Astraは「やる量」を減らした。それが売りであり、そのまま不満でもある

Astraが一般提供されてからおよそ2週間。ローンチ時のベンチマークとユーザーの不満が同じ週に出そろうには十分な長さだ。そして両者は、同じ一つの性質を指している。

独立評価機関Artificial Analysisによれば、AstraのIntelligence Indexは53で、Claude Fable 5.1と首位タイ、GPT‑5.6 Solを6ポイント上回る。珍しいのはスコアそのものではない。Astraがそこに到達するのに使う出力トークンが、Fable 5.1のおよそ3分の1だという点だ——最大努力設定で1タスクあたり約27,000トークン対78,000トークン。この算数こそが、この製品のすべてである。

何を買うことになるのか

表示価格はGPT‑5.6 Solの2.5倍で、多くの人がまずこの数字に反応した。だが反応すべき数字はそこではない。Astraははるかに少ないトークンでタスクを終えるため、Artificial AnalysisのIntelligence Indexにおける1タスクあたりコストは$3.26、Fable 5.1の$7.63に対して約40%にとどまる。Coding Agent IndexでもFableの約60%だ。トークン単価では高い。仕事1件あたりでは、いまのフロンティアでもっとも安い。

差が本物である領域

伸びはエージェント的な作業に集中している。モデルがターミナルやブラウザ、ツールチェーンを操作しながら長時間走るタスクだ。

Terminal-BenchでSolを19ポイント上回るのは、小幅なアップデートの数字ではない。ベンチマークが届かない領域でも、実務者の報告は同じ方向を向いている。異常に広いウェブ調査——ある開発者は、競合モデルの3〜5倍の情報源を集めたと数えている——そして3D・空間推論の明確な前進で、複数の人がBlenderやゲームエンジンでの作業を挙げている。

同じ癖が裏目に出る領域

一方でArtificial Analysisは、GDPval-AA v2においてAstraがSolより約45 Eloポイント低いことも見いだし、その原因をターン数に直接帰している。Astraは1タスクあたり24ターンしか使わず、競合は45〜60ターンを使っていた。プレゼンテーション品質では依然としてSolが上だ。

これはトークン効率とまったく同じ挙動を、裏側から見たものにすぎない。早めに切り上げるモデルは、そのタスクが終えられるものだったなら安上がりであり、そうでなかったなら薄い。ユーザーが語る形もまさにそれだ——直感に反するタイミングで途中停止し、続けるには人が一言押してやる必要がある。ゲームエンジン作業のあるハンズオン評価では、自律実行はプラン再設定を何度も消費しながら、人が監督した実行より良い成果を出さなかったと報告され、生の能力よりも人間の舵取りのほうが依然として重要だと結論づけている。

乗り換える前に知っておくべき穴は他にもある。Astraはネイティブの動画入力を受け付けないため、タイミングや描画のバグは人が見ていなければ見逃される。リバースエンジニアリングやセキュリティ作業では、専用のGPT‑5.6 Cyberのほうが依然として上だとテスターは報告している。さらに複数の人が、要求を法律文書のように厳密に読む過剰な慎重さを指摘している。

「劣化した」という訴え

ローンチから1週間ほど経った頃、Astraが悪くなったという報告が出始めた。コード品質の低下、速いが中身の薄い回答、箇条書きの多用。2人の研究者が同一のプロンプトをローンチ日版と現行版に投げ、新しいほうの結果が悪かったと報告している。

「我々が手にしたのはAGIではない。リグレッションだ。」 — プランジャル・パリワル（開発者）

ただし扱いには注意がいる。ローンチ後に「劣化した」と感じられる現象は繰り返し起きるジャンルであり——7月にはGPT‑5.6 Solに対して同じ不満が出た——モデルが変わったのか、期待が変わったのか、あるいは提供構成間のルーティングなのかを切り分けるのは非常に難しい。本稿執筆時点でOpenAIはこの件に言及していない。会社の責任を問うべきなのはその沈黙のほうであって、主張そのものはまだ立証されていない。

結論

エージェント的な用途なら買いだ。長時間の自律コーディング、ブラウザとターミナルの自動化、情報源の幅が効くディープリサーチ。完了1件あたりのコストでは現時点でフロンティア最良の取引であり、Terminal-Benchでの差は本番環境で意味を持つ程度には広い。

一方、下書き、書式整形、あるいは手早さより丁寧な一巡が効くような作業の「置き換え」として買うべきではない。プレゼンテーションではSolのほうが優れ、トークン単価も安く、仕事を終わったと宣言したがる度合いも低い。セキュリティ特化の作業なら、専用モデルが依然として勝つ。

本稿があえて決着をつけなかった論点が一つある。Astraは推論の一部を読めるテキストではなく潜在空間に置いており、しかもOpenAIが自社の枠組みでサイバー能力を「Critical」と評価した初のモデルでもある。その議論は別稿で扱っている。

参考資料: Artificial Analysis — Benchmarking GPT-6 Astra · OpenAI — The path to Astra · OpenRouter — gpt-6-astra · LLM-Stats — GPT-6 Astra · Decrypt — Users say OpenAI's newest model got dumber · MindStudio — GPT-6 Astra hands-on · Hacker News — Initial thoughts on GPT-6 Astra · CNBC — OpenAI begins rolling out Astra