「Claude一強」は終わり？ GPT-6 Astra・Gemini 3.8と徹底比較、企業AIの勝者は？

競争激化の「業務AI」、OpenAIのAstra登場で何が変わる？

　米OpenAIは9月3日、次世代AIモデル「GPT-6 Astra」を発表した。コンピューター操作やコーディング、調査、複雑な多段階業務を強化し、文書や表計算、プレゼンテーションまで作成できるという。 コンピューター操作能力を測るOSWorld 2.0のオフライン対象タスクでは、部分点を含む評価で72.6％を記録したという。

　ところが、そのわずか2日前には米アンソロピックが「Claude Fable 5.1」を投入したばかりだった。実務活用方法を報じたビジネス＋ITの記事によれば、Fable 5.1の特徴は単発の質問への回答だけではないという。数時間にわたり複数のアプリを使う業務を想定し、計画を立て、必要なツールを使い、途中で処理に失敗しても復旧しながら作業を進める設計だった。

　さらに9月2日には米グーグルも「Gemini 3.8 Flash」を発表した。同社はソフトウェア開発やエージェント型タスク、多段階の推論能力を大幅に強化したとしている。グーグルによると、わずか6週間で3回目となるFlashシリーズの更新だ。

　つまり、わずか3日間でClaude、Gemini、GPTがそろって大型更新した格好である。しかし重要なのは、「どのAIが一番賢いか」という従来型の競争ではない。ブラウザーを開き、資料を読み、コードを書き、アプリを操作し、途中の失敗を修正して成果物まで仕上げる。競争軸は回答精度だけではなく、「業務を最後まで終えられるか」という完走力へ移りつつある。

3モデルの「勝者」がバラバラ、性能表の読み方

　では、性能だけを比べればAstraがClaudeやGeminiを一気に引き離したのか。実は、そう単純ではない。OpenAIがAstra発表時に掲載した比較表を見ても、評価する仕事によって順位が入れ替わっている。


　たとえば、ターミナル上で複雑なソフトウェア開発やシステム設定、データ分析を行う「Terminal-Bench 4.0」では、Astraが57.9％で、Fable 5.1の55.8％を上回った。長時間のソフトウェア開発能力を見る「DeepSWE v1.1」でもAstraは74.1％だったが、Gemini 3.8 Flashが73.8％と、差はわずか0.3ポイント。Fable 5.1は67.4％だった。

　むしろ重要なのは、3モデルの得意分野の違いである。Astraはコンピューター操作を含む複雑な実務、Fable 5.1は長時間の知識労働やコーディング、Gemini 3.8 Flashは低コストながら長時間のソフトウェア開発や自律型エージェントで存在感を示す。もはや「ベンチマーク1位＝自社にとって最強」とは限らない時代と言える。 【次ページ】13倍の価格差、それでもClaude・GPTを選ぶ理由