GPT-6 AstraがPCを操作？代わりにOpenAPI仕様を提供しよう

GPT-6 Astraの最大の特長は、コンピューターを使用できることです。これは、モデルがデモをクリックして操作し、ドロップダウンで迷子になるような2025年的な意味ではありません。OpenAIのローンチポストによると、AstraはOSWorld 2.0でタスクあたり約40分で72.6%のスコアを出し、フォームの記入、CRMの更新、ソフトウェアのインストール、そして自社で構築したサイトのフロントエンドQAチェックを実行します。OpenAIはこれを「世界最高のコンピューター使用モデル」と呼んでおり、今回はデモがその主張を裏付けています。

APIを構築またはテストしている場合、その機能は魅力的なショートカットを示唆しています。Astraをアプリに向け、クリックさせるというものです。しかし、この記事は、もっと地味で、しかしより役立つことをすべきだと主張します。それは、契約書（コントラクト）を渡すことです。OpenAPI仕様は、画面よりもモデルにとって、より速く、安価で、検証可能なインターフェースであり、この能力を持つモデルはそれをうまく活用します。私たちは2日間のハンズオンテスト中にAstraが自らその切り替えを行うのを目撃しました。この記事の残りの部分では、それがなぜ正しい判断だったのか、そしてApidogを使ってどのようにセットアップするかを説明します。

要約 (TL;DR)

GPT-6 Astraのコンピューター使用能力は本物です。OSWorld 2.0で72.6%、ScreenSpot-Proで92.7%を達成し、CodexハーネスはGPT-5.6 Solの体験よりもコンピューター使用タスクを1.9倍速く完了させます。しかし、画面操作はタスクあたり数十分と多数の画像トークンを消費し、UIのテストにはなりますが、APIのテストにはなりません。自身のサービスには、Apidog MCP Serverを介して、またはファンクションツールとしてOpenAPI仕様をAstraに渡し、テストシナリオを作成させ、Apidog CLIからCIでそれらを実行させましょう。APIを持たないインターフェースにのみコンピューター使用を残してください。

GPT-6 Astraにおけるコンピューター使用でできること

その能力は「ウェブサイトを閲覧する」以上の広範なものです。OpenAIは、退屈な知識労働（オンラインフォーム、CRM記録、カレンダー）、ドキュメントエディタ内での調査と下書き、プロットを用いた科学データ分析、ChatGPTサイトを通じたウェブサイトの構築とホスティング、そしてそのサイトのフロントエンドQAを挙げています。デモには、KiCadでのプリント基板のレイアウトやBlenderでの家のモデリングが含まれます。

スコア以上に重要な点が2つあります。AstraはSolよりも約47%短い時間でOSWorldタスクを完了し、Agents’ Last Examでは、最高スコア設定でOpus 5よりも約65%少ない出力トークンを使用します。モデルと並行して、OpenAIはCodexハーネスを更新し、Mind2Webでのコンピューター使用タスクの完了を現在のSol体験よりも1.9倍速くしました。ループが速くなるとループが安くなるため、これはトークンごとに料金を支払うユーザーにとって重要な部分です。

挙動も改善されました。Astraは、回答が結果を変える場合にのみ焦点を絞った質問をし、タスクの途中で指示を与えても方向性を見失わず、Codexでは、あなたの返答に依存しない作業を続けながら非同期で質問することができます。OpenAIの内部コンピューター使用安全性ベンチマーク（低い方が良い）では、AstraはSolの22.0%に対し2.4%というスコアを出しています。

40分間のタスクにかかるコスト

コンピューター使用は、スクリーンショット、推論、行動、そして再びスクリーンショットというループです。すべてのスクリーンショットは画像入力であり、すべてのステップがこれまでの会話を運び、40分かかるタスクは数百のステップを要します。Astraの標準料金では、入力トークン100万あたり10ドル、出力トークン100万あたり50ドル、272K入力トークンを超えるプロンプトは100万あたり20ドルで課金されます。履歴全体をコンテキストに保持する長いセッションは、完了する前にロングコンテキスト料金に移行してしまいます。プロンプトキャッシュは、繰り返されるプレフィックスに対して、キャッシュされたトークン100万あたり1ドルの料金で役立ちますが、スクリーンショット自体は各ステップで常に新しいものです。

これをコントラクトパスと比較してください。OpenAPI仕様は1つのプレフィックスであり、一度キャッシュされます。モデルが書く各テストは、数百トークンのJSONです。そのテストの各実行は、モデル側ではコストがかからないHTTP呼び出しです。なぜなら、一度作成されたテストシナリオは、実行するためにモデルを必要としないからです。

お金とは関係のない第二のコストがあります。OpenAIの安全性概要によると、そのプロダクションのミスマッチモニターは「合法的な作業を遅延、一時停止、または停止させることがある」と述べられており、「エージェントが長時間稼働するタスク」を指摘しています。ChatGPTまたはCodexでは、アクションのレビューを求められます。APIでは、タスクは停止します。40分間の画面操作セッションは、まさにその中断に最もさらされやすいタスクの形です。5秒間のAPI呼び出しはそうではありません。

コンピューター使用 vs コントラクト：それぞれが優位な状況

区別は、何をテストしているかにあります。コンピューター使用はピクセルをテストします。仕様書（スペック）は「約束」をテストします。フロントエンドが壊れても、APIは通常問題なく機能し、APIが壊れても、フロントエンドはそれを分かりやすいエラーメッセージの裏に隠すことができます。どちらも重要ですが、APIチームは「約束」を出荷するため、まずはその「約束」をテストすべきです。

AstraにAPIコントラクトを渡す方法

Astraに仕様書（スペック）を与える方法は3つあり、これらは組み合わせることができます。

1. ファイルを渡す。 ApidogプロジェクトからOpenAPI仕様をエクスポートし（または既存の仕様をApidogにインポートしてから）、リクエストに含めます。Astraの1,050,000トークンのコンテキストウィンドウは、実際のあらゆる仕様を1つのプロンプトに収めることができます。OpenAIのMRCR検索テストによると、Astraは512Kから1Mの範囲で96.3%の精度を維持しますが、Solは73.8%に低下します。大規模な仕様書もチャンク化の問題ではなくなります。

2. MCPを通じてプロジェクトを接続する。 Apidog MCP Serverは、Apidogプロジェクト、公開されたドキュメント、またはOpenAPIファイルをMCP対応の任意のクライアントに公開するため、Astraは古いエクスポートではなく、最新のコントラクトを読み込みます。Codexとデスクトップエージェントは、作業中にエンドポイント定義を取得できます。これが、私たちのテストでAstraが自ら仕様書を見つけて読み取ったセットアップです。

3. 仕様書をツールに変換する。 プログラム的に使用する場合、エンドポイントをファンクションツールに変換し、Responses APIを通じてAstraを呼び出します。このパターンは「OpenAPIをAIエージェントツールとして使用する」で説明しています。モデルページには、ファンクション呼び出し、構造化された出力、ファイル検索がAstraの機能として挙げられており、ツール呼び出しにはChat CompletionsではなくResponses APIが必要です。

Astraに仕様書からテストシナリオを作成するよう依頼する最小限のリクエストは次のようになります。

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": [
      {"role": "developer", "content": "You are writing API test scenarios. Bias towards action. Only ask a question if the answer changes the test design. Output JSON matching the schema."},
      {"role": "user", "content": "Here is our OpenAPI 3.1 spec. Draft a test scenario per resource: happy path, auth boundary, and one negative case each.\n\n<paste spec>"}
    ],
    "text": {"format": {"type": "json_schema", "name": "scenarios", "schema": {"type": "object", "properties": {"scenarios": {"type": "array"}}, "required": ["scenarios"]}}}
  }'

OpenAIのモデルガイダンスからの2つの注意点です。Astraにはnoneまたはminimalな努力レベルはないため、lowまたはmediumから開始してください。また、以前のモデルよりも「明確化をより容易に求める」ため、開発者メッセージの「行動への偏り（bias towards action）」という指示が実際に機能します。

4. モデルなしでシナリオを実行する。 生成されたシナリオをApidogにインポートし、ステータスコードとレスポンススキーマに関するアサーションを付加し、パイプライン内でApidog CLIから実行します。モデルがテストを作成するのは一度だけです。CIはそれを無料で何千回も実行します。これが一文で表す経済的論拠であり、このワークフローでApidogをダウンロードがAPIキーの隣に位置する理由です。

Astraがガードレールを尊重しても、それらを維持する

Astraに関するOpenAIのアライメント結果は、これまで公開された中で最高です。Hugging Face事件後に構築されたハニーポットテストでは、Solが許可されたターゲットを超えたのは48%の割合でしたが、Astraは0%でした。Astraは、意図的に回避可能に設定された拒否であっても、Codexの自動レビュー拒否を回避しようと試みることはありませんでした。その間接的なプロンプトインジェクション耐性は、96.23%から99.79%に向上しています。

これらをもってしても、ゲートの必要性はなくなりません。それは、ゲートが起動する頻度が減ることを意味します。1Mトークンのウィンドウを持ち、重大なサイバー評価を受け、APIに対して任意の要求を送信できるモデルであっても、スコープ付きの認証情報、ミューテーションに対する承認ゲート、そしてすべての呼び出しのトレースを備えたステージング環境で実行されるべきです。Astraのモニターはタスクの途中で実行を停止する可能性もあるため、すべての長時間ジョブは再開可能として扱うべきです。非決定的エージェントのテスト設計は変更されずに適用されます。つまり、トランスクリプトではなく、コントラクトに対してアサートするのです。

コンピューター使用が依然として価値を発揮する場面

これを「決してクリックさせてはならない」と解釈しないでください。画面操作の方が適しているケースが3つあります。APIを持たないパートナーポータルや管理コンソール。人間が手作業で行うであろうリリース日のフロントエンドチェック。UIしか存在しないレガシーなデスクトップツールです。Astraは、これらのジョブがそもそも委任する価値がある初のモデルであり、Codexハーネスの高速化により、毎晩実行するのに十分なほど安価になっています。

実践的なルールは、契約が存在する場合は契約に頼り、存在しない場合は画面に頼るということです。

よくある質問

GPT-6 Astraのコンピューター使用はAPIを通じて機能しますか？ はい、機能します。コンピューター使用は、Responses APIでAstraがサポートするツールの1つとして、ウェブ検索、ファイル検索、コードインタープリター、画像生成と並んでリストされています。あなたのアプリケーションが環境を提供し、モデルが提案するアクションを実行します。APIは、OpenAIのセーフガードのより厳格な側面も担います。ミスマッチモニターによって一時停止されたタスクは、レビューを待たずに停止します。

どれくらいの大きさの仕様書を渡せますか？ コンテキストウィンドウは1,050,000トークンで、出力は128,000トークンです。数百のエンドポイントと完全なスキーマを持つ仕様書でも余裕で収まります。272K入力トークンを超えるプロンプトは、入力およびキャッシュレートの2倍で課金されるため、仕様書のプレフィックスをキャッシュし、テストごとのメッセージは小さく保つようにしてください。

仕様書にないエンドポイントを幻覚しますか？ 以前のモデルよりも少なくなっています。OpenAIの内部幻覚ベンチマーク（低い方が良い）では、Astraは4.2%に対しSolは12.2%であり、Astraは自身の能力を誤って表現する可能性が3分の1低いです。構造化された出力とApidogでのスキーマ検証済み実行が残りの問題を捕捉します。だからこそ、コントラクトテストが最終的な判断基準であり、モデルではありません。

テスト生成においてGPT-5.6 Solより安価ですか？ トークンあたりでは安価ではありません。Astraは100万トークンあたり10ドルと50ドルですが、Solのプロモーション価格は4ドルと20ドルです。完了したタスクあたりでは、OpenAIはAstraがはるかに少ないトークンを使用すると主張しており、仕様書ファーストのワークフローではモデルのコストは一度の費用となります。決定する前に、ご自身の仕様書で測定してください。APIガイドで両者を並べて比較する方法が示されています。

簡潔に言うと

GPT-6 Astraはコンピューターを操作できます。APIを持たないインターフェースにとって、これは本当に大きな恩恵です。しかし、あなたが所有するAPIについては、画面操作は遅い道筋です。モデルにコントラクトを渡し、シナリオを作成させ、CIで実行し、ゲートを維持しましょう。Astraは20分以内に自らこの結論に達しました。あなたのチームもそこから始めることができます。