GPT-6 Astraがコーディング評価でトップ級の67点を獲得
AIの性能評価を行う「Artificial Analysis」が、OpenAIの「GPT-6 Astra」に関するベンチマーク結果を公開しました。注目の集まる「Artificial Analysis Coding Agent Index」において、GPT-6 Astraは67点という高いスコアを記録しています。
この数値は、Claude Opus 5、Fable 5、Muse Spark 1.3といったモデルとほぼ同等の水準であり、トップグループの一角を形成するものです。しかし、首位を獲得したFable 5.1の70点には一歩及ばない結果となりました。
また、総合的な知能を測る「Intelligence Index」においては、GPT-6 AstraはGPT-5.6 SolおよびMuse Spark 1.3と同点となる61点を記録しています。
API料金とベンチマークに見る推論・ハルシネーションの傾向
評価の詳細を見ると、利用コストや精度の面でいくつかの特徴が確認されています。GPT-6 AstraのAPI料金は、入力100万トークン当たり10ドル、出力100万トークン当たり50ドルに設定されています。
さらに、AA-Omniscienceベンチマークの検証では、最大推論時におけるハルシネーション率が変化しました。GPT-5.6 Solでは92%であったハルシネーション率が、GPT-6 Astraでは51%まで低下し、正答率も4ポイント上昇しています。
安全性確保のための非同期監視システムの導入
モデルの運用面においては、安全性の確保に向けた仕組みが組み込まれています。GPT-6 Astraの安全性確保の一環として、非整列（ミスアライメント）に対する非同期監視システム（Misalignment monitoring）が導入されました。
このシステムは、モデルの挙動を非同期で監視し、必要に応じてアラートをトリガーする仕様となっています。これにより、複雑な処理を行う際のリスク管理をサポートする設計が採られています。
まとめ
今回公開されたデータにより、GPT-6 AstraはAIコーディング性能で67点をマークし、高い処理能力とハルシネーションの低減を実現していることが示されました。一方で、首位であるFable 5.1とのスコア差や、設定されたAPI料金、非同期監視による安全性への配慮など、開発や運用において考慮すべき要素が多角的に示されています。
コメント