ChatGPT 読了 7 分

「大局観・メタ認知力が少なく」――GPT-6でも直らない「ずっと悪癖」、Torishima氏が指摘

Shiritomo編集部 @shiritomoAI_jp 2026年11月1日更新

「大局観・メタ認知力が少なく、言われたことの前提を疑ったりその外側を見るってことをやらない」。
X（旧Twitter）でAI活用のノウハウを発信しているTorishima氏（@izutorishima）が、OpenAIの最新モデル群について投稿した一文です。
対象はChatGPTの「Astra」と、コーディング用AIエージェント「Codex」。
いずれもGPT-6ベースのモデルです。

AIに仕事の下書きや調査、コードレビューを任せる人にとって、「言われたことはこなすが全体を見ない」という指摘は他人事ではないはずです。
どんな場面でそう感じるのか、GPT-6自体はどういうモデルなのかを調べてみました。

先に結論をまとめると：
– Torishima氏はAstra・CodexともにGPT-5.xシリーズから続く「前提を疑わない」癖がGPT-6でも直っていないと投稿し、OpenAIがここを修正するのは難しいだろうと述べました
– OpenAIが2026年9月に投入したGPT-6 Astraは文脈窓の拡張やCodexのノート機能など性能面は強化されましたが、「前提そのものを疑う」判断力は別の課題として残っています
– 現時点でのユーザー側の対処法は、プロンプトで前提確認や全体像の提示を明示的に求める工夫です

「直すのは無理」――ある投稿が示した違和感

Torishima氏の投稿は、「大局観・メタ認知力が少なく」「言われたことの前提を疑ったりその外側を見るってことをやらない」のがCodex・GPT-5.xシリーズからの「ずっと悪癖」で、GPT-6になっても直っていない、という内容でした。
投稿そのものは以下で確認できます。

みなさんお気づきになりましたか（諸葛孔明）
Astra くんですら大局観・メタ認知力が少なく、言われたことの前提を疑ったりその外側を見るってことをやらないのが Codex / GPT-5.x シリーズからのずっと悪癖で、GPT-6 になっても直ってないので OpenAI がこれを直すのは無理なんだろうと思っている https://t.co/8eUyEhbHpJ
— Torishima / INTP (@izutorishima) 2026年10月31日

ポイントは2つです。
1つは、指摘の対象がCodex（コーディング支援）だけでなくAstra（ChatGPTの汎用モデル）にも及んでいること。
もう1つは、問題を「GPT-6固有の不具合」ではなく「GPT-5.xからずっと続く設計上の癖」として捉えている点です。
新モデルになれば解決すると期待していたユーザーほど、肩を落としたのではないでしょうか。

この投稿は2026年11月1日の朝（日本時間）に出され、1,600件を超えるいいねを集めました。
同じ指摘をした他の投稿は確認できておらず、ここで紹介できる一次情報はTorishima氏のこの1件に限られます。
では、実際にGPT-6とはどんなモデルで、「前提を疑わない」とは具体的にどういう挙動を指すのでしょうか。

調べて分かったこと

GPT-6のAstraは何が変わったモデルなのか？

OpenAIは2026年9月3日、GPT-6シリーズの最初のモデルとして「GPT-6 Astra」を発表しました。
その後9月22日に軽量版の「Sol」「Luna」が続き、ChatGPTの通常チャットには10月7日から段階的に反映されています。
Astraはコーディングやブラウザ操作、科学・医療分野など複雑な作業を想定した旗艦モデルで、約100万トークンの文脈窓（一度に読み込める文章量の上限）を持つのが特徴です。

Codex向けには、もう1つ注目の機能が加わりました。
これまでのAIエージェントは、会話が長くなると古い内容を要約で圧縮して忘れていきがちでしたが、Astra以降のCodexは会話の記録を「ノート」として残し、何十ターンも前の指示や失敗したテストの結果を検索して呼び戻せるようになっています。
文脈を忘れにくくなった、という意味では確かに進化しています。

「前提を疑わない」とはどういう挙動を指すのか？

一方で、Torishima氏が指摘した「大局観・メタ認知力」の弱さは、文脈を覚えているかどうかとは別の話です。
メタ認知とは、自分の思考や判断そのものを一段上から振り返る力のこと。
人間であれば「この指示、そもそもの前提がおかしくないか」「依頼された範囲の外にもっと重要な問題がないか」と立ち止まって考える場面があります。
この「立ち止まって前提を検証する」ステップが、Codex・GPT-5.xシリーズ、そしてGPT-6になっても弱いというのがTorishima氏の指摘です。

指示された枠内の作業は精度高くこなすのに、枠そのものが妥当かどうかは問い返してこない。
これは文脈窓の大きさやノート機能では解決しにくい、モデルの判断の癖に近い課題と言えます。
OpenAIが公開した技術情報にも、こうした「前提への疑いやすさ」を単独の評価指標として明示した記述は見当たりませんでした。
性能表に出にくい部分だからこそ、使っているユーザーの実感として表に出てきたのかもしれません。

なお、Astra・Codexを開発しているのはOpenAIです。
同時期に話題になりがちなClaudeを開発するAnthropic、Grokを開発するxAIは、いずれもOpenAIとは別の企業です。
似た文脈で名前が並ぶことが多いものの、学習の方針やモデルの設計思想はそれぞれ異なります。
他社のモデルがこの点で優れているかどうかは、今回確認できた投稿の範囲では判断できません。

プロンプトの工夫でメタ認知の弱さは補えるのか？

「AIプロンプト」の工夫そのものは、以前からコンスタントに検索されているテーマです。
モデルが前提を疑ってくれないなら、前提の確認作業を依頼する側が明示的に指示に含めるしかありません。
具体的には、依頼の冒頭で「この指示の前提に抜け・矛盾があれば先に指摘してから作業に入ってください」と一文を添える、あるいは作業の最後に「この対応で見落としている観点はないか」と問い返すステップを入れる、といった工夫です。

ただ、これも万能の解決策ではありません。
プロンプトで明示的に求めた範囲でしか前提チェックは働かないため、依頼者自身が「ここは疑ってほしい」と気づいていない盲点までは拾ってくれません。
結局のところ、AIの出力を最終判断する前に人間が一度全体を見直す工程を外さない、という当たり前の運用に落ち着きます。

Shiritomo編集部の考察

SNS運用やコンテンツ制作の現場でAIを使うときも、同じ構造の落とし穴があります。
「この投稿文を直して」と頼めば直してくれますが、「そもそもこの投稿で狙った層に届くのか」という一段上の疑問は、聞かなければ返ってきません。
Torishima氏の指摘は、コーディング支援に限った話ではなく、依頼の仕方そのものを見直すきっかけとして読める内容です。
AIに任せる範囲が広がるほど、前提を確認する一手間を人間側が意識的に残すことが、効率を落とさないコツになりそうです。

まとめ

GPT-6のAstraやCodexは文脈窓やノート機能で性能が上がった一方、「前提を疑う」「全体を見る」というメタ認知的な判断は、GPT-5.xシリーズから続く課題としてTorishima氏に指摘されました。
モデルの進化を待つだけでなく、依頼する側が前提確認をプロンプトに織り込む工夫が、当面の実用的な対処法になりそうです。