9月7日、Rohail Saleemが「OpenAI's ~$1 Billion GPT-6 Astra Heralds The Age Of AGI, According To NVIDIA's Jensen Huang, Yet Anthropic's Fable 5.1 Still Beats It On SWE-Bench Pro And Coding Benchmarks」と題した記事を公開した。NVIDIAのJensen Huang CEOが「AGI時代の到来」と公言した一方で、コーディングベンチマークの複数指標ではAnthropicのFable 5.1が依然としてGPT-6 Astraを上回る——「最大10億ドル」という史上最大規模のトレーニング投資は、本当にAGIの閾値を超えたのか。
GPU10万基、最大10億ドル——GPT-6 Astraのトレーニング規模
OpenAIは先週、GPT-6 Astraを10万GPU規模のクラスターでトレーニングしたと公表した。1GPU時間あたり$2.50〜$3.50のコストを前提とした試算では、トレーニング費用は以下のように幅を持つ。
| 日数 | 単価 | 推定コスト |
|---|---|---|
| 90日 | $2.50/GPU時間 | 約5.4億ドル |
| 120日 | $2.50/GPU時間 | 約7.2億ドル |
| 90日 | $3.50/GPU時間 | 約7.56億ドル |
| 120日 | $3.50/GPU時間 | 約10.08億ドル |
このトレーニングはテキサス州アビリンにあるOpenAI自社のStargateデータセンターで実施されたとみられる。仮にCoreWeaveの施設を利用していた場合、同社の計算単価は1GPU時間あたり約$10.50と大幅に高く、コストはさらに膨らんでいたはずだ。
さらに、NVIDIAのJensen Huang CEOはGPT-6 Astraのリリースを公に祝福し、次のフェーズとして40万GPU規模のトレーニングランを予告した。Huangはこの発言をGPT-6 Astra公開直後の公式コメントとして行ったとされており、NVIDIA GB 200 NVL72サーバーラック（1ラックあたり約140kW消費）を前提とすると、このトレーニングには約1.2GWの電力が必要になる計算だ（5,555ラック × 140kW × PUE 1.5）。
AGI宣言の根拠——Jensen HuangはなぜAGI到来を宣言したのか
GPT-6 Astraに対し、NVIDIAのJensen Huang CEOは「AGI（汎用人工知能）時代の到来」を宣言した。Huangがその根拠として挙げるのが、Astraが採用したネイティブマルチエージェント構造という設計思想だ。
従来のAIエージェントは、各アプリケーションへの専用API連携を開発者が個別に用意する必要があった。Astraはこの制約を取り払い、ブラウザ・スプレッドシート・Webサイト・デスクトップアプリケーションを人間と同様の操作感覚で横断するエージェント群を自律的に生成する。単に操作手順をユーザーに説明するのではなく、マルチステップのワークフローを自ら実行し、完成したドキュメントやプレゼンテーションを出力する。
複雑なタスクに直面した場合、メインのオーケストレーションエージェントが仮説を立て、複数のサブエージェントを並列展開してバリエーションの検証と結果の確認を同時に行う。この委譲構造により、モデルが反復的なエラーループに陥るリスクが低減されている。このループはAIエージェント界隈で「ドゥームループ（doom loop）」と呼ばれ、モデルが同じ誤りを繰り返しながら自力で抜け出せなくなる現象を指す。Astraはこの問題を構造的に抑制することで、自律的なデバッグと戦略修正を可能にしている。
Fable 5.1との比較——AGI宣言に疑問符
ただし、Huangによる「AGI宣言」については、ベンチマーク結果が懐疑的な見方の根拠を提供している。
AnthropicのFable 5.1は、現時点でAstraを以下の主要ベンチマークで上回っている。
- **SWE-bench Pro**（実際のGitHubリポジトリのIssueを自動解決する能力を測る、コーディングエージェントの業界標準ベンチマーク）
- Artificial Analysis Intelligence Index（複数タスクにわたる総合的なモデル性能を集約したスコア）
- Artificial Analysis Coding Agent Index（コーディングエージェント特化の総合評価指標）
- ProofBench v1.1（形式的数学証明の正確性を評価するベンチマーク）
SWE-bench Proはコーディングエージェントの実力を測る業界標準的なベンチマークとして広く参照されており、その指標でFable 5.1がAstraを上回るという事実は、「AGI」という表現の妥当性に疑問を呈する根拠となっている。Artificial Analysis Intelligence IndexおよびCoding Agent Indexはモデル比較サービス「Artificial Analysis」が算出する総合スコアで、単一タスクではなく幅広い能力を横断的に評価する点が特徴だ。ProofBench v1.1は数学的推論の厳密さを問う指標であり、これらの複数軸でFable 5.1がリードしているという事実は、Astraの実力が少なくともコーディング・論理推論の領域では「AGI水準」に達していないことを示唆している。
まとめ
GPT-6 Astraは、史上最大規模のトレーニング投資・ネイティブマルチエージェント設計・NVIDIAのJensen HuangによるAGI宣言という三つの点で前例のない注目を集めたモデルだ。しかし、コーディング能力を含む複数の実用ベンチマークではFable 5.1に及ばず、「AGI時代の到来」という評価には留保が必要な状況である。Huangが予告した次の40万GPU規模のトレーニングランがその評価を塗り替えるかどうか、またAnthropicが対抗モデルをどのタイミングで投入するかが今後の焦点となる。AI性能競争の主戦場が「宣言」から「ベンチマーク実績」へと移りつつある今、投資規模だけでは語れない時代に入ったと言えるだろう。
