GPT-6 Astraとは？GPT-5.6 Solからの進化とClaude Fable 5.1との違いを実際に検証

GPT-6 Astraとは？GPT-5.6 Solからの進化とClaude Fable 5.1との違いを実際に検証

2026年9月3日（米国時間）、OpenAIが次世代モデル「GPT-6 Astra」を公開しました。

話題の中心はベンチマークですが、実務で先に効いてくるのは料金です。API料金は入力10ドル・出力50ドル（100万トークンあたり）で、前世代のGPT-5.6 Solから2.5倍に上がりました。一方で、同じ仕事をこなすのに使うトークン数は大きく減っており、「単価は上がったが、タスクあたりでは安くなる」という、これまでとは違う見方が必要になっています。

そしてもう一つ、無視できないのが発表のタイミングです。Anthropicはその2日前の9月1日に「Claude Fable 5.1」を公開しており、両者はAPI単価が完全に同額です。本記事では、GPT-6 AstraがGPT-5.6 Solから何が変わったのかを整理したうえで、Fable 5.1との違いを公式数値と第三者評価で比較し、最後にFable 5.1の検証記事とまったく同じタスクをGPT-6 Astraに実行させた結果まで含めて検証します。

なお、GPT-5.6の基礎（Sol・Terra・Lunaの違い、max／ultra、ChatGPT Work）は、別記事「GPT-5.6、5.5との違いや新機能を実際に使ってみた」で整理しています。

GPT-6 Astraとは（要点だけ）

GPT-6 Astraは、OpenAIがGPT-5.6 Solの後継として公開したフラッグシップモデルです。OpenAIは、コンピュータ操作・プロフェッショナルワーク・ソフトウェアエンジニアリング・サイバーセキュリティ・科学の5領域で世代交代と位置づけています（OpenAI公式）。

コンテキストウィンドウは105万トークン、最大出力は12万8,000トークン、知識のカットオフは2026年4月30日です。入力はテキストと画像、出力はテキストのみで、推論レベルはlow／medium／high／xhigh／maxの5段階から選べます（OpenAI APIモデルページ）。

利用できるのはChatGPTのPlus・Pro・Business・Enterprise、API、Microsoft Azure、AWS Bedrockです（Fable 5.1はClaude API、AWS、Google Cloud、Microsoft Foundryで提供）。Pro以上のプランには上位版の「GPT-6 Astra Pro」も用意されています。Enterpriseでは初期状態でオフになっており、管理者が有効化する必要があります（OpenAI公式）。

GPT-5.6 Solから何が変わったのか

賢さ：PC操作とコーディングの伸びが最も大きい

OpenAIが公表したベンチマークで、前世代からの伸びが特に大きいのはPC操作とターミナルでのコーディングです（OpenAI公式）。

数値以上に実務で効くのは処理時間です。OSWorld 2.0では1タスクあたりの所要時間がGPT-5.6 Sol比で約47%短縮され、Web操作ベンチマークのMind2Webでは新しいCodexハーネスと組み合わせて1.9倍の速度でタスクを完了しています。Codexでは、コンテキストウィンドウをまたぐ長い作業を圧縮するのではなく「検索可能なメモ」として保持する仕組みが入り、長時間のリファクタリングやデバッグでの文脈維持が改善されました（@IT）。

コスト：単価は2.5倍、ただしトークン効率で相殺される

出典：OpenAI APIモデルページ

GPT-5.6 Solとの比較では2.5倍の水準です（ビジネス+IT）。ただし、第三者評価機関のArtificial Analysisによる独立ベンチマークでは、Astraは同じ評価を回すのに使う出力トークンが少なく、単価の上昇分をかなり相殺しています。この点は次章のFable 5.1との比較で詳しく扱います。

安全対策：サイバー能力が初の「Critical」判定

GPT-6 Astraは、OpenAIのPreparedness Frameworkでサイバーセキュリティ能力が初めて「Critical」と判定されたモデルです。未知の脆弱性を人の指示なしに発見し、攻撃手法を開発できる水準とされています（OpenAI Safety overview）。評価中に実際に未知のゼロデイ脆弱性を2件発見したことも公表されており、一般提供版では高度な攻撃コードの生成を拒否する制限がかかっています（OpenAI公式）。

同時にOpenAIは、AstraがGPT-5.6 Solより自身の思考過程（chain of thought）を制御でき、敵対的な条件下では監視を回避しうるため「監視可能性が下がった」と明記しています。一方で、5万4,000件超の社内Codexタスクを使ったシミュレーションでは、重大度の高い不整合行動のフラグ数がSolの約半分だったとしています（同上）。

変更点まとめ（GPT-5.6 Sol → GPT-6 Astra）

GPT-6 AstraとClaude Fable 5.1の違い

Claude Fable 5.1は、Anthropicが2026年9月1日に公開した最上位モデルです。Astraとは2日差での発表で、API単価も同額のため、比較対象として最も意識される存在です。Fable 5.1の詳細は「Claude Fable 5.1で何が変わった？」で扱っています。

料金は同額、差は「キャッシュ価格」と「トークン効率」

出典：OpenAI APIモデルページ／Anthropic公式

表面上の単価はキャッシュ読み込みでFable 5.1が有利です。ただし、Artificial Analysisの独立ベンチマークでは別の景色が見えます。両者はIntelligence Indexで53点の同点1位でしたが、同じ評価を回すのにかかったコストはAstraが3.26ドル、Fable 5.1が7.63ドル。出力トークン数がAstra約2万7,000に対しFable 5.1約7万8,000と、Astraは約3分の1のトークンで同水準の結果を出しています（Artificial Analysis）。

一方、同じ評価でAstraは知識労働系のGDPval-AA v2で前世代より約45 Elo下がっており、推論ターンを少なくした分、じっくり考える種類の業務では弱さも指摘されています。「繰り返し同じ文脈を読むエージェント」はFable 5.1のキャッシュ価格が、「1回の処理を短く終えるタスク」はAstraのトークン効率が効く、という整理が現時点では妥当です。

ベンチマーク：コーディングは僅差、科学・数学・設計はAstraがリード

OpenAIが発表資料内で示したFable 5.1との比較です（OpenAI公式／OpenAI「for work」発表）。

※OSWorld 2.0はOpenAI側の測定値（v2026.08.08、オフラインセット、partialスコア）です。Anthropic公式はFable 5.1を「partial 77.9%／strict 41.7%」と公表しており、同じpartialでも数値が一致しないため、評価セットや条件が異なるものとして単純比較はできません。なお、Terminal-Bench 4.0（55.8%）とTerminal-Bench Science（52.6%）のFable 5.1の数値は、Anthropic自身の公表値と一致しています。

安全対策の設計思想が違う

企業導入で見落とされがちなのが、リスク管理の設計の違いです。OpenAIは1つのモデルの中でセーフガードをかけ、Enterpriseは既定でオフにする方式を取りました。Anthropicは同じモデルを2段階に分け、一般提供のFable 5.1は攻撃コード生成やペネトレーションテストを遮断し、制限を緩めたMythos 5.1は審査を通過した米国の組織のみに提供しています（Anthropic公式）。

両社とも「思考過程が以前より監視しにくくなった」ことを公式に開示している点は共通です（OpenAI Safety overview／ITmedia NEWS）。エージェントとして自律的に動かす用途では、モデル選定と同じくらい、承認フローと実行ログの監視を設計に組み込むことが重要になります。

実際に検証してみた

公式のベンチマークだけでは、実際の業務でどこまで使えるかは分かりません。そこで、Fable 5.1の検証記事とまったく同じ2つのタスクをGPT-6 Astraに実行させ、同じ評価軸で比べました。ひとつは複数ファイルにまたがるコードの根本原因デバッグ、もうひとつは情報が不足した曖昧な依頼への判断です。

いずれもChatGPTでGPT-6 Astraを選択し、推論レベルは「中（medium）」で実行しています。Fable 5.1の検証も既定のMedium effortで行っているため、両者は同じ条件です。

検証1：複数ファイルにまたがるコードの根本原因デバッグ

一度の回答ではなく、複数ファイルにまたがる不具合の根本原因を突き止め、対症療法ではなく根本を直せるかを確かめます。Terminal-Bench 4.0で前世代から20ポイント伸びた「コードの理解と修正」の実力を、業務に近い形で見る検証です。

わざと、クラス属性の共有という気づきにくいバグを仕込んだ2ファイルのコードを渡し、原因特定・修正・テスト追加・根拠説明を依頼しました。プロンプトはFable 5.1の検証と同一です。

入力したプロンプト

あなたは、Pythonのコードレビューを担当するシニアエンジニアです。

以下の2つのファイルからなる簡易なショッピングカートで、「あるユーザーがクーポンを使うと、その後に会計する別のユーザーにも、使っていないはずの同じ割引が適用されてしまう」という不具合が報告されています。

```python

discount.py

COUPONS = {"SAVE500": 500, "SAVE1000": 1000}

class DiscountEngine: applied_coupons = [] def add_coupon(self, code): self.applied_coupons.append(code) def total(self, subtotal): discount = sum(COUPONS.get(c, 0) for c in self.applied_coupons) return max(0, subtotal - discount) ```

```python

cart.py

from discount import DiscountEngine class Cart: def init(self, user): self.user = user self.engine = DiscountEngine() self.items = [] def add_item(self, price): self.items.append(price) def checkout(self, coupon=None): if coupon: self.engine.add_coupon(coupon) subtotal = sum(self.items) return self.engine.total(subtotal) ```

次の順で対応してください。①根本原因の特定 ②症状を隠さず根本原因を修正した完全なコード ③この不具合を検出できる自動テストの追加 ④その原因だと判断した根拠の説明。

なお、与えられていない仕様は追加せず、推測は「仮定」と明記し、症状を一時的に隠すだけの対症療法にはしないでください。追加の質問はせず、不足情報は仮定または確認事項として明示したうえで進めてください。

生成された回答（要点）

GPT-6 Astraは、根本原因を「DiscountEngine.applied_coupons がすべてのインスタンスで共有されるクラス属性のリストになっている点」と特定しました。self.applied_coupons.append(code) がインスタンス専用のリストを作らず共有リストを変更するため、別のユーザーの DiscountEngine にもクーポンが反映される、と説明しています。

特徴的だったのは、回答の冒頭で「提示コードのインデント崩れや \_、**init** は転記時の表記崩れとみなし、通常のインデント、_、__init__ として扱う」と仮定を明示した点です。貼り付け時に崩れた記法を黙って補正するのではなく、仮定として宣言してから進めています。

修正は discount.py のみで、クーポンのリストを __init__ で生成してインスタンスごとに所有させる形にしました。cart.py は変更していません。「会計時に共有リストを消去する対症療法ではなく、状態の所有先を修正している」と、自ら対症療法との違いを説明しています。

# discount.py（修正）
class DiscountEngine:
    def __init__(self):
        self.applied_coupons = []   # インスタンスごとに独立させる

テストは、クーポン使用前から存在する別カートと、使用後に作成される別カートの2ケースを用意し、「修正前は両方とも失敗し、修正後は両方とも成功した」と報告しています。最後に確認事項として、同じカートでの再会計・クーポンの重複使用・未知のコードの扱いは仕様が未提示のため既存動作を変更していない、と切り分けています。

なお、Astraが報告した「修正前は失敗、修正後は成功」という結果は、Moji側でも同じコードとテストをローカルで実行して再現できることを確認しました。

評価

バグ自体は典型例ですが、貼り付け時の表記崩れを黙って補正せず仮定として明示した点と、対症療法との違いを自ら説明した点は、業務でのコードレビューに近い振る舞いでした。

Fable 5.1との比較（同一プロンプト）

結論は同じで、修正範囲も同じです。差が出たのは周辺で、Fable 5.1はテストと裏づけが一段厚く、Astraは入力の不備を仮定として宣言する慎重さが目立ちました。このタスクの難度では、どちらを選んでも実務上の差はほとんどありません。

検証2：情報が不足した曖昧な依頼への判断

前提が足りない依頼に対して、それらしい数値をでっち上げずに、仮定と確認事項を切り分けて整理できるかを確かめます。第三者評価で「Astraは知識労働系でやや弱い」という指摘があるため、差が出やすいと見込んだ検証です。プロンプトはFable 5.1の検証と同一です。

入力したプロンプト

あなたは、生成AIの導入を支援するコンサルタントです。クライアントから「社内の問い合わせ対応をAIで効率化したい。費用対効果もあわせて示してほしい」とだけ依頼されました。現時点で共有されているのは業種（BtoBソフトウェア企業）のみで、問い合わせ件数・対応人数・平均対応時間・予算などは未共有です。

この条件で、①現時点で提案できる効率化の方向性 ②費用対効果を試算するための前提とその置き方 ③提案を確定させる前にクライアントへ確認すべき事項、を作成してください。

なお、与えられていない数値は事実として断定せず、試算のために置く場合は「仮定」と明記し根拠も添えてください。確認できていない数字を実データのように書かず、追加の質問はせず、不足情報は仮定または確認事項として整理してください。

生成された回答（要点・抜粋）

GPT-6 Astraは冒頭で、「現時点では『対象業務を絞った小規模な検証』と『条件付きの費用対効果試算』までを提案できる」と回答の射程を宣言し、「以下の数値はすべて説明用の仮定であり、実績や業界平均ではありません」と断ってから本題に入りました。

効率化の方向性は、社員向けの自己解決支援・対応担当者の回答支援・受付／振り分けの支援・ナレッジの改善の4つに整理し、初期段階では規程変更や権限付与の実行まで自動化せず、検索・案内・回答案の作成に絞る設計を示しています。

費用対効果は、各仮定に「置き方の根拠・更新方法」を添えた表で提示しました。

この前提での試算は、月間削減時間50時間、月間純便益5万円、初年度ROI 0%、回収期間12か月です。さらに自己解決率だけを動かした感度分析を添え、15%なら月間純便益はマイナス2.5万円で「回収できない」、45%なら4.8か月で回収、と幅を示しています。

そのうえで「時間の金額換算は、そのまま現金支出の削減を意味しません」と明記し、残業・外注・追加採用が減る分は「支出削減」、既存社員の時間が空く分は「業務余力の創出」として分けて示す、と釘を刺しています。確認事項は10項目を「提案・試算への影響」とセットで表にし、本導入の判断は確認と小規模検証を経て行う、と結んでいます。

なお、Astraが示した試算値（50時間、5万円、ROI 0%、12か月、感度分析の3行）はすべてMoji側で再計算し、一致することを確認しました。

評価

数値をすべて仮定と明示し、ROIが出ない条件まで正面から示す進め方は、Fable 5.1と同じ方向性でした。Astraはそれに加えて「時間削減は現金削減ではない」という、実務でよく起こる誤解を先回りして潰しており、コンサルの初回提案として完成度の高い回答です。

Fable 5.1との比較（同一プロンプト）

ここでも結論の方向性は同じでした。差が出たのは、Fable 5.1が「依頼そのものの解釈」を疑って分岐を示したのに対し、Astraは解釈を一つに置いて、その中で「時間換算と現金削減の違い」まで踏み込んだ点です。第三者評価で指摘された「Astraは知識労働系でやや弱い」という傾向は、この検証では出力の薄さとしては表れず、むしろコンパクトさが利点になりました。一方で、解釈の分岐を自ら提示する慎重さはFable 5.1に一日の長がありました。

いつGPT-6 Astraを選ぶべきか

公式ベンチマークと第三者評価、今回の検証を合わせると、Astraの強みが出やすいのは次のケースです。

• APIのない社内システムや業務アプリを画面操作で自動化したい業務（PC操作性能と所要時間の短縮が効く）
• 長時間にわたるコードのリファクタリングや障害対応（Terminal-Bench・SRE-Benchの伸びが大きい）
• 数式や設計データを扱う技術検証（FrontierMath・BenchCADでリード）
• 同じ品質をより少ない出力トークンで回したいエージェント運用

一方で、短いQ&Aや定型文の生成など1回のやり取りで完結する業務では、入力10ドル・出力50ドルという単価に見合う差は出にくく、下位モデルで十分なケースが大半です。また、同じ文脈を繰り返し読み込むエージェント運用ではFable 5.1のキャッシュ価格が効くため、ワークロードの形で選ぶのが現実的です。

まとめ

GPT-6 Astraは、PC操作・ターミナルでのコーディング・科学計算でGPT-5.6 Solから明確に進化し、単価は2.5倍に上がったものの、トークン効率でその多くを相殺するモデルです。2日差で公開されたClaude Fable 5.1とはAPI単価が同額で、公式数値ではコーディングは僅差、科学・数学・設計ではAstraがリード。第三者評価では総合点で並び、タスクあたりコストではAstra、キャッシュ単価と知識労働ではFable 5.1に分があります。

同一プロンプトでの実機検証では、コードの根本原因デバッグは両者とも正確で、修正範囲も同じでした。曖昧な依頼への判断でも、数値をすべて仮定と明示し、ROIが出ない条件まで正面から示す進め方は共通です。差が出たのは周辺で、Fable 5.1は依頼の解釈の分岐を自ら示す慎重さとテストの厚さ、Astraは入力の不備を仮定として宣言する姿勢と、「時間削減は現金削減ではない」まで踏み込むコンパクトな回答が特徴でした。今回の2タスクの難度では、実務上の優劣はつきません。

どちらを選ぶかは、性能の優劣ではなく、業務が「画面操作や長時間の開発タスク」寄りか「深い推論を重ねる資料作成・分析」寄りか、そして同じ文脈を何度読み直すかで判断するとよいでしょう。 いずれのモデルも自律動作時の監視のしにくさを公式に開示している以上、導入時は承認フローとログ監視をセットで設計することをおすすめします。

FAQ

Q. GPT-6 AstraはGPT-5.6 Solから何が変わった？ A. PC操作（OSWorld 2.0：65.7%→72.6%、所要時間約47%減）とターミナルでのコーディング（Terminal-Bench 4.0：37.3%→57.9%）の伸びが最も大きく、数学・科学・運用系のベンチマークも大きく改善しました。API料金は約2.5倍に上がっています。

Q. GPT-6 AstraとClaude Fable 5.1、料金はどちらが安い？ A. 入力10ドル・出力50ドル（100万トークンあたり）で同額です。キャッシュ読み込みはFable 5.1が0.25ドル、Astraが1ドル。第三者評価では、Astraは出力トークンが約3分の1で済み、タスクあたりのコストは低い結果が出ています。

Q. ChatGPTの無料プランで使える？ A. 公式発表では提供対象はPlus・Pro・Business・Enterpriseとされており、無料プランでの提供は記載されていません。

Q. サイバーセキュリティ用途で使える？ A. 一般提供版は、高度な攻撃コード生成を拒否する制限がかかっています。脆弱性の発見など防御目的での提供拡大は、別プログラムで検討されていると発表されています。

AI活用の相談、まずは無料で

GPT-6 AstraやClaude Fable 5.1をどの業務に当てるべきか、PoCの進め方や開発体制など、貴社の状況に合わせてご提案します。

無料相談する