AI 開発

GPT-6 Astra はどれほど強いか？機能、API、JSON 出力と ChatGPT ガイド

JSONSort 公開 2026-09-04 更新 2026-09-04 約 16 分

OpenAI は 2026 年 9 月 3 日 に旗艦モデル GPT-6 Astra を公開しました。API のモデル ID は gpt-6-astra です。公式は、コンピュータ利用、ブラウジング、ソフトウェア工学、科学、専門業務において「これまでで最も強い」とし、初めて「重要なサイバーセキュリティ能力の閾値」に達したモデルだと述べています。Greg Brockman は「すでに AGI の時代に入ったかもしれない」とまで言いました——これは位置づけであり、再現可能な評価ではありません。JSON と Agent の開発者にとって、本当に実装すべきは次の 4 点です。能力の境界、Responses API、Structured Outputs / JSON Schema、そして ChatGPT での使い方。本稿は公開ドキュメントに基づき、数値は 2026-09-03 の公式ページを正とします。

先に要点

項目	2026-09-03 時点	開発者にとっての意味
モデル ID	`gpt-6-astra`。Astra Pro ティアもあり	新規プロジェクトはこの ID を使う。ツール呼び出しは Responses API
ウィンドウ / 価格	105 万 token（約 92.2 万入力 + 12.8 万出力）。標準価格は 100 万 token あたり $10 / $50	入力が 27.2 万を超えるとリクエスト全体が加算。キャッシュする接頭辞だけが得になる
JSON	新規プロジェクトでは公式が Structured Outputs を既定で推奨	`text.format.json_schema` + ホスト側で再検証

公開当日はまず Daybreak / Trusted Access。Plus、Pro、Business、Enterprise、API、AWS、Azure は「数日以内」に開放。無料版 ChatGPT は対象外です。数値は変わります。developers.openai.com を正としてください。

GPT-6 Astra とは何か、いつ使えるか

Astra は GPT-6 世代の旗艦で、GPT-5.6 の Luna / Terra / Sol ティアを置き換えます。知識カットオフは 2026 年 4 月 30 日。入力はテキストと画像、出力はテキストです。公式は「最も賢く、最もアライメントされた」モデルと書いています。多段階の仕事をより最後までやり切り、指示が曖昧なときは止まって一言聞く、という位置づけです。

公開は段階的です。9 月 3 日はまずサイバーセキュリティ向けの Daybreak と Trusted Access 企業。その後数日で ChatGPT Plus / Pro / Business / Enterprise、および API、Codex、AWS、Azure に入ります。Enterprise ワークスペースは既定でオフで、管理者が有効にする必要があります。ChatGPT 無料枠に Astra はありません。Pro / Business / Enterprise には、より高い推論強度の Astra Pro もあります。

また、OpenAI の「重要なサイバーセキュリティ能力の閾値」に初めて到達したモデルでもあります。公式は、人がステップごとに指揮しなくても、硬化したシステムの脆弱性を発見して利用できると考えています。本格的な攻撃能力は Daybreak（Blue / Red）に残し、対外版はより厳しい拒否境界と、非同期の misalignment monitoring（ずれ監視）を足しています。Agent を書く人は覚えておいてください。モデルは自分で仕事をやり切る方向に振れているので、ホスト側の Schema、権限、承認がより必要になります。

Brockman の「AGI の時代」は発表会の言い回しです。同日の System Card には、思考連鎖の監視可能性が GPT-5.6 Sol より下がったとも書かれています。どちらも OpenAI の文言なので、両方を見てください。本稿は AGI を議論しません。パイプラインに接続できる部分だけを書きます。

機能と能力：強い点、弱い点

公式が強調するのは 5 つです。コンピュータ利用、ブラウジング、ソフトウェア工学、科学、専門文書（作って動かせるサイト、より完成度の高い文書・表・プレゼン）。JSON パイプラインを書く人にとってより有用なのは、「ツールを選ぶ → ツールを呼ぶ → オブジェクトを渡す」という鎖をより安定して歩き、いくつかの評価では同じ仕事をより少ない出力 token で終える点です。

公開資料の数字です（いずれも OpenAI 2026-09 口径。スキャフォールドが違えばかなりずれます）。

FrontierMath Tier 4 v2 97.6%。GPQA Diamond 96%。DeepSWE v1.1 74.1%（長期間の工学問題 113 問、5 言語）。
ARC-AGI-3：ARC Prize 標準スキャフォールド 62.7%、OpenAI Provider Adapter 99.9%。同じモデルで 37 ポイントの差があります。差の主因は記憶とコンテキスト圧縮であり、「名前を変えたら賢くなる」ではありません。
GPT-5.6 Sol 比：SRE-Bench リバース 99.2% pass@4（Sol は 68.7%）、出力 token はおよそ 4 分の 1。Sandbox Bench は 22 目標のうち 10 を解きました（Sol は 1）。

弱点も具体的です。完全に硬化した目標では、独立ラボ Irregular が見た成功攻撃は 0。開放型の実験プロトコル質問（ProtocolQA Open-Ended）は 41.36% で、博士の 80 パーセンタイル 54% を下回ります。英国 AISI のサプライチェーン模擬では、範囲制限を書かないと 499 回中 60 回が逸脱。制限を明示すると 500 回中 2 回。スキャフォールドと制約の方が、ランキングの百分率より価値があります。

公式は新しいランタイム能力も列挙しています。こちらが「前世代より使いやすい」部分です。

非同期ツール呼び出し（async tool calling）。 function / custom tool に async: true を付けると、モデルは推論を続け、別のツールを呼び、独立した部分を先に答えられます。アプリは従来どおり call_id で結果を埋め戻します。
ターン途中のステアリング（mid-turn steering）。 モデルが作業中でも、WebSocket で訂正や要件変更を足せます。Responses API は完了済み部分を残し、更新を続きへ接続します。
会話の途中で推論強度を変える。 configuration_update 入力で reasoning.effort を上げ下げできます。prompt 接頭辞全体を書き直す必要がなく、キャッシュも保てます。
ずれ監視。 システムがツール通信量を非同期に監視し、必要なら警報します。これはアプリ内の検証器ではなく、Schema の代わりにはなりません。

GPT-5.6 が持っていた能力はそのまま残っています。computer use、Structured Outputs、ストリーミング、Programmatic Tool Calling、マルチ Agent、prompt キャッシュ、persisted reasoning、compaction、pro mode。制限も明示されています。none 推論レベルは非対応。EU データレジデンシーでは Fast mode もなく、service_tier: "priority" もありません。Fast mode 自体に遅延 SLA はありません。

API：どの API を使い、どのパラメータを変えるか

新規プロジェクトでは model を gpt-6-astra にし、Responses API を使います。Chat Completions はまだ通りますが、ツール呼び出しは Responses 必須です。これは DevDay 2026 予測で書いた方向と同じです。本番 Agent はすでに Responses + Agents SDK へ収束し、Assistants API は 8 月 26 日に退役しました。

最小リクエストは次の形です。

{
  "model": "gpt-6-astra",
  "input": [
    { "role": "user", "content": "把这段工单分类，只返回 JSON。" }
  ],
  "reasoning": { "effort": "low" }
}

GPT-5.x から移すときは、先にこのリストを当たってください。

推論レベル。 いま none / minimal を使っているなら、先に low へ変えて比較します。残りは従来の有効レベルを維持します。Responses は reasoning.effort、Chat Completions は reasoning_effort。選べるのは low、medium、high、xhigh、max。
削除されたパラメータ。 temperature、top_p、top_logprobs を外します。Chat Completions では logprobs も外し、Responses では include に message.output_text.logprobs を付けないでください。
キャッシュ。 GPT-5.5 以前から移すときは、prompt_cache_retention を prompt_cache_options.ttl に置き換えます。例は "30m"。リクエスト単位の reasoning.effort を行き来させず、configuration_update を使ってください。接頭辞がキャッシュに当たります。
ツール。 Responses の tools[] を使います。長い仕事は非同期ツールを優先し、推論全体を 1 回の HTTP 往復に固定しないでください。

価格（標準ティア、100 万 token あたり、2026-09-03）：入力 $10、キャッシュ読み $1、キャッシュ書き $12.50、出力 $50（推論 token を含む）。入力が 272,000 を超えると、リクエスト全体の入力は 2 倍、出力は 1.5 倍。Batch / Flex は標準のおよそ半分、Fast はおよそ 2 倍。一度だけキャッシュして再利用しない接頭辞は、キャッシュしないより高いです（$12.50 vs $10）。リポジトリ全体を 1 リクエストに詰め、27.2 万を超えると、請求はほぼ倍になります。オーケストレーション層で 272K を硬い予算にする方が、モデルに節約を期待するより確実です。

公式はさらに、Astra は質問を好み、指示に従い、リストと表を好み、コーディングではテストもより勤勉だと述べています。自分で仕事をやり切らせるなら、システムプロンプトに「既定は行動する。先にレビュー可能な結果を出し、それから聞く」と書いてください。そうしないと「続けるか」で止まります。スキルファイルと AGENTS.md の衝突する指示には、前世代より敏感です——先にこれらのファイルを監査してから、モデルが「従わない」と責めてください。

JSON 出力：Structured Outputs が既定であり、「JSON を返してください」ではない

OpenAI の構造化出力ドキュメントははっきりしています。新規プロジェクトは gpt-6-astra から始めます。Structured Outputs は、あなたが渡した JSON Schema に出力が沿うことを保証します——必須キーの欠落や不正な列挙の捏造は、ドキュメント上は起きないはずです。JSON mode より多いのは Schema への準拠 であり、「これは合法な JSON だ」だけではありません。Responses API での落とし所は text.format です。

REST の形は次のとおりです（公式の数学チューター例と同じフィールド構成を、チケット分類に差し替えたもの）。

{
  "model": "gpt-6-astra",
  "input": [
    { "role": "system", "content": "只按 Schema 分类，不要散文。" },
    { "role": "user", "content": "订单 A-1042 迟到两天，用户要退 99 元。" }
  ],
  "text": {
    "format": {
      "type": "json_schema",
      "name": "ticket_triage",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "intent": { "type": "string", "enum": ["refund", "exchange", "human"] },
          "order_id": { "type": "string", "pattern": "^A-[0-9]{4,}$" },
          "amount": { "type": "number", "exclusiveMinimum": 0 },
          "confidence": { "type": "number", "minimum": 0, "maximum": 1 }
        },
        "required": ["intent", "order_id", "amount", "confidence"],
        "additionalProperties": false
      }
    }
  }
}

Python SDK は Pydantic + responses.parse が使え、結果は output_parsed に入ります。JS は Zod + zodTextFormat です。安全上の拒否は Schema に合うとは限らず、応答に refusal フィールドが付きます——ホストは先にこれを見てから JSON.parse してください。

古い 2 点は変わっていません。Astra が強くなっても、代わりにはなりません。

strict: true はモデル側だけを拘束します。 ツールの arguments は依然として文字列のことがあります。ホストはこれまでどおり parse → validate → execute です。Agent が JSON Schema を必要とする理由で書いたとおり、ホスト検証がなければ、スナップショットを変えるか strict を切った瞬間に契約は消えます。
ツール結果と handoff にも Schema が必要です。 Astra は自分で先へ進むのが上手いので、誤った形が次の段で事実として扱われやすくなります。入力、出力、handoff、チェックポイントの 4 層をファイル化し、「JSON を返してください」をシステムプロンプトに書くだけでは足りません。

モデルが出した入れ子 JSON をデバッグするときは、まずブラウザローカルで整形して構文を確認し、先週動いていた Schema と Diff してください。ユーザーデータや秘密を含む応答を、公開 JSON サイトへ貼らないでください。

ChatGPT 使い方ガイド：モデルを選び、タスクを書き、JSON を受け取る

製品側と API は同じ経路ではありません。ChatGPT の Astra は有料枠の利用量を消費します。安定した Schema が必要なら、最終的には API へ落とすべきです。公開後数日の使い方は、次のとおりです。

1. 自分の枠で見えているかを確認する。 Plus は標準 Astra で、既存の利用枠を消費します。Pro / Business / Enterprise は Astra Pro が見えます。ワークスペースが Enterprise なら、先に管理者が有効にしたかを聞いてください。モデル選択には GPT-6 Astra が出るはずで、GPT-5.6 Sol のままではありません。出ていなければ、本番のプロンプトを変えず、公開を待ってください。

2. 検索欄ではなく実行者として使う。 公式は、多段階タスクをよりやり切ると述べています。サイト構築、リポジトリ改修、文書と表の作成。プロンプトには目標、完了の定義、触れてはいけない境界（本番 DB、秘密、対外送信）を書いてください。既定では質問を好みます。先にやってから聞いてほしいなら、直接書いてください。「先にレビュー可能な下書きを出し、不可逆な一歩の前に聞いてください。」

3. JSON が欲しいときは、Schema を会話へ貼る。 ChatGPT には Responses のような厳格な拘束がありません。最低限使えるやり方は次です。

只输出一个 JSON 对象，不要 Markdown 围栏，不要解释。
必须符合：
{
  "type": "object",
  "properties": {
    "intent": { "enum": ["refund", "exchange", "human"] },
    "order_id": { "type": "string" },
    "confidence": { "type": "number" }
  },
  "required": ["intent", "order_id", "confidence"],
  "additionalProperties": false
}

結果をコピーしたら、ローカルで整形と Schema 照合を一度走らせてください。会話のなかで「JSON に見える」だけでは足りません。フィールド型、列挙、余分なキーは検証器を通してください。同じ Schema をあとで API の text.format に繋げば、書き直す必要はありません。

4. 長いコンテキストは予算であり、ゴミ箱ではない。 105 万ウィンドウだからリポジトリ全部や 1 年分のチケットを貼ってよい、という意味ではありません。ChatGPT 側では 272K の加算線は見えませんが、貼るほど無関係な細部で曲がりやすくなります。先に検索し、関連ファイルだけを貼ってください。2 版の JSON を比べるならローカル Diff を使い、モデルに「印象でどこが変わったか」を言わせないでください。

5. 安全の既定。 秘密、Cookie、顧客 PII を ChatGPT に貼らないでください。Astra のネットワークとツール能力は強く、逸脱のコストも高いです。公式 System Card には、「アシスタントに権限を全開放し、段階承認を切った」模擬事故があります。人ができる最小の防護は、最小権限、不可逆操作の確認、ツール結果を信頼できない入力として扱うことです。

6. Codex / Agent と一緒に使うとき。 公式は $openai-docs migrate this project to GPT-6 Astra を移行プロンプトとして使えます。スキルファイルの「先に聞いてからやる」は、より頻繁に止めます。スキルを直し、同じ警告を毎ターンの会話に書かないでください。

開発者チェックリスト：Astra を繋ぐ前に JSON 口径を安定させる

モデル世代が変わるとき、いちばん損をするのは「プロンプトは動くが、オブジェクトの形は運任せ」です。公開進度に依存せず、今すぐできることがあります。

リポジトリに schemas/tools/、schemas/handoffs/、schemas/outputs/ を固定する。各ファイルに $id と版を付ける。
同じ Schema を Function Calling の parameters、MCP の inputSchema、Responses の text.format へ書き出す。Astra 用に「ほぼ同じ」定義を手で書かないでください。プロトコル差は MCP vs Function Calling と A2A Extensions を見てください。
CI で ajv（または同等ライブラリ）を回す。サンプル、過去の fixture、マスキング後の本番サンプリング。Astra のスナップショットが変わったら、先に Schema と fixture を Diff し、それから prompt を調整します。
新規オブジェクトは既定で additionalProperties: false と明示的な enum。開放拡張は別に metadata へ置く。
オーケストレーション層の硬い制限：1 回の入力予算は 272K 未満。キャッシュは再利用するシステム接頭辞だけ。推論レベルは configuration_update で変え、リクエスト単位のフィールドを触らない。
秘密やユーザーデータを含む payload はブラウザローカルだけ：整形、Diff、アップロードなし。

キーワードの書き方は、これまでどおり JSON Schema チュートリアルを見てください。Astra は新しいフィールド言語を発明していません。「Schema に沿わない出力」を減らし、「自分で先へ進む」を増やしただけです。口径が安定するほど、アップグレードコストは下がります。

よくある誤解

「AGI の時代」を選定理由にする。 選定はタスク完了率、token、遅延、逸脱率です。発表会の一文は RFC に入れられません。
Chat Completions に gpt-6-astra を足せばツールが呼べると思う。 ツール呼び出しは Responses です。チャットだけなら、しばらくはそのままで構いません。
temperature を送り続ける。 ドキュメントは削除を求めています。残すと、軽い場合は無視、重い場合はリクエスト全体が失敗します。
105 万ウィンドウをただ飯だと思う。 27.2 万を超えるとリクエスト全体が加算。キャッシュ書きはキャッシュしないより高いです。長いコンテキストは能力であり、請求でもあります。
ChatGPT で JSON を取っただけで本番契約だと思う。 製品側に strict はありません。本番は API + ホスト検証です。
「Astra はより従う」からホスト検証を切る。 より従うは、誤った形を次の段へ渡しやすい、という意味でもあります。監視は OpenAI のもの、門はあなたのです。
EU レジデンシーで Fast / priority を付ける。 Astra は非対応です。Standard を使ってください。

FAQ

今すぐ ChatGPT 無料版で Astra を使えますか？

使えません。公開対象は Plus、Pro、Business、Enterprise、および API / Codex / クラウド事業者で、日を分けて開放されます。モデル選択に出ていなければ、まだ自分のアカウントの番ではありません。

GPT-6 Astra と Astra Pro の違いは何ですか？

Astra は標準旗艦で、Plus もこの枠です。Astra Pro は Pro / Business / Enterprise 向けで、推論強度が高く、より高額です。API ドキュメントのモデル ID は gpt-6-astra。Pro ティアは、アカウントに実際に出る ID を正としてください。

JSON だけ欲しい場合でも Structured Outputs は必要ですか？

必要です。JSON mode は合法 JSON だけを保証します。Structured Outputs はキー、型、列挙を保証します。新規プロジェクトでは公式が後者を推奨します。ホスト側でも同じ Schema でもう一度検証してください。

価格はすぐ変わりますか？

変わります。本稿の数字は 2026-09-03 の標準ティアです。$10 / $50 / 100 万、キャッシュ読み $1、書き $12.50、272K 以降は加算。使う前に公式 Pricing ページを開いてください。

Astra が出した壊れた JSON をどうデバッグしますか？

先に refusal の有無を見て、ローカルで整形し、Schema と照合して欠けた required や列挙外を確認し、前版と Diff してください。JSONSort はデータをアップロードしません。秘密を含む応答を公開サイトへ貼らないでください。

結論

GPT-6 Astra の強みは、長い仕事をやり切る点です。工学、コンピュータ利用、ブラウジング、専門文書、そして出力 token をより節約する推論。弱みは「スキャフォールドを変えると点数が変わる」、完全硬化ターゲットではまだ貫通できない、思考連鎖がより監視しにくい、です。JSON 開発者向けのアップグレードリストは短いです。モデル ID を gpt-6-astra にし、ツールは Responses、出力は json_schema、ホストは検証を続け、272K を予算の天井にする。

ChatGPT では、下書き、リポジトリ改修、Schema に沿った JSON を先に取れます。本番へ入れるときは、同じ Schema を API へ繋いでください。モデルはまた入れ替わります。口径を先に安定させてください。

AI Agent が JSON Schema を必要とし始めた理由ツール、handoff と評価のランタイム契約
OpenAI DevDay 2026 予測 3 層が 1 本の JSON 管に収束する理由
MCP Tool Schema vs Function Calling ツール JSON のプロトコル境界
A2A Extensions と JSON プロトコルマルチ Agent 相互運用の第三層
JSON Schema とは？使い方とチュートリアルキーワード、required と additionalProperties
JSONSort ローカル JSON ツール箱整形、検証、Diff
すべての記事 JSON と AI 開発のノート

更新履歴：2026-09-04 初稿公開。事実と価格は OpenAI 当日のドキュメントを正とします。