GPT-6 Astra vs Muse Spark 1.3

ポジ 13 ／ ネガ 4 ／ 中立 4

ポジ 6 ／ ネガ 4 ／ 中立 1

2026-09-03（米国時間）公開の OpenAI 最上位モデル（API は gpt-6-astra）。 「Astra」は 2026-08-01 に数学の未解決問題を10問解いた成果として存在が明かされたモデルで、そこに GPT-6 という世代番号が付いて公開された。 提供は段階的で、まず Daybreak プログラムで承認された組織（2026-09-03 時点で2,000の組織・ワークスペース）に届き、数日中に ChatGPT の Plus・Pro・Business・Enterprise へ広げると案内された（Enterprise は既定で無効、管理者が有効化）。API のほか Amazon Bedrock・Microsoft Azure でも提供。 料金は入力 $10 / 出力 $50 で、前世代の GPT-5.6 Sol（$4/$20）の2.5倍。キャッシュ入力は $1、キャッシュ書き込みは $12.50（未キャッシュ入力の1.25倍）。まとめて投げる Batch と Flex は標準の半額、低遅延の Fast モードは2倍の $20/$100（最大2.5倍高速）。入力が 272,000 トークンを超えたリクエストは、そのリクエスト全体が入力2倍・出力1.5倍で計算される。 本表の「一度に読める量」922,000 は、OpenAI 公式表記のコンテキストウィンドウ 1,050,000 トークンから1回の出力上限 128,000 トークンを引いた値（GPT-5.6 Sol と同じ数え方）。知識のカットオフは 2026-04-30。入力はテキストと画像、出力はテキスト。 第三者機関 Artificial Analysis の AA Intelligence Index は 53（v4.3.2／max 設定・2026-09-23 確認）で、Claude Fable 5.1 と同じ 53。AA 全体の順位は168モデル中6位で、本表では 2026-09-22 公開の Claude Opus 5.5（max 設定で 58）が上にいる。2026-09-08 の v4.3 では小数まで見て Fable 5.1 の 53.4 に対して Astra は 52.8、順位は130モデル中1位対3位だった（公開時の v4.1.1 では Astra 61・Fable 5.1 66 と差があり、指標の版上げで縮んだ）。Meta の Muse Spark 1.3 は同じ v4.3.2・max 設定で 48 なので、本表では Astra が上に出る（Muse Spark 1.3 の max reasoning は Meta AI Research のブログが公開初日から利用可能と明記しており、2026-09-05 に原文で再確認した）。同社の Coding Agent Index は、公開時の記事では Codex ハーネスで 67 と、Claude Fable 5.1（Claude Code ハーネス）の 70 に次ぐ位置だった（この指標もその後採点し直されているので、最新の値は AA のページで確認してほしい）。 一方、OpenAI 自身が公表した数値ではパソコン操作とサイバーの伸びが大きい。OSWorld 2.0 は 72.6%（GPT-5.6 Sol は 65.7%）で所要時間は約75分→約40分、ScreenSpot-Pro 92.7%、BrowseComp 91.5%、Agents' Last Exam 59.3%、Terminal-Bench 4.0 57.9%、DeepSWE v1.1 74.1%、FrontierCode 1.1 Extended 64.5%、FrontierMath Tier 4 v2 97.6%、GPQA Diamond 96.0%、ExploitBench 100%（同 78.5%）、SRE-Bench 88.0%（4回以内で 99.2%）、SEC-Bench Pro 85.4%。許可された範囲を超える行動は 0%（同 48.2%）。 本表の GPQA 欄には OpenAI 自身の公表値 96.0% を入れている（本表の GPQA・HLE 欄は各社の公表値を載せる欄で、Anthropic 行の HLE がツールなし条件の公表値であるのと同じ扱い）。第三者機関 Artificial Analysis の独自実測は 96.1%（max 設定・2026-09-04 確認）で、公表値とほぼ一致している。 HLE（Humanity's Last Exam）は OpenAI が Astra について公表していないため「—」のまま。AA の独自実測は 54.7%（max 設定・2026-09-04 確認）だが、本表の HLE 欄に並ぶ他行はベンダー公表値なので、測り方をそろえるため欄には入れず、ここに記録だけしておく。 なお ARC-AGI-3 の 99.9% という数字が広く報じられているが、ARC Prize の計測では各社を同条件でそろえる Standard ハーネスだと 62.7%（費用 $26,098）で、99.9%（同 $19,285）は OpenAI 独自の Provider Adapter ハーネス（考えている途中の状態をリクエストをまたいで保持できる）を使ったときの値。 サイバーセキュリティ分野で OpenAI の Preparedness Framework の最上位「Critical」に分類された初めての自社モデルで、この分類を維持したまま公開された（GPT-5.6 Sol までは一段下の「High」）。評価中に未知のゼロデイ脆弱性を2件発見し、開発元に報告している。

Meta Superintelligence Labs（MSL）の最上位モデルで、Meta のフロンティアが重みを公開する Llama から中身非公開の Muse へ移ったあとの現行世代。2026-09-02 公開。前世代 1.2（2026-08-05 公開）からの主な変更は、長時間ひとりで進める作業と複数の作業を並行して進める力の底上げ、分からない点を利用者に聞き返すようになったこと、指示への追従、そして自分にできること・できないことの自己申告の改善。Meta はコーディング作業で「道具を呼ぶ回数がおよそ20%減り、使うトークンがおよそ25%減った」としている。不正な指示の埋め込み（プロンプトインジェクション）への耐性も上がったと明記している。得意分野は「AI に任せっぱなしにする長いコーディング作業」——複数ファイルにまたがる書き直し、長時間のバグ取り、1回の指示では終わらない仕事を通しでこなすこと。料金は入力 $1.25／出力 $4.25、読み込んだ内容の使い回しは $0.15。本表はこの標準ティアの値。もうひとつ muse-spark-1.3-contributor という格安ティア（入力 $0.10／出力 $0.20＝入力で12.5分の1）もあるが、こちらは送った内容を Meta が今後のモデル学習に使う条件つきなので、業務利用では標準ティアを見ること。長い文章を入れても割増料金はかからないと明記されている。いちばん深く考える max reasoning は公開初日から使える（Meta AI Research のブログが「Muse Spark 1.3 with max reasoning is now available on Muse Code and Meta Model API」と明記。2026-09-05 に原文で再確認）。第三者機関 Artificial Analysis の AA Intelligence Index は 48（v4.3.2／max 設定・2026-09-23 確認。168モデル中17位）で、本表の多くの行と同じ max 設定での値。2026-09-08 の v4.3 では前世代 1.2 が 40（xhigh）、本モデルの xhigh が 45 だった。本表は 2026-09-08 に全行を v4.3 へそろえた（AA が指標を v4.2 から v4.3 に更新し、𝜏³-Banking が外れて AutomationBench-AA が入り、Terminal-Bench が v2.1 から v4.0 に上がったため、全モデルの点数がまとめて下がっている）。その後 AA は 2026-09-19 に v4.3.2 へ更新して全モデルを採点し直したが、本モデルは 48 のまま。Meta 公式が出しているベンチは Terminal Bench・DeepSWE・Meta 社内コードベンチ・GDPval で、公式ページでは数値が画像でしか示されていないため本表には載せていない。SWE-bench Verified・MMLU・GPQA・AIME・HLE はいずれも Meta 公式が数値を公表しておらず「—」（AA の独自実測では xhigh 設定で Humanity's Last Exam 47.5%・GPQA Diamond 94.1%、max 設定で 49.1%・93.8%＝いずれも 2026-09-04 確認）。入力はテキスト・画像・音声・動画に対応し、出力はテキストのみ。重みは配られていない（API 経由のみ）ので、Meta のオープン系を探すなら Llama 4 か、2026-08-10 に出た Muse Glimmer を見ること。本表の約105万トークン（1,048,576）は Meta 公式のモデルページの表記で、入力と出力の内訳は公表されていない（2026-09-04 確認）。

• → OpenAI Developers：GPT-6 Astra Model（コンテキスト1,050,000・出力上限128,000・知識カットオフ 2026-04-30・$10/$50・キャッシュ $1/$12.50）
• → OpenAI 公式：GPT-6 Astra: A new generation of intelligence（2026-09-03。ページ本文は JavaScript 必須で機械取得できない）
• → ITmedia NEWS：OpenAI、「GPT-6 Astra」を一部組織向けに公開　サイバー能力が初の「Critical」に（2026-09-04）
• → 窓の杜（Impress）：OpenAI、次世代モデル「GPT-6 Astra」を発表（2026-09-04。API 料金とベンチマーク）
• → the decoder：GPT-6 Astra is the first model making OpenAI willing to declare the AGI era（2026-09-03。公式ベンチ一覧）
• → Artificial Analysis：Benchmarking GPT-6 Astra（2026-09-08 確認時は Intelligence Index v4.3 で 53・130モデル中3位。v4.2 では 55、公開時の v4.1.1 では 61・Coding Agent Index 67）
• → Artificial Analysis：GPT-6 Astra（max）のモデルページ（Intelligence Index v4.3.2 で 53・168モデル中6位・2026-09-23 確認）
• → ARC Prize：OpenAI's GPT-6 Astra on ARC-AGI-3（Standard 62.7% / Provider Adapter 99.9%）

• → Meta Developer：Muse Spark モデルページ（料金2ティア・context 1M）
• → Meta Research Blog：Introducing Muse Spark 1.3（2026-09-02 公開。max reasoning が初日から利用可能・重み公開の予告）
• → Artificial Analysis：Muse Spark 1.3（Intelligence Index v4.3.2 で max 48・168モデル中17位・2026-09-23 確認。v4.3 では xhigh 45 / max 48・130モデル中13位）
• → Meta Developer Blog：Muse Spark 1.2 と Muse Code（2026-08-05 公開。前世代の記録）