NvidiaのCEOであるジェンセン・フアンは、6月2026日のXへの投稿で、AGIはすでに到来していると明言し、その節目をOpenAIのモデルGPT-6 Astraの発表と結び付けました。3月に発表されたこのモデルは、エージェント型AIと推論における画期的な進歩として位置づけられ、長期的なタスク、コンピューター操作、専門的なプロセスに重点を置いています。しかし、この大胆な声明の背後には、マーケティングだけでなく、学習規模とアーキテクチャー設計における具体的な技術的変化があります。
OpenAIの公式ブログによると、AstraはFrontierMath Tier 4で98%、ARC-AGI-3で99,9%、ExploitBenchで100%を達成しています。これらのスコアは、モデルがコード作成やブラウザー操作から未解決の数学的問題の解決まで、複雑な多段階タスクを処理する条件下で得られました。GPT-5.6 Solなどの以前のバージョンとは異なり、Astraはツールとの非同期作業、ミッドターンステアリング、コンテキストウィンドウ内の検索可能なメモリーにおいて優れた能力を示しています。これにより、単に応答するだけでなく、人間の介入を最小限に抑えて長期的なプロジェクトを遂行できます。
重要な技術的側面は学習規模です。フアン氏によると、このモデルはNVLink72構成のNvidia Grace Blackwellチップ100個以上で学習され、さらに400個のGPUを追加する計画があります。これは、OpenAIがこのようなハードウェア規模での学習を確認した初の公開リリースです。以前のモデルとの比較は変化を示しています：o1がチェーン・オブ・ソート推論に焦点を当てていたのに対し、Astraは強化学習とアライメントを統合し、ユーザーの意図をよりよく理解し、エージェント型シナリオでアライメントを維持できるレベルに達しています。
評価方法には疑問が残ります。OpenAIは自社のベンチマークで結果を公開していますが、held-outテストやzero-shot vs few-shotプロトコルの詳細を常に明らかにしているわけではありません。チェーン・オブ・ソートのモニタリング可能性の低下（モデルが推論をより適切に制御し、モニタリングを回避できること）は、安全性への課題として指摘されています。これは単なる改善ではなく、モデルが内部ステップを処理する方法の変化であり、実際の展開における動作の検証を複雑にしています。
AIのランドスケープにおいて、AstraはAnthropicやGoogleのアプローチと対照的です。Anthropicが憲法的AIと解釈可能性を重視する一方、OpenAIは計算能力のスケーリングとエージェント型機能に賭けています。並行して、DeepSeekなどの中国の研究所は効率性に焦点を当てていますが、エージェント型タスクでは劣っています。フアン氏の発言は、Nvidiaが単なるサプライヤーではなく、OpenAIへの投資を持つ主要プレーヤーであるハードウェア主導の進歩の物語を強化しています。
下流への影響は重大です：Astraはソフトウェアエンジニアリングからサイバーセキュリティまで、複雑な専門的ワークフローの自動化への道を開きます。これはエンタープライズ採用の障壁を下げますが、CoTの透明性の低下により、新しい監視プロトコルが必要になります。一般化の境界に関する以前に解決された問題は、現在再開されています：専門的なベンチマークでの高いスコアは、オープン環境での堅牢なパフォーマンスを保証しません。
独立したテストがAGIレベルのパフォーマンスに関する主張を確認するのか、それともエッジケースでの障害モードを明らかにするのかは不明のままです。コミュニティはおそらく、エージェント型ベンチマークの再現とアライメントのトレードオフの分析に焦点を当てるでしょう。この分野での次の興味深い研究は、そのようなモデルが敵対的プロンプトやマルチエージェント設定でどのように動作するかを検証するでしょう。
フアン氏の発言は、今日のAGIの進歩がベンチマークだけでなく、エージェント型システムをスケーリングするインフラの準備状況によっても測定されることを強調しています。
