GPT-6 Astraの「30.9分」はシンギュラリティの兆候か　Solの約8.6倍を検証

GPT-6 AstraのSystem Cardに、これまでのモデルから大きく離れた評価結果が載っている。

UK AI Safety Institute（UK AISI）が測定したNo-CoT 50% reliability数学time horizonは、GPT-5.6 Solの3.6分に対してGPT-6 Astraが30.9分だった。倍率にすると約8.6倍になる。

図を拡大して見る

図1: UK AISIによるNo-CoT 50% reliability数学time horizon。AstraのSystem Cardでは95% Bootstrap CIも併記されている。

一世代の差としては非常に大きい。ただし、この30.9分だけを根拠に「シンギュラリティが始まった」「知能爆発が起きた」と結論づけることはできない。

この評価が示しているのは、Astraが明示的なChain of Thought（CoT）を使わない単一forward passでも、以前よりかなり難しい数学問題を処理できるようになったという限定された能力変化だ。

それでも無視しにくい数字ではある。理由は、AIの能力が上がること自体より、今後その能力がAI研究の自動化と接続し、次のAIを作る速度まで上げる可能性があるからだ。

30.9分は「30分間自律して働ける」という意味ではない

No-CoT数学time horizonは、一般的なAIエージェントの連続稼働時間を測る指標ではない。

Redwood Researchが公開した元の評価方法では、数学問題の難しさを「人間なら解くのにどれくらい時間がかかるか」で表し、そのうちモデルが50%程度の信頼性で解ける境界をtime horizonとして推定する。さらにNo-CoTなので、モデルには長い思考過程を外へ出させず、単一forward passで答えさせる。

したがって、Astraの30.9分を次のようには読めない。

• 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8.6倍強い

対象は数学競技問題であり、しかもNo-CoTという特殊な条件だ。

GPT-6 AstraとGPT-5.6 Solの総合比較を見ると、Astraの伸び幅は評価ごとに大きく違う。Agent・Terminal・SRE系では差が大きい一方、一般知識や総合知能系では差が小さい項目もある。30.9分という一点をAstra全体の「8.6倍の知能」と読み替えるのは適切ではない。

この評価はそもそもシンギュラリティを測るためのものではない

AstraのSystem Cardでこの結果が掲載された文脈は、将来予測ではなく**monitorability（監視可能性）**だ。

通常のCoTが外から読めれば、モデルがどのように判断したかを監視する手掛かりになる。ところが、CoTなしでも複雑な推論ができる範囲が広がると、外から観測できる思考の表面が減る。

UK AISIはAstraについて、過去モデルより単一forward passで難しい数学問題を解けるようになったと報告している。OpenAI側も、reasoningを使わせない条件で実行できるタスク範囲が大きく広がったとしている。

つまり30.9分は、本来「知能爆発の測定値」として公開された数字ではない。

ただ、能力の変化が一世代で約8.6倍になったため、別の問いが生まれる。こうした大きなジャンプが今後も繰り返されるなら、AIの進歩速度そのものが変わったと判断できるのかという問いだ。

30.9分には明記された不確実性もある

UK AISIは、この評価を確定値として扱っていない。

System Cardでは、No-CoT数学time horizonの推定値がデータ汚染によって高く出ている可能性があると明記されている。また、評価に使えた時間が限られていたため、分析の深さにも制約があるとしている。

Figure 41ではAstraの推定値に95% Bootstrap CIも表示されている。

したがって、現時点で強く言えるのは「30.9分という点推定が報告された」ことまでだ。30.9という数字の小数点までを確定した能力境界として扱うべきではない。

この制約を考慮しても、Solの3.6分との差が大きいこと自体は残る。ただし、大きな差があることと、その差が自己加速によって生まれたことは別の主張になる。

シンギュラリティで本当に見るべきなのは「改善速度の改善」

シンギュラリティには統一された技術的定義がない。AGIと将来のローカル機械知能を扱った記事でも、AGI自体に世界共通の合格線がない点を整理している。

Astraのような能力ジャンプを考える場合は、単に「モデルがどれだけ賢くなったか」と、「モデルを賢くする速度が速くなったか」を分けると理解しやすい。

前者は通常の性能向上だ。

後者では、次のような循環が成立する。

AIの能力が上がる → AI研究をより多く担当できる → 実験や実装が速くなる → 次世代AIがより早く改善される → そのAIがさらにAI研究を加速する

この循環が強まり、モデル世代ごとに研究・開発周期まで短くなっていくなら、recursive self-improvement（再帰的自己改善）やintelligence explosion（知能爆発）に近い現象として扱う理由が強くなる。

Astraの30.9分だけでは、この循環は確認できない。

必要なのは、能力の上昇率だけでなく、能力を生み出す研究速度の上昇率まで観測することだ。

AIが次のAIを作る工程にはすでに入っている

この点で2026年は無視しにくい変化がある。

OpenAIは2026年9月6日、社内のAI研究でautomated research internの目標に到達したと発表した。OpenAIの定義では、人間の指示のもとで明確に定義された研究タスクを実行し、熟練研究者なら数日かかる仕事も担当できるシステムを指す。

同社の研究組織では、2026年半ば以降にAgent利用が急増した。8時間の人間労働日を基準に換算すると、8月中旬には研究組織全体で人間1 workdayに対して3.1 agent-workdaysが使われていると報告している。

OpenAI自身も、コード量や実験回数の増加をそのまま研究全体の加速率とみなすことには注意を付けている。AI研究には計算資源や、より自動化しにくい工程など別のボトルネックがあるためだ。

同社は次の段階として、2028年3月までのautomated AI researcherを目標にしている。

2026年9月時点で確認されているのは、AIがAI研究をかなり支援する段階まで進んだことだ。AIだけで研究課題の選定から次世代モデルの設計・訓練・評価・配備までを閉ループで回し、その結果として世代交代が自己加速していることまでは示されていない。

この違いは大きい。

一般的な長期タスク能力は別のtime horizonで測られている

「AIが人間なら何時間かかる仕事まで自律的に完了できるか」に近い評価は、METRが継続している。

METRのTime Horizon 1.1では、研究やソフトウェア開発に関連するタスク群を使い、50% time horizonの長期的な伸びを推定している。

2026年1月時点のTH1.1では、2019年以降をつないだ推定で倍増時間が196.5日、2023年以降で130.8日、2024年以降では88.6日と報告された。

ただし、METRはこの傾きがタスク構成に敏感であること、最新モデルでは評価上限へ近づいていること、8時間以上の長いタスクの多くで人間実測時間がまだ不足していることも明記している。

Astraの30.9分とMETRのtime horizonは、名前は似ていても同じ評価ではない。直接つないで「Astraは30分働ける」「このペースなら何年後に何日働ける」と外挿することはできない。

それでも、異なる長期能力評価で上昇が続いているかを見ることは、単発のベンチマークジャンプか、より広い能力変化かを判断する材料になる。

「始まった」と判断するには複数の変化が同時に必要

Astraの点が将来から見て転換点だったのかは、次のデータがそろうほど判断しやすくなる。

観測したい変化	何が分かるか
Astra後継でも同一No-CoT評価が再び大幅上昇	Astraだけの単発ジャンプという説明が弱くなる
数学以外の長期タスク能力も同時に伸びる	特定評価だけの局所的改善という説明が弱くなる
AIが研究仮説・実験・分析を長時間自律して回す	AI研究で人間が担う工程が減っていることが分かる
AI導入後に研究サイクル自体が短縮し続ける	能力向上が次の能力向上を速めている可能性が高まる
モデル世代の間隔が継続的に短くなる	自己強化的な開発加速を外部から観測しやすくなる

特に重要なのは最後の2つだ。

ベンチマークが大幅に上がっても、次のモデルを作るのに同じだけの人間時間と同じだけの暦時間が必要なら、「知能が伸びた」ことは示しても「知能向上が自己加速した」ことまでは示さない。

反対に、AI研究へのAI投入が増えるほど次世代モデルの開発周期が短くなり、その次の世代ではさらに短くなるなら、議論の性質が変わる。

Astraの30.9分は「証拠」ではなく「監視すべき異常な点」

2026年9月時点で、GPT-6 Astraの30.9分をシンギュラリティの発生証拠と呼ぶのは早い。

評価対象はNo-CoTの数学競技問題に限られ、一般的な自律作業時間ではない。UK AISI自身が汚染可能性と限られた評価時間を制約として挙げている。Astraの次の世代でも同じ規模のジャンプが続くかはまだ分からない。

一方で、Solの3.6分から30.9分という差を「ただの数ポイント改善」と扱うのも適切ではない。

さらに同じ時期、AIはAI研究の工程へ深く入り始めている。OpenAIはresearch intern段階への到達を報告し、2028年3月のautomated AI researcherを目標にしている。

現在の最も慎重な読み方は、シンギュラリティが確認されたのではなく、将来から振り返ったときに転換期の一部だった可能性を検証する価値がある状態だ。

次に見るべきなのはAstraの数字そのものではない。

次のモデルがどれだけ伸びるか。そして、その次のモデルを作るまでの時間までAIによって短くなるか。

もし後者まで継続的に加速するなら、「シンギュラリティはいつ来るのか」という問いより、「どの時点から始まっていたのか」という問いの方が重要になる。