OpenAIがGPT-6 Astraを公開、自社のサイバー能力基準で初の「Critical」到達 — ExploitBenchで100%、既定ではPoC生成を拒否

OpenAIは2026年9月3日、同社で最も高性能な広範提供モデルとする**「GPT-6 Astra」を公開した。同日公開のSystem Cardで同社は、Astraが自社の安全性評価枠組みPreparedness Framework**において、サイバーセキュリティ能力で初めて「Critical（重大）」水準に到達したモデルだと明らかにした。「適切なツールとアクセスがあれば、Astraは未知の脆弱性を見つけ、十分に防御された多数のシステムを横断して新たな悪用手法を開発できる。人間が各手順を指示しなくてもだ」と同社は説明している。

ExploitBenchで100% — 前世代の78.5%から大きく前進

Astraのサイバー能力を示す代表的な数字が、既知の脆弱性を実働するエクスプロイトに変える能力を測るベンチマークExploitBenchの**100%だ。前世代の主力モデルGPT-5.6 Sol の78.5%**を大きく上回った。数学ベンチマークのFrontierMath Tier 4でも98%、ARC-AGI-3で99.9%を記録している。

特筆すべきは、評価の過程でモデルが未知のゼロデイ脆弱性を自ら発見し、エクスプロイトの連鎖に組み込んだことだ。System Cardによると、対象は2026年6〜8月に開示された同社の学習データ期限後の脆弱性のみを集めた内部評価セットで、AstraはGPT-5.6 Solよりはるかに高い任意コード実行率を、はるかに少ない出力トークンで達成した。発見した2件の脆弱性については、保守者への開示手続きを進めているとしている。

提供版はコードレビューとパッチ適用に限定 — PoC生成は拒否

能力の高さと裏腹に、実際に提供されるAstraの用途は絞られている。OpenAIの発表によると、提供版は安全なコードレビューとパッチ適用に限定され、脆弱性のPoC（概念実証）エクスプロイトを作るよう求めるプロンプトには応じない設計になっている。

防御側がPoC検証やマルウェア解析、検知エンジニアリングに使う用途については、重要インフラ防御者向け支援構想Daybreakを通じた段階的な拡大を今後数週間で予定している。System Cardが示す内部評価では、信頼ベースの防御枠組み（Daybreak Blue）を適用すると、AstraのPoC作成タスクの完遂率が2.4%から92%へ、脆弱性の発見・分析・パッチ適用は100%に達した。一方、枠組み適用後も無差別なサイバー攻撃要求の完遂率は3.5%にとどまり、正規の防御作業の拡大と悪用防止の両立を図る設計だとしている。

OpenAIが講じた安全策 — 脱獄耐性と監視の強化

System Cardは、Critical到達に伴い保護を大幅に強化したとも説明している。主な内容は次の通りだ。

• 脱獄耐性の向上 — 新たな頑健化学習を取り入れ、長い対話軌跡を含めGPT-5.6 Solより脱獄に強いことをオフライン試験で確認した
• 内部開発の隔離強化 — 厳格な隔離、チェックポイントの暗号化、思考の連鎖（CoT）を含む全軌跡の監視、内部利用前のブロッキング評価を導入した
• リアルタイムの監視 — エージェントの思考過程と行動を併せて審査し、利用者の意図を外れた動きの兆候に対応する仕組みをChatGPTやAPIに拡張している

日本の読者への影響 — AzureやBedrock経由で届く高度な能力

OpenAIの発表によると、Astraはまず一部の組織に展開し、ChatGPTのPlus・Pro・Business・EnterpriseプランやAPI、Microsoft Azure、AWS Bedrockを通じて利用可能になる見通しだ。日本の企業や開発者にもクラウド経由で届く高度な能力であり、脆弱性診断やパッチ適用の効率化に使える一方、PoC生成能力の悪用という両用性の問題も伴う。提供版の用途制限とDaybreakによる段階的解放が、その境界線になるとみられる。