GPT-6 Astra の ARC-AGI-3「99.9%」を調べて考えたこと。
X で「これ本当なの」というポストが流れてきた。OpenAI のロゴ付きのグラフで、ARC-AGI-3 のスコアが GPT-6 Astra 99.9%、Claude Opus 5 30.2%、GPT-5.6 Sol 7.8% と並んでいる。正直、最初は嘘っぽいと思った。半年前まで最先端モデルでも 1% を切っていたベンチマークだ。
調べた結果と、そこから考えたことをまとめておく。
結論: 本物。ただし条件付き
2026年9月3日に OpenAI が GPT-6 Astra を発表し、公式ブログに「ARC-AGI-3 を 99.9% で飽和させた」と書いている。グラフはこの発表のものだった。
ベンチマークを運営している ARC Prize も独立に検証していて、結果を公開している。
- 標準ハーネス（他社と同じ条件）: 62.7%、費用 約26,000ドル
- OpenAI の Provider Adapter ハーネス: 99.9%、費用 約19,000ドル
同じモデルなのに 37 ポイントも違う。差の正体は「実行環境」だ。Provider Adapter は推論の状態をリクエスト間で保持し、長くなった会話を圧縮して過去の作業を再利用できる。要するにモデルが「メモを持ち越せる」かどうかで、これだけ変わる。
グラフで比較されている他社モデルは別の条件で測られている。ARC-AGI-3 は「未知の環境を探索して仕組みを推測する」テストなので、環境の違いが成績に直結する。99.9% と 30.2% を同じ土俵の数字として見るのは正確ではない。
それでも進歩は本物
数字を割り引いたうえで、それでも驚くべきことは残る。
公平条件の 62.7% だけでも他社を大きく引き離した SOTA で、3月には 1% 未満だった課題だ。しかも 96% のレベルで、人間の中央値より少ない操作数で解いている。
ARC Prize の分析で面白かったのは、Astra が環境のルールを自分で記号化して、独自の短縮記法でメモを取りながら進めていたという点だ。「パターンを暗記した」では説明しにくい振る舞いで、未知のものに対して自分でモデルを組み立てている。
で、AGI なのか
「AGI ではない」と言い切るのも、「AGI だ」と言うのも、どちらも言い過ぎだと思う。
AGI と言い切れない理由はいくつかある。ARC-AGI-3 は特定の課題群で、汎用性の一つの証拠にはなっても AGI の定義そのものではない。ARC Prize 自身も、ベンチマークの飽和を AGI の証明とは扱っていない。最良条件と標準条件で成績が大きく違う以上、「条件が揃えば人間並み」と「どんな条件でも人間並み」は別物だ。そして 1 回の評価に 2 万ドル以上かかる。人間はタダで解く。
過去を見ると、ARC-AGI-1 も 2 も飽和してから次が作られた。「これを超えたら AGI」の線は毎回後ろにずれていて、3 も同じ道をたどる可能性が高い。ベンチマークが測れなくなっただけで、証明が終わったわけではない。
一方で「AGI はずっと先」とも言えない。半年で 1% 未満から 63% は、止まる気配のない速度だ。数年前に「ずっと先」と言っていた予測はほぼ全部外れ続けている。コストも毎年桁で落ちてきたので、2 万ドルは時間が解決する制約だろう。
金をぶち込めば自己進化して ASI になるのか
これも今ある証拠からは言えない。
ARC-AGI-3 で示されたのは「未知の環境を触って理解する」能力で、「自分より賢いモデルを設計する」能力ではない。後者は別物で、まだ誰も測れていない。
自己改善のボトルネックは計算資源と検証時間だ。学習 1 回に数ヶ月と数十億ドルかかる以上、「賢くなった翌日にさらに賢くなる」速度にはならない。改善サイクルは物理的に律速される。AI が研究の一部を担うのはすでに起きているが、「研究の生産性が 2 倍になる」と「AI が AI 研究を全部やる」の間には大きな差がある。今起きているのは前者だ。
仕事はどう変わるか
未来予測なので確度は低いが、ARC-AGI-3 が測っているものから素直に延長すると、変わる順番はこうだと思う。
手順を教える工程が消える。今の AI 導入の手間の大半は「うちのやり方を教える」ことだ。ルールを教えなくても触って推測できるようになれば、マニュアルを書いて渡す工程そのものが要らなくなる。
個人がやれる範囲が広がる。設計と判断に時間を寄せて、実装・運用・調査を丸ごと任せる比率が上がる。小さいチームで大きい仕事が取れるようになる。
監督できる人とできない人の差が開く。自律的に動くほど、出力の良し悪しを判断し、どこまで任せてどこで止めるかを決める力が価値になる。技術を知らないと任せ方も分からないので、実務経験のある人ほど有利になる。
普及速度はコストが決める。今は「高価な専門家を雇う」感覚でしか使えない。過去の例では 2〜3 年で 100 分の 1 程度に落ちているので、賢さよりコスト低下の速さが普及を決める。
変わらないものもある。責任を取る人、顧客と関係を持つ人、何を作るか決める人は残る。「何ができるか」より「何をやるべきか」を決められる側に立つのが、いちばん堅い立ち位置だと思っている。
結論: AGI は「ある日突然」来ない
ここまでを整理するとこうなる。
- 99.9% は OpenAI 側の最良条件の数字。公平比較なら 62.7%
- それでも半年で 1% 未満から 63% は本物の進歩
- AGI かどうかは定義論。ベンチマークはまた作り直される
- 「金で自己進化→ASI」は今の証拠からは言えない。学習サイクルが物理的に律速する
「嘘っぽい」という直感は数字の盛り方については正しかった。進歩そのものは本物だった。
そのうえでの見立ては、「ある日突然 ASI」ではなく、「毎年ベンチマークが飽和して作り直され、コストが落ち、任せられる仕事が広がり続ける」というだらだらとした急上昇だ。AGI かどうかは定義論で決着がつかないまま、気づいたら人間より賢い領域が増えている。そういう形で来る。
だから「AGI が来たか」を気にするより、標準条件の成績が実タスクにどう一般化するか、コストがいつ落ちるか、そして自分がどこまで任せてどこで止めるかを決められる側にいるか。見るべきはそこだと思っている。
