OpenAIから最新モデル「GPT-6 Astra」が登場しました。本動画では、従来のGPT-5.6から進化した点やベンチマーク結果を詳しく整理し、実際のChatGPT環境でビジネスアイデアの評価やWeb検索の精度を検証しています。さらに、公式のベストプラクティスをもとに、Astraを使いこなすためのプロンプトの工夫や注意点まで幅広く解説します。

背景

AI各社の開発競争が激化しており、AnthropicのFable 5.1、GoogleのGemini 3.8 Flash、MetaのMuse Sparkなど強力な新モデルが相次いでリリースされています。その中でOpenAIは、従来のGPT-5.6系統からバージョンを「GPT-6」へと引き上げた新モデル「GPT-6 Astra」を公開しました。月額20ドル以上のChatGPT Plus等のユーザー向けに提供が始まっています。これまでのAIはフィードバックが得やすいプログラミングなどを得意としていましたが、画面を見て操作するような事務処理は苦手とされていました。今回のGPT-6 Astraはそうしたコンピュータ操作や、事前学習データに頼らない未知の問題解決能力の向上に踏み込んだモデルとして位置づけられています。

この動画の要点

1. コンピュータ操作と未知の問題への対応力が高く評価されています。ARC-AGI-3テストでは独自ハーネス使用時に99.9%を記録し、Terminal-Bench等のベンチマークでもAnthropicのFable 5.1と比較して高い精度とコスト効率を示しています。ただし一般的なハーネスではスコアが62.7%に下がるなど、環境による性能差も確認されています。

2. 実際の壁打ちテストでは、質の低いビジネスアイデアに対して過剰に寄り添わず3点と辛口評価を下す一方、2択の好みを提示するとユーザー意見に同調しやすい傾向も見られました。Web検索機能の検証では、直近数日間に発表された最新の業界ニュースを正確に5件ピックアップするなど、情報収集精度の高さが実証されています。

3. 公式のベストプラクティスに基づき、プロンプトの作成方法を見直す必要があります。作業途中で聞き返して停止しやすいため最後まで進めるよう指示すること、指示の矛盾を避けること、箇条書きの多用を制御する文体指定、サブエージェント活用の明示、プログラミング時の過剰なテスト範囲を制限することなどが推奨されています。

なぜ重要か

GPT-6 Astraの登場により、APIやMCP連携が整っていないソフトウェアであっても、AIが画面を見て操作する「Computer use」によるホワイトカラー業務の自動化が現実味を帯びてきました。一方で、ベンチマークのスコアは評価ハーネスの設計や作業履歴の保持方法によって大きく変動することや、モデルの忠実さゆえに指示の矛盾で停止しやすい点など、モデルの特性を正しく理解したプロンプト設計や環境構築がより重要になってきています。

こんな人におすすめ

最新のLLM動向を追いたい方や、ChatGPTを活用して業務効率化を図りたいビジネスパーソン、PC操作自動化やプロンプト設計のノウハウを学びたいエンジニアに適しています。