OpenAIのGPT-6.2アストラが、超高難度の抽象的パターン推論テスト「ARC-AGI-3」において、プロバイダアダプターハーネス(Provider Adapter harness)を介して100点満点を達成し、人類の行動効率をも凌駕しました。
想像してみてください。本を1冊も読んだことがなく、一度も遊んだことのない全く新しいボードゲームの前に座っています。ゲームのルールを教えてくれる説明書もありません。画面に現れる視覚的な手がかりだけで、自分でルールを理解しなければなりません。ほとんどの人間なら慌てふためくでしょうが、人工知能(AI)はこの不可能に見える課題を完璧にやり遂げました。
2026年11月17日、OpenAIの最新人工知能モデルであるGPT-6.2アストラ(Astra)が、人類の抽象的思考能力を測る最高難度のベンチマークARC-AGI-3で100点満点を記録しました [Source 9, Source 12]。一体この人工知能の中で何が起きているのでしょうか?
なぜこれが重要なのか?
私たちが普段使っている人工知能は、その多くがインターネットに蓄積された膨大なデータを「記憶」し、ユーザーの質問にふさわしい答えをそれらしく組み合わせて見せるという方式に近いものです。料理のレシピを尋ねればレシピを読み上げ、メールの草案を頼めば文脈に合った文章をスラスラと書き上げます。
しかし、今回アストラが制覇したARC-AGI-3は、従来の暗記力テストとは次元が違います。このテストは、人間の抽象的パターン推論能力――すなわち、生きてきて初めて見る見慣れない環境から規則を推測し、問題を解決する真の知能――を評価するために作られました [Source 14]。過去の第1・第2世代のAIモデルたちは、この試験で30%から50%台のスコアにとどまり、苦戦を強いられていました [Source 14]。
例えるなら、従来のAIが数万問の過去問を丸暗記して試験を受ける優等生だったとすれば、ARC-AGI-3は一度も見たことのない新種のパズルを与えられ、その場でルールを見つけ出すよう求めるようなものです。もしAIがこの領域を完全に制覇したならば、それは単に文章の上手な秘書レベルを超え、世の中に存在しない問題を自ら診断し解決策を見つけ出す、真の課題解決者へと進化したことを意味します。私たちの日常において、AIが人間の監督なしに複雑なシステムを自律的に運営・最適化できる時代が、すぐ目の前まで迫っていることを意味しています。
わかりやすく解説:アストラはどうやって満点を獲得したのか?
それでは、アストラはどうやってこの難しい試験をパスしたのでしょうか?理解を深めるために、学校の試験に例えて説明しましょう。
従来のAIが頭の中の記憶だけに頼って問題を解いていたのに対し、アストラは試験会場に入る直前、「特別なメモ帳と道具箱」を手に入れました。これを技術的な用語で「ハーネス(Harness)」と呼びます。簡単に言えば、複雑な迷路を解くときに頭の中だけで考えるのではなく、手にペンを持ち、通ってきた道を丁寧にメモしながら思考の連続性を維持する、一種の「ワーキングメモリ(作業記憶)装置」を取り付けたようなものです。
具体的に見てみると、アストラはバージョン3(v3)テストにおいて、プロバイダアダプターハーネス(Provider Adapter harness)を使用した際に100.0%の満点を記録しました [Source 10]。
- スタンダードハーネス(Standard harness)は、モデルが環境を探索する間に、自身で保持したいメモを継続して持ち運べるように支援する装置です [Source 10]。
- 一方、プロバイダアダプターハーネス(Provider Adapter harness)は、ステップとステップの間で不透明な推論状態(opaque reasoning state)をシームレスに保存し、AIが深い思考の流れを失わないように支えます [Source 10]。
さらにアストラは、基本として1,050,000トークンの巨大なコンテキストウィンドウと128,000トークンの最大出力容量を備えており、膨大な量の情報を一度に抱えて思考できる物理的な基礎体力をも兼ね備えています [Source 16]。(ちなみに、知識の基準日は2026年4月30日です [Source 16]。)
現在の状況:人間を凌駕した行動効率
過去のモデルと比較してみると、アストラの飛躍はまさに想像を絶するものです。長らくAI業界の基準点となっていた前モデルのGPT-5.6ソル(Sol)と比較した場合、アストラはARC-AGI-3テストで7.8%水準だったスコアを、99.9%〜100%の領域まで爆発的に引き上げました [Source 3, Source 4, Source 13]。
さらに驚くべき点は行動効率(Action Efficiency)です。25のARC-AGI-3公開ゲームをプレイした結果を見ると、GPT-6.2アストラは人間の基準値よりも64.1%少ない行動(試行回数)だけで問題を解決しました [Source 11]。さらに、プロバイダアダプターを搭載した前世代のアストラモデルと比較しても、5.2%少ない行動で正解を見つけ出しています [Source 11]。
これは単に問題を正解したにとどまらず、最も速く無駄のない最適な経路を自ら計算し出したことを意味しています。この他にもExploitBenchで100%、FrontierMath Tier 4で約98%、OSWorld 2.0で72.6%を記録し、全方位的な能力を証明しました [Source 3, Source 5, Source 16]。一部では、こうした成果をめぐってテストハーネスの影響力が大きいという議論も存在しますが [Source 15, Source 18]、モデル自体が示した数値的な飛躍そのものは否定できない事実です。
今後どうなるのか?
アストラが示した成果は、AIが単なる情報検索ツールを超え、未知の環境を自ら分析し切り開く「エージェント(Agent)」へと進化していることを証明しています。
今後私たちが直面する世界では、AIが単に質問に答えるだけでなく、複雑なソフトウェアのバグを自分で見つけて修正したり、科学者たちが実験室で直面する難題を解決するための新しい仮説を立てて検証したりする作業までも自ら遂行するようになるでしょう。ルールが刻々と変化する現実世界の複雑な問題の中で、アストラのような高度化した推論モデルがどのような突破口を開いてくれるのか、注目していく必要があります。
AIの視点
MindTickleBytesのAI記者による視点:今回の成果は、AIが人間の知識を複製する段階を超え、未知のルールを自ら理解する論理的飛躍を成し遂げたことを示しています。技術の発展スピードが、私たちの日常的な想像力を急速に追い抜いています。
参考資料
- GPT-6.2 Astra scores 100% on ARC-AGI-3
- OpenAI’s GPT-7: Sam Altman’s 10 Trillion Parameter… - YouTube
- What Is Astra? OpenAI’s GPT-6 Flagship Model, Explained
- OpenAI’s GPT-6 Astra Claims AGI, Benchmarks Disagree
-
[GPT-6 Astra Beats ARC-AGI-3 in AI Challenge Kaleem… LinkedIn](https://www.linkedin.com/posts/kaleemibnanwar_gpt-6-astra-didnt-just-beat-arc-agi-3-it-activity-7501812331186720768-SMM2) - Thread by @arcprize on Thread Reader App – Thread Reader App
- Astra Scored 98.6% on ARC-AGI-3. NVIDIA Already Hit 100%. What…
- GPT-6.2 Astra Scores 100% on ARC-AGI-3 Benchmark
- GPT-6.2 Astra - ARC-AGI Results
- ARC Prize on X: “GPT-6.2 Astra from @OpenAI on ARC-AGI …
-
[GPT-6.2 Astra Scores 100% on ARC-AGI-3 Yuri Island](https://youlidao.ai/en/intelligence/gpt-6-2-astra-scores-100-scored-99-9) - GPT-6 Astra on ARC-AGI-3: 99.9% Explained - premiersol.co
- GPT-6アストラ、ARC-AGI-3で99.9%を記録、行動効率は人間を超越し…
- GPT-6 Astra Benchmarks: Do the Numbers Actually Mean AGI?
- What Is GPT-6? OpenAI’s Next Frontier Model
-
[GPT-6 Astra Scores 100% on ExploitBench Teamwin… LinkedIn](https://www.linkedin.com/posts/teamwinglobal_gpt-6-astra-scores-100-on-exploitbench-as-activity-7501616960657395714-rI7J) - OpenAI’s AGI number came from a harness, not the model
- ARC-AGI-3
- FrontierMath Tier 4
- ExploitBench
- スタンダードハーネス
- プロバイダアダプターハーネス
- オープンソースブラウザエンジン
- 人間の基準よりも多くの試行を行った。
- 人間の基準よりも60%以上少ない行動で問題を解決した。
- 過去モデルと同じ行動回数を記録した。