OpenAI、日常タスクの新ベンチマークを発表　GPT-6 Astraは80%、GPT-5.2は49.3%

なぜ重要か

OpenAIは、昨年GDPvalで測った有償業務から、買い物や部屋探し、家族の世話といった日常の用事へ評価対象を広げた。GPT-5.2の49.3%からGPT-6 Astraの80%への伸びはOpenAI自身の測定で、採点基準は各分野の経験を示した約100人の利用者が作成した。MetaのMuse、OpenAIのDots、AnthropicのClaude Duetが個人向けエージェントで競う中での発表となる。課題セットの公開と第三者による再現が今後の焦点だ。