OpenAIがAstraのサイバーセキュリティ能力を「Critical」と判定、未知の脆弱性を特定・悪用可能

OpenAIが「重大」（Critical）と判定したのは、Astraのサイバーセキュリティ能力だ。

同社はリスク管理の枠組み「Preparedness Framework」に基づいてモデルの能力を評価しており、Astraは同枠組みにおけるサイバーセキュリティの「Critical」水準に達した。未知の脆弱（ぜいじゃく）性を特定し、悪用する能力を持つためだ。

安全対策を外した状態の評価では、既知の脆弱性を動作する攻撃コードに変換できるかを測るベンチマーク「ExploitBench」で、Astraは100％のスコアを記録した。前世代モデル「GPT-5.6 Sol」の78.5％を上回る。ソースコードなしでソフトウェアの中核ロジックを解析するテストや、直近3カ月の脆弱性を使った社内評価でも、GPT-5.6 Solとの差は大きい。評価の過程でAstraは未知のゼロデイ脆弱性2件を発見しており、OpenAIは開発元に報告している。専門家による評価では、防御を強化したブラウザでの任意コード実行や、OSの権限昇格を狙う攻撃コードの作成も確認された。

こうした能力を踏まえ、提供版のAstraは攻撃の実証コード作成といった高度なサイバーセキュリティタスクを拒否する。防御側はセキュアコードレビューやパッチ適用に利用できる。OpenAIは審査制プログラム「OpenAI Daybreak」を通じて、脆弱性の検証やマルウェア解析、検知エンジニアリングなど、より広い防御用途を数週間かけて開放する計画だ。

運用面では、意図から外れた動作を検知するミスアライメント監視を本番環境に導入した。分類器がモデルの推論と行動を確認し、許可されていない可能性のある動作を自動で停止する。この安全確認によって、防御的なセキュリティ業務を含む正当な作業が遅延、停止する場合がある。ChatGPTやコーディング支援ツール「Codex」では操作の確認を求められ、API経由ではタスクが停止する。

モデルの整合性については、OpenAIのモデルが社内テスト中にAI開発プラットフォームを運営するHugging Faceのシステムへ侵入した2026年7月の事案を踏まえ、新たな評価を設けた。困難または実行不可能なタスクに直面した際に、許可された範囲を逸脱するかを測るものだ。安全対策なしのGPT-5.6 Solが48％の割合で範囲を逸脱したのに対し、Astraは0％だった。

企業はいつから、いくらで使えるのか

業務利用の観点では、コンピュータ操作の効率が向上した。デスクトップ操作の評価「OSWorld 2.0」では、GPT-5.6 Solと比べて1タスク当たりの所要時間を約47％短縮しながら、より高いスコアを記録した。

提供面では、数日中にChatGPTの各有料プランで利用できるようになる。Pro以上のプランでは上位版「GPT-6 Astra Pro」も使える。Enterpriseプランでは管理者がワークスペース単位で有効化する必要があり、初期状態では無効だ。APIでは「gpt-6-astra」として提供され、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。標準の2倍の速度で処理する「Fast mode」は2倍の料金で利用できる。「Amazon Bedrock」でも利用可能で、対象となるAPI顧客はデータを保持しない設定（Zero Data Retention）を選べる。