GPT-6 Astraの「30.9分」は何を示す？シンギュラリティ論と評価の限界

GPT-6 Astraの評価に出てくる「30.9分」。これを見て、AIに30分の仕事をまとめて任せられるようになったのか、と思った人もいるかもしれません。

2026年9月の公開資料で、UK AI Security Institute（旧AI Safety Institute、UK AISI）が報告したNo-CoT数学評価は、Astraが30.9分、GPT-5.6 Solが3.6分でした。約8.6倍という大きな差ですが、No-CoTは推論過程を外へ出さない条件です。この違いを押さえると、結果が示す進歩と、実務やシンギュラリティの議論に必要な別の証拠を分けて読めます。

30.9分と3.6分の差は目を引きますが、この「分」はAIが働き続けた時間ではありません。まず、その意味から確かめましょう。

30.9分が測っているもの

この評価では、数学問題の難しさを、人間が解くのにかかる時間へ置き換えます。その中で、モデルの成功率が50%になる問題の所要時間を推定したものが時間指標です。50%は答えへの自信や推定値の信頼区間ではありません。公式の図41でも、成功率50%の時間指標と、推定の不確実性を示す95%の信頼区間を分けて示しています。No-CoT条件では、長い推論文を出しながら解く方法を使わず、単一の前向き計算で答えさせます。

つまり30.9分は、人間の所要時間を基準にした問題の難しさを表します。AIを30.9分動かし、その間にどれだけ仕事をしたかを測った数字ではありません。

UK AISIは、この条件でAstraが過去モデルより難しい数学問題を解けるようになったと報告しています。OpenAIのシステムカードの監視可能性に関する評価がこの伸びを扱うのは、能力だけでなく、外から考え方を追えるかにも関係するためです。長い推論文が出なくても解ける範囲が広がれば、その文章を読んで途中の判断を調べる手掛かりは少なくなります。

実務の30分とは違う

自分の仕事へ当てはめるときは、何を測ったかを入れ替えないようにします。例えば、次の内容は今回の数学評価だけでは確かめられていません。

• 30分のソフトウェア開発を半分の確率で完了できる
• 30分間ブラウザを自律操作できる
• 人間研究者の30分分の仕事を代替できる
• Solより実務全体が約8.6倍強い

開発を任せたいならコーディング、PC操作ならその操作の成功率と、人が介入した回数を見る方が目的に合います。同じモデルの世代差でも、課題によって伸び幅は変わります。「8.6倍」を実務全体の性能倍率にせず、自分が任せたい仕事に対応する評価を探しましょう。

数字には不確実性がある

30.9分は推定値なので、そこを超える問題はすべて失敗し、それ以下なら必ず解ける、という線引きにも使えません。UK AISIは、評価対象に関する情報が学習へ混ざるデータ汚染によって、値が高く出ている可能性を挙げています。評価に使えた時間が限られ、分析の深さにも制約があるとの注意もあります。

結果を紹介するときは、Solの3.6分より大きな値が報告されたことと、これらの不確実性を一緒に伝えるのが適切です。数字だけを切り出すより、どの条件で得られた差かを残す方が、後継モデルとも比べやすくなります。

シンギュラリティと結びつける条件

では、大きな能力向上を見て「シンギュラリティが始まった」と言えるのでしょうか。この言葉や「知能爆発」には、誰もが使う一つの測定方法がありません。ここでは、AI自身の研究参加が次世代AIの開発を速め、その改善がさらに研究を速める、という自己改善の循環を考えます。

AIの能力が上がる
↓
AIが研究・実装・実験をより多く担当する
↓
次世代AIを作る速度が上がる
↓
そのAIがさらに研究を加速する

この循環を確かめるには、AIが研究をどこまで担当し、その貢献で開発期間や改善周期がどう変わったかを追う必要があります。数学の成績が上がったという記録だけでは、その間のつながりが埋まりません。世代を重ねるほど改善速度まで上がることが実測されれば、再帰的自己改善を議論する根拠は強くなります。

AI研究の自動化は進んでいる

OpenAIは2026年9月6日の研究自動化に関する報告で、同社が目標にしていた自動化された研究インターンへ到達したと説明しました。人間の指示で、明確に定義された研究課題を担当する仕組みで、熟練研究者なら数日かかる作業も含むとしています。

同じ報告にある2028年3月の自動化されたAI研究者は、人間の監督下でより広い研究を進める今後の目標です。すでに達成した結果としては扱えません。また同社は、研究には多くのボトルネックがあり、コード量や実験数が増えた割合で研究全体も速まるとは限らないと説明しています。研究参加が進んだことと、研究全体がどのくらい加速したかを分けて読む必要があります。

発表を追うときは、メモを「解ける問題」「人の介入なしに進められる作業」「AI開発の速さ」の三つに分けると整理しやすくなります。新しい数学スコアは一つ目へ、開発タスクの完了率は二つ目へ、研究期間の短縮は三つ目へ書きます。同じモデルについて三つとも埋まるとは限りません。空欄は、そのつながりをまだ確かめられていない場所として残しましょう。

比較には、モデル名だけでなく課題、推論条件、成功の定義、公表元も添えます。同じ「分」でも数学問題とソフトウェア開発なら別の欄です。こうして残すと、次の発表で評価方法が変わった場合にも、能力が伸びたのか、測り方が変わったのかを先に確かめられます。

次に追うべき指標

今後の発表では、次の数字が同じ条件でどう変わったかを見ていくと、能力と研究速度をつなぐ材料を集められます。

• 後継モデルで同じNo-CoT数学評価がどう変わるか
• 長時間のソフトウェア開発やPC操作で成功率がどう変わるか
• AI研究者が担当できる研究タスクの範囲がどう広がるか
• 人間研究者1人あたりの実験数や実装量がどう変わるか
• モデル世代間の開発周期そのものが短くなるか
• AIが提案した改善が次世代モデルの性能向上へどれだけ寄与するか

30.9分からまず読めるのは、推論文を出さない数学評価で大きな差が報告されたことです。自分の仕事への導入なら、その仕事に近い課題で試す。自己改善の議論なら、AIの研究貢献と開発周期の変化も追う。このように知りたいことに合う次の証拠を探せば、目立つ一つの数字に結論を預けず、進歩を具体的に見ていけます。