OpenAIのGPT-6 Astraをめぐって、モデル性能そのものだけでなく、その内部で何をしているのかにも注目が集まっている。Sebastian Raschka氏は、Astraの初期印象、looped transformersと呼ばれる構造、そして「推論の途中経過を隠しているのではないか」という噂を同じ記事の中で追っている。新モデルの実力を眺めるだけでなく、近ごろのLLMがどこへ向かっているのかを読む材料として面白い内容だ。とくに、computer use と reasoning の関係をどう見るかは、今後のモデル設計を考えるうえでかなり示唆的だと思う。
Raschka氏はまず、OpenAIが公開したGPT-6 Astraをここ数日使ってみて、これまで触った中で最良クラスのモデルだと書いている。ただし、単に「賢い」と言って終わらせず、どの領域で伸びたのかを細かく見ているのがこの文章の中心だ。Astraは、文章生成、数学、coding などほぼ全カテゴリで前モデルのGPT-5.6を上回り、とくに3D rendering と animation のようなグラフィカルな作業で目立って強いという。ベンチマークでも、数学やcoding関連の指標で良い結果を出しており、ARC-AGI-3では99.9%を記録した一方、GPT-5.6 Sol は 7.8% だったと紹介されている。
ただし、著者はベンチマークの見方にも慎重だ。Artificial Analysis のような外部評価は、モデル提供元の自己申告より信頼しやすいが、どの harness で測るかによって印象が変わる。モデルは学習時に特定の harness を前提に作られていることが多く、ほかの評価環境では少し不利に出るかもしれない、というわけだ。Coding Agent Index では最前線にいるが、突出して大差をつけているわけではない、とも述べている。さらにAstraは、local computer 上のソフトを操作する computer use でも強く、ブラウザ版のMS Paintで自身の写真を描き直すデモまで挙がっている。ここから著者は、OpenAIが購入したとされる大量のMac miniやMac Studioは、GPUで学習そのものを回すためではなく、macOS環境を使って操作能力を身につけさせるためではないかと説明する。つまりAstraは、いまも reasoning model であり、RLVR のような仕組みで学習され、途中の reasoning trace を持つモデルだという整理だ。
記事の後半で話題になるのが、The Information が報じた「recurrent depth」や「looped transformers」という話だ。これは、Transformer の block を一度だけ通すのではなく、同じ block 群を何度も繰り返し使う設計を指す。新しい block を次々足して深くするのではなく、重みを共有したまま同じ計算を再利用するのが特徴になる。著者は、これは突然出てきた派手な新発明というより、2018年の Universal Transformer でも見られた考え方だと位置づけている。
説明の要点はかなり素直だ。Transformer block は attention、feedforward、normalization、shortcut connection を含む単位で、それを一列につないだものが stack になる。looped transformer は、その stack を何回も回すイメージに近い。重要なのは、同じ block を再利用するので、見た目の深さと計算の反復が一致しないことだ。著者はこの点を、単なる architecture の工夫として説明しつつ、これが「推論を隠している」ことを意味するわけではない、と後で触れるための土台を置いている。むしろ彼が言いたいのは、looped transformer という構造そのものよりも、それが reasoning trace の扱いとどう結びつけられて語られているかのほうだ。
私がまず面白いと思ったのは、著者がAstraの強みを「文章が上手い」「コードが書ける」で終わらせず、computer use にかなり比重を置いている点だ。これは単なるデモ映えの話ではない。GUI を操作できるモデルは、CLI やAPIが整っていない古い業務ソフト、社内専用ツール、会計や総務のような領域に食い込めるからだ。つまり、技術者向けの賢さではなく、一般業務に触るための賢さに近い。ここが本質だと思う。
しかも著者は、これが「LLMが人間の代わりに何でもやる」話ではなく、ハーネスと学習環境の整備が進むことで、ようやく実用の入口に立つという見方をしている。Macを大量に使うという話も、派手さよりむしろ地味で、でも筋が通っている。画面を見て、クリックして、結果を確認して、また次の操作を選ぶ。人間が横で指示するのに近い学習だ。私は、ここで伸びる能力は「知能」というより「手先の器用さ」に近く、だからこそ業務自動化に効くのではないかと思う。モデルが賢いかどうかより、既存ソフトを壊さずに触れるかどうかのほうが、現場ではずっと重要だからだ。
The Information の報道が引っ張ってきた「hidden reasoning trace」という話には、少し警戒したくなる。looped transformers のような構造があると、外からは1回の前向き計算に見えても、内部では複数回の反復が起きている。だから「見えない思考がある」と言いたくなる気持ちは分かる。けれど、著者の書きぶりを見る限り、それはかなり乱暴な言い換えだと思う。反復計算があることと、ユーザーに見せる chain of thought を意図的に秘匿していることは、同じではないからだ。
ここで大事なのは、reasoning trace は「モデル内部の実装の副産物」と「人間に出す説明」の二つに分けて考えることだと思う。前者は学習や推論の過程に自然に生じるかもしれないが、後者は安全性や品質管理の都合で編集されることがある。もしAstraが外に出す推論を制限しているなら、それは必ずしも秘密主義というより、回答品質や悪用耐性を優先した設計かもしれない。私は、今後の論点は「隠しているかどうか」より、「どの程度の説明を、どの場面で、誰に見せるべきか」に移っていくのではないかと見ている。モデルが賢くなるほど、むき出しの思考ログをそのまま出すことのほうが危うくなるからだ。
著者の全体の見方は、LLMの進化がすでに「言葉を出すモデル」から「環境に働きかけるモデル」へ静かに移っている、というものだと思う。これは派手な宣言ではないが、かなり大きい。数学やcodingのベンチマークが高いだけなら、既存の延長線で理解しやすい。けれど computer use が伸びると、モデルは人間の作業環境に直接入っていく。そうなると、学習データの質よりも、どんなUIをどれだけ安定して触れるか、失敗したときにどう戻るか、どこで人間確認を挟むか、といった運用設計が効いてくる。
私はここに、LLMの「能力」より「使われ方」が先に変わる兆しを感じる。企業は、新しいモデルがどれだけ賢いかより、既存の業務フローにどれだけ自然に差し込めるかを気にするはずだ。つまり、モデルの勝負はベンチマークだけでは決まらない。著者がharnessの違いにこだわるのも、その見立てに近い。Astraのようなモデルは、評価指標で見える優位より、実際の作業の中で「人の横に座れるか」が問われる段階に入った。そこでは、速さや正確さだけでなく、途中で迷ったときの振る舞いまで含めて評価される。LLMはもう、単なる会話相手ではなく、かなり本気で道具を使う作業者になりつつあるのだと思う。
