られることが多かった。 でもAgent時代は違う。 Agent Capability Model × Memory × Context × Tools × Computer Use × Planning × Error Recovery になっていく。 実際Astraは、同じモデルでもAgent Systemを変えるだけで、 62.7% ↓ 99.9% まで上がった。 かなり象徴的です。 昨日までのAI競争は、 「誰が一番賢いFoundation Modelを作れるか」 というResearch Labの戦いでした。 でもGrok 4.6では、 Researcher × Compute × Data × RL × Product Feedback Googleでは、 Research → Model → Product → Feedback → 次のModel という「AI Model Factory」の競争が始まっている。 そしてGPT-6 Astraを見ると、 さらにその先が見えてくる。 それが、 「AI Agent Factory」 最強のModelを作るだけでは足りない。 長期Memoryを持たせる。 Computerを使わせる。 Webを使わせる。 Softwareを操作させる。 失敗から復帰させる。 複数Toolを使わせる。 数十分、数時間、その先まで目的を忘れず仕事を続けさせる。 ここまで含めて一つのAIシステムになる。 だから今後の競争は、 誰のAIが一番賢いか？ だけではなく、 誰のAIが一番長く、 一番少ない人間の介入で、 一番複雑な仕事を、 最後まで完遂できるか？ になっていくと思う。 競合のポジションも面白い。 Anthropic： 純粋な思考力、Coding、長時間の複雑な問題解決。 OpenAI： Agent、Computer Use、End-to-End Work。 Google： 十分高い知能を圧倒的なSpeed × Costで大量に回す。 xAI： 高性能モデルを低価格で提供しながら、Data × Compute × Agent RLを高速に回す。 みんな同じLLMを作っているように見えて、 少しずつ勝ち筋が分かれてきた。 今回のAstraを見ると、OpenAIが狙っている場所はかなり明確です。 GPT-4： 人間と会話するAI。 GPT-5： 人間と一緒に高度な知的作業をするAI。 GPT-6 Astra： 人間から仕事を受け取り、 自分で考え、 Toolを使い、 最後まで仕事を終わらせるAI。 Chatbot ↓ Copilot ↓ Agent ↓ AI Worker への移行。 今回のGPT-6で重要なのは、 Benchmarkの数ポイントではないと思っています。 「AIに何分仕事を任せられるか」 この時間が、 数分 ↓ 数十分 ↓ 数時間 ↓ 数日 と伸びていく。 ここが本丸。 AI競争、 Research Labの戦いから AI Model Factoryの戦いへ。 そして次は、 AI Workerを大量生産する Agent Factoryの戦いへ🔥 この流れ、かなり面白くなってきました！ PS: 英国にいってる間に次々と新モデルが… マジでキャッチアップするのも一苦労😂 ワークフロー環境も見直しが必要そうだな…