何が発表されたのか
米OpenAIは、次世代の基盤モデル「GPT-6 Astra」を公開し、初期のビジネスパートナー企業における先行導入事例とその評価を発表しました。本発表は、単なる研究段階の技術報告にとどまらず、すでに実務の現場で稼働している具体的なワークフローを基にした実証報告です。OpenAIの開発者体験部門責任者であるRomain Huet氏が、Box、Figma、cxo.dev、Ramp、Balyasny Asset Management、Cognitionの6社を訪ね、各社のAI責任者やエンジニアと対談する形式で、実機デモを交えてその性能を明らかにしました。
GPT-6 Astraは、従来のテキスト生成やコード生成の枠を超え、高度な論理推論（Reasoning）と、ブラウザやデスクトップ画面を自律的に操作する「Computer Use」の能力を高次元で融合させたモデルとして位置づけられています。現在は一般提供（GA）に先立つ、限定的なビジネスプレビュー段階にあります。
発表された機能・アップデートの全容
動画内では、GPT-6 Astraが各社の業務ツールや開発環境を直接操作し、人間と同等、あるいはそれ以上の精度で複雑なタスクを完遂する様子が示されました。主な実証事例を6つのセクションに分けて解説します。
1. Box：複雑な財務ドキュメントの検証と二重計上の防止
BoxのAI部門責任者であるYashodha Bhavnani氏は、メディア・エンターテインメント分野の複雑な財務ドキュメント「Nacho Films Profitability and Production Rankings」を用いた検証デモを披露しました。このドキュメントには、ブラジルとアルゼンチンにおける2026年の映画制作費、および現地の税制優遇措置（20%の投資インセンティブなど）に関するデータが含まれています。
GPT-6 Astraは、ドキュメント内の複数のスプレッドシート（Nacho-films-international-costs.xlsxおよびNacho-films-global-profits.xlsx）を自律的に読み込み、計算、検証、チェックを繰り返しました。従来モデルでは、アルゼンチンの「20%のインセンティブ」を重複して計算する「二重計上（double-counting）」のミスが発生し、全体のコスト予測を誤る傾向がありました。しかし、Astraはドキュメントの文脈とニュアンスを正確に理解し、この二重計上を完全に回避して正確なコストを算出しました。Bhavnani氏は、「AIモデルがこの複雑な財務計算を正しく処理できたのは、今回が初めてです」と証言しています。
2. Figma：ベクターアニメーションの自動生成と構造の可視化
FigmaのAIシニアディレクターであるJohn Milinovich氏は、Astraがデザインツール上で見せた「思考する能力」と創造的なアウトプットを高く評価しました。デモでは、「PAPER CINEMA / A STATIC VECTOR ANIMATION」というプロトタイプが示されました。これは、6枚の静止した鳥のポーズと、1枚の移動するスリット（moving grille）のみで構成されるベクターデザインです。
Astraは、Figmaのキャンバス上でスリットをスライドさせるだけで、視覚的な錯覚を利用して鳥が羽ばたいて飛んでいるように見えるアニメーション（スリットアニメーション）を自律的に設計・構築しました。さらにデモの最後には、このアニメーションの内部構造を分解（breakdown）し、下部にすべてのポーズを整然と並べて表示する解説機能まで自動で作成しました。Milinovich氏は、「新しいタスクに取り組む前に、自律的に思考する時間（Reasoning）を確保する能力が、極めて高い成果につながっています」と分析しています。
3. cxo.dev：画像編集ツール「FLORA」の完全自動操作
cxo.devの創業者であるClaire Vo氏は、ノードベースの画像・ビデオ編集ツール「FLORA」をAstraに操作させるデモを公開しました。タスクは、Vo氏とHuet氏が撮影したセルフィー写真を元に、YouTubeの高品質なサムネイル画像を生成することです。
Astraは、ブラウザを介してFLORAのUIを直接操作（Computer Use）しました。ワークフローを自律的に構築し、Imageノードを配置した上で、非常に詳細な英語のプロンプトを自動起草しました。プロンプトには「Create a polished, photorealistic podcast thumbnail studio portrait...」といった、構図や照明、色調を指定する高度な表現が含まれていました。その後、画像生成モデルである「Image 2」を呼び出し、アスペクト比16:9、解像度「High」などのパラメータを設定し、ピースサインをする二人のスタジオポートレート画像を完成させました。人間がドキュメントを確認しながら操作するプロセスを完全にバイパスし、画面上のUI要素を認識してクリックやドラッグを魔法のように実行する様子が確認できます。
4. Ramp：コード修正からマルチデバイス用画面検証までの自律実行
Rampの応用AI部門責任者であるVeeral Patel氏は、社内管理ツール「Inspect」の開発ワークフローにAstraを導入した事例を示しました。指示は「社内専用のタブに、分かりやすい警告バッジを追加してほしい」という自然言語によるものです。
指示を受けたAstraは、コードベースを解析し、適切なコンポーネント（Badgeなど）をインポートした上で、コードを書き換えるプルリクエストを自動生成しました。さらに、Patel氏が「完了後にスクリーンショットを見せてほしい」と要求すると、Astraは自律的にサーバーを起動し、デスクトップ版とモバイル版のそれぞれの画面に「Internal use only」というアンバー色（琥珀色）のバッジが正しく表示されていることを確認するためのスクリーンショットを生成し、チャット上に提示しました。Patel氏は、「単なるコード生成ツールではなく、並行して業務を進められる本物の同僚（real co-worker）のようです」と述べています。
5. Balyasny Asset Management：曖昧なリサーチ課題に対する自律的な検証ツリー構築
投資会社Balyasny Asset ManagementのシニアリサーチサイエンティストであるHinal Jajal氏は、金融リサーチにおける曖昧な課題（Research ambiguity）への対処能力を提示しました。同社では、大量の生のテキストデータから投資シグナルを抽出するために、より小さく安価な複数のモデルを「操縦（steer）」する役割をAstraに担わせています。
デモ画面では、「Research tree - Rare event prediction」という、巨大な樹形図（マインドマップ）が表示されました。Astraは「Investigated how to extract useful features from large text collections（大量のテキスト収集から有用な特徴を抽出する方法の調査）」という大目標から出発し、「医療分野における制約の分離」や「代替手段の比較」といった複数の検証ノードを自律的に展開しました。タスクの「幅（Breadth）」と「深さ（Depth）」を自律的にコントロールしながら、各ノードの仮定が実際のデータと矛盾していないかを徹底的に検証しました。Jajal氏は、「従来のモデルでは、仮定の検証を途中で怠ることが多かったのですが、Astraは最後まで論理的な整合性を保ちながら探索を完遂します」と評価しています。
6. Cognition：自律型開発エージェントによるGPUカーネルの最適化
自律型ソフトウェア開発エージェント「Devin」を提供するCognitionの調査SVP、Silas Alberti氏は、AstraをDevinのバックエンドに統合し、インフラレベルの最適化に挑んだ事例を紹介しました。課題は「GPUカーネル（CUDAコード）の最適化」です。
Devin（Astra搭載モデル）は、過去の実験データやログ、スクラッチパッドを自律的に分析し、NVIDIAの最新GPUである「GB200」向けに、レジスタ構成やループ処理を最適化する新しいコードを書き上げました。この最適化により、エンドツーエンドで3.3%の処理速度向上（speedup）を達成しました。Alberti氏は、「パーセンテージとしては小さく見えるかもしれませんが、数千台規模のGPUを運用するエンタープライズ環境においては、極めて大きなコスト削減とパフォーマンス向上を意味します」と、その実用価値の大きさを強調しました。
