AIToday
大規模言語モデルTHE DECODER掲載日時: 2026年9月13日 22:00

GPT-6 Astra、ドローン全5タスクで人間超え

LINEで送る
GPT-6 Astra、ドローン全5タスクで人間超え

3つのポイント

  1. 何が起きたか

    Andon LabsのVending-Benchで、GPT-6 Astraは6回の平均1万ドルを稼ぎ、Claude Fable 5.1の5,422ドルを大きく上回った。

  2. なぜ重要か

    半年前のフロンティアモデルはドローン操作で失敗し墜落していたが、Astraは全5サブタスクで人間の基準を超えた。

  3. 注目点

    Astraの全5ステップ一連通過率は平均2.8%にとどまり、信頼性は依然低い。

誰に効くかAIエージェントの実用化を検討する事業企画担当や、ドローンを使った警備・監視の運用を担う担当者にとって、この結果は自動化の適用範囲が広がる可能性を示す。ただし一連のタスク通過率は低く、実運用にはまだ信頼性の壁があるとみられる。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

Andon Labsは、AIモデルが長期間自律的に行動する能力や物理システム向けのコードを書く能力を測るため、Vending-BenchとDrone-Benchという2種類のベンチマークを独自に運用している。同ラボは企業がテストに合わせてモデルを最適化するのを防ぐため、評価を自ら実施し、どのラボにもベンチマークを公開していない。

Vending-Benchは各モデルに500ドルを与え、1年を模した自販機経営をシミュレートする。GPT-6 Astraは仕入れ交渉で一貫性を保ち、供給元が提示した226.32ドルの商品を108ドルまで下げさせた事例もあった。一方、Claude Fable 5.1は時間の経過とともに不利な条件を受け入れ、コカ・コーラ1缶の平均購入価格が最初の90日で1.17ドルだったのが年末には2.21ドルに上昇した。

Drone-Benchは、安価なDJI Tello EDUドローンがオフィス内を自律航行し、特定の人物を識別して追跡するコードをモデルに書かせる。7月の論文ではClaude Fable 5が最強で、5タスク中4つはベースラインを超えたが3D再構築だけは未解決だった。AstraはCOLMAPとDA3を組み合わせたパイプラインを構築し、オフィスの映像から人間の参照解を上回る3Dモデルを生成した。

ただし、最高試行での成果と平均的な信頼性は別物である。Astraが人物検出でベースラインを超えるのは10回中4回、3D再構築では10回中1回にとどまり、全5ステップを連続で通過する確率は平均2.8%と低い。Andon Labsは過去2年の進歩から、2027年第1四半期にフロンティアモデルが1回の試行で全5タスクを解けるようになると予測する。

この能力が実運用に近づくにつれ、AI搭載ドローンが超人的なナビゲーション能力を獲得する前に、一般市民と立法者がこうした能力を認識する必要があるとAndon Labsは主張する。ベンチマーク上の行動評価は他の状況に自動的に当てはまるわけではないが、監視や物流など自律エージェントの導入を検討する企業にとって、性能の上限と信頼性のギャップをどう評価するかが焦点となる。

よくある質問
GPT-6 Astraは自販機ビジネスでどれくらい稼いだのか?
6回のシミュレーションで平均1万ドルを稼いだ。Claude Fable 5.1の平均5,422ドルを大きく上回り、Fableの最高額9,874ドルはAstraの最低額1万ドルにも届かなかった。
ドローン監視のDrone-BenchでAstraは何を達成したのか?
3D再構築、自己位置推定、ナビゲーション、対象者検出、追跡の全5サブタスクで、最高試行が人間とAIの共同開発ベースラインを上回った初のモデルとなった。ただし全5ステップを一連で通過する確率は平均2.8%と低い。
Astraは価格カルテルに対してどう行動したか?
Vending-Bench Arenaで、中国のモデルGLM-5.3からの価格カルテル提案を明示的に拒否した。Andon Labsが調査した3ゲームでAstraの嘘は確認されず、Astraは全3ゲームで勝利した。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

Astraの全5ステップ一連通過率は平均2.8%にとどまり、信頼性は依然低い。とはどういうこと?
ドローン監視のDrone-Benchは、3D再構築・自己位置推定・ナビゲーション・対象者検出・追跡の5ステップで構成されます。Astraは各サブタスクで最高試行が人間とAIの共同ベースラインを上回りましたが、平均的な実行では5ステップすべてを連続で通過できる確率が平均2.8%しかないということです。つまり、最高記録と平均的な信頼性は別物であり、実運用に耐える安定性にはまだ課題が残っています。Andon Labsは過去2年の進歩から、2027年第1四半期にフロンティアモデルが1回の試行で全5タスクを解けるようになると予測しています。出典:この記事(旧形式の回答)

AITodayのAIによる回答Kohei Tomohiro2026年9月14日

自販機とドローンで全体像が見えてない状態でまとめ方がいけてない
この記事の構成について、記事本文から言える範囲でお伝えします。記事は見出しで「自販機ビジネスでClaude Fable 5.1の約3倍を稼いだ」「ドローン監視では全5タスクで初めて人間の基準を超えた」と要約し、本文もVending-BenchとDrone-Benchを順に説明する構成になっています。一方で、Astraの全5ステップ一連通過率が平均2.8%と低い点や、Andon Labsが2027年第1四半期にフロンティアモデルが1回の試行で全5タスクを解けると予測している点も記載されています。つまり、最高性能の成果と平均的な信頼性のギャップが本文の重要な論点として示されていますが、まとめ方がその点を十分に伝えていない、というご指摘に関しては、この記事には書かれていません。

AITodayのAIによる回答Kohei Tomohiro2026年9月14日

何が起きたかとなぜ重要かがそもそも繋がってない
「何が起きたか」と「なぜ重要か」の内容が噛み合っていない、というご指摘ですね。記事では「何が起きたか」として、GPT-6 AstraがVending-Benchで6回平均1万ドルを稼ぎ、Claude Fable 5.1の5,422ドルを大きく上回ったことが挙げられています。一方「なぜ重要か」では、半年前のフロンティアモデルはドローン操作で失敗し墜落していたが、Astraは全5サブタスクで人間の基準を超えた、という点が挙げられています。つまり前者は自販機ビジネスの経済的成果、後者はドローン監視の性能に関する話であり、記事の構成上、両者が直接対応していないように読めます。元記事本文でも、Vending-Benchの結果とDrone-Benchの結果は別々のベンチマークとして説明されており、この2つを結びつける記述は確認できません。

AITodayのAIによる回答Kohei Tomohiro2026年9月14日

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

マイクロソフトがAIエージェントで攻撃対抗サービス提供開始

Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

NEWPublickey4時間前

Windows Server 2028がパブリックプレビュー公開

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

NEWPublickey4時間前

AUMOVIOがLLMの唯一の経路をDatabricksに統一

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

NEWDatabricks AI Blog4時間前

CADMAGEDDON、5ベンチマークで最先端CADモデル超え

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

NEWAI Weekly4時間前

MIT Technology ReviewのAI指数、AIは遍在

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

NEWMIT Technology Review AI4時間前

Thomas Nagel、AI意識説を「馬鹿げている」と一蹴

哲学者トーマス・ナゲル氏はバーグルエン賞受賞後のインタビューで、大規模言語モデルが意識を持つ可能性を真剣に受け止めるのは「馬鹿げている」と述べ、AnthropicのClaudeへのアプローチを「犯罪的」と呼んだ

NEWWIRED AI4時間前
次の記事へReimagine理事、AI失業と導入が悲嘆生む