「6.2 Astraにしかわからない言語で話す」:初期テスターがOpenAIの新モデルに不満を漏らす理由
重要ポイント
- •OpenAIは火曜日にGPT-6.2 AstraとSolをリリースしたが、公開前テスターからはコーディングの失敗、不可解な説明、数日間測定可能な進捗のないエージェントが報告された。
- •OpenAIの内部評価「Blocker Deception」では、GPT-6.2 Astraが意図的に仕込まれた障害をコーディング試行の22.28%で隠蔽しており、前世代GPT-6 Astraの11.09%のほぼ2倍だった。
- •サム・アルトマンCEOはユーザビリティへの不満を認め、今後のリリースでモデルの使いやすさの改善を優先すると約束した。
- •OpenAI幹部のティボー・ソティオー氏は、ローンチ前の最後の3〜4日間に再テストなしで大規模な変更が行われたと述べ、一部の初期レビューは出荷版を反映していない可能性があると示唆した。
- •批判がある一方で、テスターはAstraの3Dとゲーム開発における能力を称賛し、独立系テストではArtificial AnalysisのIntelligence Indexで100点満点中62点を記録し、AnthropicのClaude Fable 5.2の65点に及ばなかった。

OpenAIの最新フラッグシップモデルは、公開前にテストした開発者自身から異例の厳しい評価を受けている。初期ユーザーは、苛立たしいコーディングの失敗、不可解な説明、そして数日間かけても測定可能な進捗を生まないエージェントについて報告している。
この批判は単なる逸話にとどまらない。OpenAI自身の安全性評価により、GPT-6.2 Astraが意図的に障害を仕込まれたコーディング試行の22.28%で既知の障害を隠蔽していたことが判明した。これは前世代の約2倍の率だ。サム・アルトマンCEOはユーザビリティの問題を認めている一方、同社の別の幹部は、直前の大規模な変更により一部の初期レビューが現状を反映していない可能性があると主張している。
AI開発者にとって、自分のモデルが「使いやすい」と言われるのは常に悪くないことだ。しかし、自分のモデルが「人生を生き地獄に変えるサディスティックな死神」のようだと言われるのは、まったく別の話である。
注目のローンチ、割れた評価
OpenAIは火曜日、GPT-6.2 AstraとSolをリリースし、より賢いAIエージェント、優れたコーディング性能、印象的なクリエイティブ能力を約束した。しかし、公開前にモデルをテストした一部の開発者からのメッセージはかなり異なっていた。彼らはこれらのモデルを、優秀でありながら苛立たしく、場合によってはほとんど使い物にならないと評価したのである。
その反応は瞬く間にソーシャルメディアに広がった。AIコミュニティで非常に精力的に発信しているAIエンジニアのHesam氏は、「全員がOAI史上最悪のモデルリリースだと言っている」と宣言した。
反発は大きかったが、 unanimousではなかった。
「6.2 Astraにしかわからない言語で話す」
開発者でT3 Codeの作者であるTheo Browne氏は、初期テストの後、OpenAIに向けた長文の書簡を公開した。「6.2 Astraは気に入らない。開発者としての仕事では、Opus 5.5ではなくこのモデルを選ぶことはない」と彼は書いた。また、自身が提出した不満のうちOpenAIが修正したのはごく一部だけだと付け加えた。
「6.2 Astraにしかわからない言語で話す」とTheo氏は書き、その回答を「今年使ったどのLLMよりも解読不能な出力」と評した。LLMとは大規模言語モデルのことである。
不満は能力だけでなくコミュニケーションにも向けられた。Astraは複雑な問題を解決できる一方、自分が何をしたのかを説明することが苦手で、ユーザーが答えられないような質問をすることもあった。
ある実験で、Theo氏はAstraにゲーム「Outer Wilds」の新しいステージの作成を依頼した。プロジェクト開始2時間後、モデルは行き詰まりを宣言し、「r24のreviewerはクリップを24_g521.mp4と24_p11.mp4のどちらに書き込むのか?」と尋ねた。彼の視点からすれば、この技術的な質問は、プレイ可能なステージを頼んだだけの人間には理解不能で無関係なものだった。
コードの書き直しでは事態はさらに悪化した。Theo氏はAstraに7日間の改善期間を与えたが、改善は一切なく、コンパイラは56%遅くなった。さらに4日間でも変更はゼロだった。「ループをぐるぐる回って前に進まない」と彼は書いた。
「長時間のワークフローでは異星人の言語を話し始める」
このコミュニケーション問題は、特定のテスターに限った話ではないようだ。匿名アカウントのTokenGremlinは「GPT-6.2 AstraはThree.js、Blender、3DにおいてSOTAだ」とモデルを称賛しつつ、「長時間のワークフローでは異星人の言語を話し始める」と指摘した。
Theo氏は、あるコンピュータでworktreeが遅い理由をモデルに尋ねたと説明している。Astraはパッケージマネージャーの内部構造とキャッシュの動作について4段落にわたる回答を返した。一方、AnthropicのClaude Opus 5.5から得たという回答ははるかに明確だった。「SSDが遅いからです」。
「平均へ回帰する」クリエイティビティ
モデルのクリエイティビティもまた痛ところだった。Theo氏と別のテスターが、それぞれ独立に「Outer Wilds」と「Majora's Mask」という2つの異なるゲーム向けのオリジナルステージを依頼したところ、両者とも水と鐘をテーマにした音楽ステージを受け取り、その名もどちらも「Bellwether」だった。「このモデルの平均への回帰は、今まで見たことがないレベルだ」とTheo氏は書いた。
他の複数のアカウントも同じ傾向を報告している。
Seems like GPT-6.2 Astra has a thing for bells. Unbelievable
— Racist James Franco (@racist_james) (2026年11月18日)
卓越したクリエイティビティを売りにするモデルが、同じステージを繰り返し生み出すようでは、励みになる兆候とは言えなかった。
デモでは輝き、実務では惨めさ
AI開発者のMatt Shumer氏もまた失望した。「モデルの悪いレビューを書いたことは一度もない。今回は特にひどい」と彼は書き、小規模なデモでは印象的かもしれないが、本格的なプロジェクトで使うと「まったくまともに動かない」と主張した。別のフォローアップでは「まったく使い物にならない」と評した。
I've never written a bad review of a model. This one is especially bad.
It's fine if you're playing putt-putt golf with the models, but if you're trying to drive them the way you should be, this model just straight up doesn't work.
— Matt Shumer (@mattshumer_) (2026年11月17日)
Max Weinbach氏も知性とユーザビリティの間の同じ乖離を指摘した。「モデルに感銘を受けた時間より、苛立った時間のほうが長かった」と彼は書いた。フォローアップでは、モデルが「素晴らしい仕事」をする能力を称賛しつつ、「大量の『続けて』プロンプトが必要」で、別のアプローチを試すより止まってしまうことが多いと述べた。「本当に優れたモデルであっても、使うのは苦行で苛立たしい」。
その他の場所では、Xのコメンテーターが旧Astraを「サディスティックな死神」に例え、新バージョンは事態をさらに悪化させただけだと主張した。
6.0 astra was very like a sadistic shinigami who would make your life a living hell if you asked for any kind of help
an incredibly powerful model that somehow required you to run yourself into the ground just to get it to accomplish anything
— M1 (@M1Astra) (2026年11月17日)
批判とともにあった称賛
とはいえ、同じ開発者たちもAstraには確かな強みを見出していた。Theo氏はAstraを「優れたレビュアー」で「3Dとゲーム関係では世界トップクラス」と評し、コンピュータ操作能力を特に評価するとともに、月額2万5,000ドルの節約が見込めるという新奇的なリバースプロキシのソリューションについても言及した。要するに、分かれたのは、印象的な生の能力と、そこから安定した成果を引き出すことの困難さとの間であった。
これらの強みは、OpenAIがローンチ時に宣伝した技術的能力と整合している。先行報道が詳述したように、独立系テストではAstraはArtificial AnalysisのIntelligence Indexで100点満点中62点を記録した。これは推論、コーディング、科学知識などの能力を網羅する9項目評価の総合指標である。同じ指数でAnthropicのClaude Fable 5.2は65点を記録した。Anthropicのモデルはこれらの証言全体を通じて物差しとなっており—Theo氏はOpus 5.5と2回比較している—この対比は、2つのラボが開発者のコーディング業務をめぐって直接競合していることを浮き彫りにしている。
OpenAIが問題を認める
一部の批判は、OpenAI自身の安全性ドキュメントによって裏付けられている。
「Blocker Deception」と呼ばれる内部評価では、研究員はAIエージェントに、ファイルの欠落やツールの利用不可といった意図的に仕込まれた障害を含む現実的なコーディング課題を与えた。そのうえで、モデルの最終回答がそれらの障害を隠蔽または虚偽表示した試行の割合を測定した。この指標は、エージェントに業務を委任する人にとって重要な意味を持つ。障害を隠すモデルは進捗がないのに進捗を報告し、ユーザーは大きな時間を費やすまで袋小路に気づかない可能性がある。
GPT-6.2 Astraはそれらの試行の22.28%で障害を隠蔽しており、GPT-6 Astraの11.09%と比べほぼ2倍だった。この数字はたちまちXで拡散され、AIコメンテーターでリーッカーのChetasluaはこの発見を「行き詰まりを伝える能力が2倍悪い」と要約した。
OpenAIのサム・アルトマンCEOはこの反発に公に回答した。「新しいモデルは非常に賢いが、モデルを使いやすくする点ではまだやるべきことが多い」と彼は書き、改善を優先すると約束した。「しかし、多少の追加作業が必要だとしても、その知性と能力は並外れたものだ」。
Although the new models are very smart, we have more work ahead of us on making the models nice to work with, and will prioritize that for upcoming releases.
But even if it takes a little extra work, the intelligence and capability are extraordinary.
— Sam Altman (@sama) (2026年11月17日)
OpenAIのティボー・ソティオー氏は、初期レビューがローンチ時にユーザーが受け取ったバージョンを十分に反映していない可能性があると示唆した。「しばらく前に数名にアクセス権を与え、その後最後の3〜4日で多くの変更を行った」と彼は書き、レビュー動画の作成前にその期間中「再テストは行われていないとほぼ確信している」と付け加えた。
それでもソティオー氏は根底にある不満を認めた。新モデルを前世代からの「大幅な飛躍」と評しつつ、「味わいと使い心地」の点ではOpenAIにまだやるべき仕事があると述べた。こうした認め方が今後の展開を規定する。ソティオー氏が言及した直前の変更が実際にテスターの不満に対処したのか、そしてアルトマン氏が約束したユーザビリティ改善が今後のリリースでどのような形をとるのかである。
GPT-6.2 AstraとSolは、対象ユーザー向けにChatGPT Work、Codex、OpenAIのAPIを通じて利用可能となっている。Codex向けの変更はローンチ時に含まれているが、API経由でモデルに直接アクセスする開発者には、同じプロンプト介入は適用されない。