OpenAI が Cognition helps Devin test its own work with GPT‑6 Astra を発表 ── 自己検証でコードレビューの壁を突破
AIが書いたコードを、AI自身がテストして「ちゃんと動いている」証拠を突きつける。そんな光景が日常になりつつある。CognitionがDevinにGPT-6 Astraを導入し、開発フローの根本から変えようとしているという。
▸何が変わったのか
Cognitionは、自律型エンジニア「Devin」のテスト機能強化のためにOpenAIの「GPT-6 Astra」を統合した。Astraは単にコードを書くだけでなく、その動作を検証し、シミュレータでの実行動画や通過したチェック項目・未テスト領域を含むレポートを生成する。iPhoneゲーム「Otter Run」のテストでは、アプリの挙動を示す録画と、テスト範囲を文書化した報告書を同時に出す。顧客からのバグ報告（スクリーンショット）を受け取ると、Astraを介したDevinが修正し、結果を示すスクリーンショットを即座に返す。これにより、エンジニアが手動でコードを逐次レビューする時間削減と、より多くの成果物のリリース速度向上を目指す。
◈前モデル / 競合との比較
提供テキストには、GPT-6 Astra以前のモデルや競合との具体的な性能比較数値は記載されていない。ただし、CognitionはAstraの「テスト・証明」能力を「改善の大きな部分」と位置づけており、従来のコード生成中心のAI支援とは役割が異なることを示唆している。
◈技術背景と意義
従来のAIコーディング支援は「コード生成」が主だったため、人間が正しさを確認するコストがかさんでいた。GPT-6 Astraの強みは、生成したコードを自ら実行・検証し、期待通りの動作か「証拠（動画・レポート）」として提示できる点にある。これはソフトウェアテストの自動化を「コードレベル」から「挙動レベル」へ引き上げるもので、レビューの信頼性を高める。エンジニアにとって、コードの細部を追う代わりに、検証結果の妥当性を確認するだけで済むようになる。
▸こんな人・用途に
大量のコードレビューが発生しているスタートアップや企業（Cognitionが銀行からテック系スタートアップまでと述べている）。バグ報告からの修正サイクルを短縮したいプロダクトチーム。自律エージェントの出力品質を担保したい開発組織。
▸Hacker Newsの反応
ARC-AGI3での高得点に注目が集まる一方、モデルのトーンや信頼性への疑問、そしてベンチマークデータの鮮度への指摘など、技術的な検証と実利用者の直感に基づく懐疑的な空気が混在している。
「ARC-AGI3で98.6%という報告を見かけた。以前のFableは30%程度だったので、これはかなりインパクトがある数字だ。」
「LLMの内部構造に関心があるならSebastianの記事を読むべきだ。要するに、GPT-6 Astraが「ループ変換器」や隠れた推論を使っていると報じられている件について詳述されている。」
「その記事はもう最新じゃない。OpenAIが公式に認めているベンチマークなど、新しいデータがいくつか出ているのでチェックした方がいい。」
「Astraは少し違和感がある。特にCodexでのトーンが過剰で、信頼しにくい印象を受けたため利用を止めた。」
「かなり期待している。早く試してみたい気分だ。」
SOURCE: OpenAI (2026-09-12)
