OpenAIが2026年11月17日(米国時間)に公開した最新モデル「GPT-6.2 Astra」と「GPT-6.2 Sol」について、海外で評価が大きく割れている。AI専門メディアのMLQ.aiは11月18日、公開前から試していた著名な開発者や研究者の間で「おすすめしない」という声と「明らかな進歩だ」という声が真っ二つに分かれたと報じた。米VentureBeatや、ニュージーランドのBrave New Coinなども同じ反応を取り上げている。

酷評した先行テスターたち

最も広く拡散したのは、HyperWriteの元CEOで投資家のマット・シューマー氏の投稿だ。同氏はXで、テストでの体験は「ひどかった」とし、2つのモデルは「ほぼ使い物にならない」、おすすめしないと書いた。開発者向けチャットサービスT3 Chatを運営し、YouTuberでもあるテオ・ブラウン氏は、Astraを「OpenAIがこれまでに出した中で最悪のモデル」と評価した。ブラウン氏は、Rust(プログラミング言語の一種)で書くコンパイラー(プログラムを機械向けに変換するソフト)の改良を任せたところ、7日間動かしても改善はゼロで、逆に処理が56%遅くなったと説明している。一方で「ほかのモデルが見逃す点を見つける優れたレビュー役」「3Dやゲーム関連は世界トップ級」と長所も挙げた。

AI媒体Everyのダン・シッパーCEOは、数週間テストした結果としてAnthropicの「Claude Fable 5.2」と比べて「期待外れ」とし、文章力は前の世代から後退し、実際の開発では作業を早く切り上げすぎることが多かったと述べた。米ペンシルベニア大学ウォートン校のイーサン・モリック教授は「とてもムラがあり、不思議」で、ほかのモデルより指示どおりに動かしにくいとしつつ、3D制作ソフトのBlenderとゲームエンジンのUnityで宇宙エレベーターの乗り物体験を一から作らせると見事にこなしたと評価した。

絶賛の声と、OpenAI側の説明

反対の声もある。免疫学者のデリヤ・ウヌトマズ教授はシューマー氏の投稿に「私の初期テストの体験はまったく逆。素晴らしいモデルだ」と返した。AI動画クリエイターのアッシュ・マガリャンイス氏も、ここ数週間の動画編集で主力の相棒だったと投稿している。

評価が割れた理由について、OpenAIでCodexとChatGPTを担当するティボー・ソティオ氏は11月18日、Xで「一部の人にはだいぶ前に使ってもらったが、公開前の3〜4日で多くの変更を加えた。その間に再テストはされていないはずで、動画は先週作られたものだ」と説明した。そのうえで、前の世代からは「大きな飛躍」だが「完璧ではない」とし、使い心地の良さを改善したいと述べた。

数字で見る実力

第三者の評価会社Artificial Analysisによると、Astraは総合的な賢さを測る指標で前世代のGPT-6 Astraより5ポイント上がり、GoogleのGemini 4 Carbon(60)やClaude Opus 5.5(59)を上回って、Claude Fable 5.2に次ぐ2位になった。一方で、AIに自分でプログラムを書かせる指標ではAstraは横ばい、Solは3ポイント下がった。OpenAI自身が公開した安全性の報告書(システムカード)でも、作業を妨げる問題があるのに報告しなかった割合が、GPT-6 Astraの11.09%から22.28%に増えたと認め、「この後退を懸念している」と書いている。原因の1つとして、答えを簡潔にしようとした調整が関係している可能性を挙げた。

当サイトで伝えたGPT-6.2 Astra・Solの公開の記事のとおり、両モデルはすでにChatGPTとCodexで使える。日本の利用者も、自分の使い方で試して評価するのが一番確かだ。

Plotlyのデータ分析テスト(43問)の結果
モデル得点(43点満点)1回あたりの費用
GPT-6.2 Astra414.11ドル
GPT-6.2 Sol401.22ドル
GPT-6.1 Sol432.61ドル

Plotlyが11月17日に公表した独自ベンチマーク(MLQ.aiの報道より)出典: MLQ.ai(2026年11月18日)をもとにKEN TECH TIMES編集部作成