GPT-6 Astra登場、コンピュータ操作で72.6% ー OpenAIが名指しした業務は、コンタクトセンターの後処理そのものだった

https://openai.com/index/gpt-6-astra/

OpenAIは2026年9月3日（現地時間）、新モデルGPT-6 Astraのロールアウトを開始した。同社はこのモデルを「長年の研究と大きな賭けの成果（years of research and big bets）」と説明している。売りは推論性能そのものよりも、コンピュータ操作（computer use）である。

公式Xの一文が、このモデルの性格をいちばん短く言い表している。「This is GPT-6 Astra. Anything you can do on a computer, Astra can do for you. Fast.（これがGPT-6 Astraだ。コンピュータでできることは何でも、Astraがあなたの代わりにやる。速く。）」

https://twitter.com/OpenAI/status/2095595741528125780

クローズドの記者ブリーフィングで、Greg Brockmanはセッションを「Welcome to the AGI era.（AGIの時代へようこそ）」という言葉で締めくくったと報じられている。

彼はAstraを「generational leap（世代を画する飛躍）」と呼び、数年後に振り返ったとき、AGIが生まれた時期として今回が挙げられるかもしれない、とも述べている。一方でSam Altmanは同じ取材に対し、次世代のモデル群は誰にとっても「sobering（身の引き締まる）」ものになるだろうと語っている。

当ラボが気にしているのは、AGIかどうかの定義論ではない。OpenAI自身が挙げた業務例が、フォーム入力、CRMレコードの更新、カレンダー整理、Web調査から文書やメールへの落とし込みだったという点である。これはコンタクトセンターの後処理（ACW）と業務システム操作そのものだ。しかもAPI連携ではなく、人と同じ画面を操作して行うという。センターの後処理は、連携開発ではなく画面操作で自動化される時代に入るのか。筆者の立場は先に書いておく。手段は揃い始めた。だが実行範囲を決めるのはモデルの賢さではなく、権限・巻き戻し・監査ログという統制の設計である。

この記事の要点

• OpenAIが挙げたAstraの業務例は、コンタクトセンターの後処理と業務システム操作に重なる。API連携が前提だった自動化の対象範囲が、画面操作によって広がる可能性がある

• ただし数値には留保が付く。主要ベンチマークはOpenAI自社ハーネス上の測定で、ARC-AGI-3は第三者検証と大きく食い違う

• CX・コンタクトセンターのベンダー各社によるAstra対応表明は、本稿執筆時点では確認できていない

何が発表されたか ー 提供・価格・ベンチマーク

提供はまず限定された組織から始まる。サイバー防御向けの応募制プログラム「Daybreak」（OpenAIヘルプセンターの表記ではTrusted Access for Cyber）に参加する企業群が最初のアクセスを得るとCNBCは報じている。この版では一般的なサイバー防御業務に用途が限定され、エクスプロイトの開発など攻撃に転用しうる作業は許可されない。

その後、数日のうちにChatGPTのPlus・Pro・Business・Enterprise、そしてOpenAI APIとAWSへ広がると公式Xは告知している。

Microsoft Foundryでの提供も同社ブログで案内されている。

モデルの仕様は公開されている。OpenAIのAPIドキュメントによれば、モデルIDはgpt-6-astraで、コンテキストウィンドウ1,050,000トークン・最大出力128,000トークン・ナレッジカットオフ2026年4月30日である。

価格は上がった。X上の投稿によれば、入力100万トークンあたり10ドル・出力50ドルで、GPT-5.6 Solの2.5倍、AnthropicのFable 5.1と同額である。

ベンチマークは以下のとおり。コンタクトセンターの観点でいちばん重いのは、いちばん上のOSWorld 2.0である。

数字を読む前に、留保を3つ置く。第一に、これらの評価はOpenAI自社のResponses APIハーネス上で行われており、比較対象のモデルは別の構成で動作しうるため、ベンチマークをまたいだ直接比較には影響が出るとThe New Stackは指摘している。

第二に、ARC-AGI-3の差である。OpenAIの自社発表は98.6%だが、ARC Prize側の検証では標準ハーネスで62.7%、Provider Adapterハーネスで99.9%と、ハーネスの違いだけで結果が大きく振れている。

The New Stackはこの件について、スコアよりも付随する注記のほうが重要だという趣旨の分析記事を出している。

第三に、表中の競合モデルのスコアは「リーク」と銘打った媒体経由であり、公式資料での裏取りはできていない。