OpenAI の新型モデル「GPT-6 Astra」が、公開からわずか2日後の2026年9月5日、実際の開発者が投票する形式のコーディング系ベンチマーク「Code Arena: WebDev」で1位に立った。運営元のArena.ai（旧LMArenaの運営元）が自社のリーダーボードで発表した数字によると、スコアは1,797。2位につけたClaude Fable 5.1（Max）の1,762に対し、35点の差をつけている。

もう一つ見逃せないのが値段だ。Astraの標準料金は入力10.00ドル・出力50.00ドルで、これはFable 5.1とまったく同じ数字である。値札が並んだ状態で性能に差がついたというのが、今回の結果の芯にある。

⚠ 情報の鮮度について
一次情報はArena.ai公式の発表（2026年9月5日、リーダーボード更新および同社アカウントの投稿）です。本記事公開時点で約3日が経過しており、速報ではなく結果の意味づけとして書いています。ここで扱う「Code Arena: WebDev」は、Arena.aiが運営する複数のベンチマーク部門のうちフロントエンド・Web開発タスクに特化した1部門であり、AIの総合的な強さを表す数字ではありません（詳しくは第4章）。
Section 01

Web開発の実戦投票で、Astraが首位に立った

「Code Arena」は、実際の開発者がAIモデルの出力を見比べて投票する、Arena.ai運営のベンチマークだ。中でも「WebDev」部門は、フロントエンドのコーディング作業に絞って評価する。ランキングは対戦型のレーティング方式（チェスのレーティングに近い仕組み）で計算され、点数が高いほど投票で選ばれた回数が多いことを意味する。

GPT-6 Astraは2026年9月3日にOpenAIが公開した最新の主力モデルだ。その2日後、WebDev部門に新規参入するなり首位に立った。

順位 モデル WebDevスコア
1位 GPT-6 Astra（Max）新規1位 1,797
2位 Claude Fable 5.1（Max） 1,762
3位 Claude Opus 5（Max） 1,688
4位 Qwen3.8-Max-0902 1,686
5位 Kimi K3（Max） 1,674
🖥 Code Arena: WebDevスコア（上位5モデル）
Astra
1797
Fable5.1
1762
Opus5
1688
Qwen3.8
1686
KimiK3
1674
一言でまとめると──「新入りのAstraが、値札はそのままに、Web開発の実戦投票でClaude Fable 5.1を上回った」。ただし対象は数あるベンチマーク部門のうちの1つだけです。
Section 02

35点差は、何を意味する数字なのか

Code Arenaのスコアは、2つのモデルの出力を人間が見比べて「どちらが良いか」に投票し続けた結果を、対戦型のレーティングに変換したものだ。1位と2位の差が35点というのは、勝率に直すとおおむね1位側が55%前後で勝ち越す水準に相当する。圧勝ではないが、誤差で片づけられる差でもない。

もう一つ押さえておきたいのは、3位から5位までの差は、1位と2位の差よりずっと小さいという点だ。Claude Opus 5（1,688）・Qwen3.8-Max-0902（1,686）・Kimi K3（1,674）の3モデルは、わずか14点の中にひしめいている。今回の結果が示しているのは「Astraが図抜けている」ことよりも、「Astra・Fable 5.1の2強と、僅差で並ぶ3位集団」という序列のほうだ。

01
新規参入で即・首位

公開2日というごく短い期間での首位獲得は、投票数がまだ十分に積み上がっていない可能性を含む。今後の投票が増えるにつれて数値が動く余地は残っている。

02
評価軸はWeb開発に限定

投票者が見ているのはフロントエンドのコーディング出力であり、文章生成や数学的推論、長時間の自律作業とは別の能力を測っている。

03
人間の好みを測る仕組み

投票は「見た目の完成度」や「好み」に左右されやすいという指摘が、この種のベンチマーク全般に以前からある。コードが正しく動くかどうかとは、別の物差しでもある。

Section 03

値札は、すでに同じ「40ドル」だった

今回の結果でArena.aiが同時に指摘したのが、価格の一致だ。OpenAI・Anthropic双方の公式価格ページによれば、GPT-6 AstraとClaude Fable 5.1の標準API料金は、次のとおり完全に一致している。

🟢 GPT-6 Astra 標準料金
入力100万トークンあたり
10.00ドル
出力100万トークンあたり
50.00ドル
🟠 Claude Fable 5.1 標準料金
入力100万トークンあたり
10.00ドル
出力100万トークンあたり
50.00ドル

Arena.aiはこの2つの価格を、出力側を重く見る加重平均（入力1:出力3の比率）で1本の数字に直しており、両モデルとも100万トークンあたり40.00ドルという同じ値になる。つまり今回の首位交代は、値段が動いた結果ではない。同じ値札のまま、投票の結果だけが動いた。

💡 「加重平均価格」とは
実際の利用では、AIが読む入力より、AIが書く出力のほうがトークン単価が高く設定されているのが一般的です。そこで、出力の比重を高めて入力と出力を1つの数字にまとめたものが「加重平均価格」です。Arena.aiは入力1:出力3の比率を使っており、今回のように入力・出力それぞれの単価が完全に同じ2モデルなら、加重平均も当然同じ数字になります。

ただし、この一致には見落としやすい条件がある。Astraは入力が27万2,000トークンを超えると、リクエスト全体が入力2倍・出力1.5倍の料金に切り替わる仕組みを持つ。超過分だけでなくリクエスト全体に適用されるため、27万2,000トークンを1トークンでも超えた瞬間、入力20.00ドル・出力75.00ドルになる。一方のFable 5.1にはこうした階層がなく、100万トークンの文脈全域で入力10.00ドル・出力50.00ドルのままだ（Astraの文脈window は105万トークン）。短い会話やコード片の修正なら両者は同額だが、大きなリポジトリを丸ごと読み込ませるような長い入力では、Astraのほうが実質的に高くつく場面が出てくる。

Section 04

1部門の1位でしかない、という留保

Arena.aiは「Code Arena」以外にも、実際のエージェント作業をこなす能力を測る「Agent Arena」など複数の部門を運営している。同社が別に公開しているAgent Arenaの結果では、首位はWebDev部門で2位だったClaude Fable 5.1、僅差の2位・3位にはClaude Opus 5の2種類の設定が並んでおり、顔ぶれはWebDev部門とは違う。

🟢 Code Arena: WebDev

フロントエンドのコーディング出力を人間が見比べる部門。ここではAstraが1位。

🟠 Agent Arena

ツールを使った長時間の自律作業を評価する別部門。ここではClaude Fable 5.1とClaude Opus 5が上位に来ている。

ⓘ 「1位」は部門ごとに変わる
複数のベンチマークを横断で見ると、部門ごとに首位が入れ替わっているのが実情です。「AstraがWeb開発のコーディングで強い」という今回の結果を、「Astraが総合的に最も優れたモデルだ」という話に広げて読むのは早計です。用途を絞って見る必要があります。
Section 05

CopilotやCursorを使う人への意味

GitHub CopilotやCursorのように、裏側で複数のモデルから選んで使えるツールの利用者にとって、今回の結果は具体的な選択の材料になる。

🎯 モデル選びにどう反映するか
🟢
フロントエンドのコーディングが主戦場の人：今回の結果はGPT-6 Astraを試す理由になる。値段は既存の主力モデルと変わらないため、切り替えのコストは低い。
🟠
長時間の自律的なタスク（設計・複数ファイルにまたがる作業）が中心の人：今回の対象外であるAgent Arenaでは、Claude系のモデルが上位に来ている。用途が違えば、結論も変わる。
💡
迷ったら両方試す：値段が同じである以上、実際の自分のコードで両方を動かして比べるコストは、これまでより低くなっている。
Section 06

編集部の見立て

Editor's Opinion

今回の件で興味深いのは、35点という差そのものより、値段がすでに並んでいたという事実のほうだと考えます。性能競争と価格競争が別々に進んでいた段階から、同じ値札の上で性能だけを競う段階に移った、という変化を映しているように見えます。値段で選べなくなれば、残る判断材料は「自分の作業で実際にどちらが良いか」しかありません。

もう一つ気になったのは、部門によって首位が割れている点です。Web開発ならAstra、エージェント作業ならClaude系という具合に、ベンチマークが用途別に分かれて発表される時代になったということでもあります。読者にとっては、単一の「最強モデル」を追いかけるより、自分が実際にやらせたい作業に近い部門のスコアを見るほうが、選択の役に立つはずです。

投票数がまだ少ない新規参入モデルの首位は、時間が経つと入れ替わることが珍しくありません。Agent ArenaやText Arenaの結果が今後どう動くかも含めて、この序列はまだ固まったものではないと見ています。

Section 07

まとめ

2026年9月5日、Arena.aiが運営する開発者投票型ベンチマーク「Code Arena: WebDev」で、公開2日目のGPT-6 Astra（Max）がスコア1,797で1位になりました。2位のClaude Fable 5.1（Max、1,762）との差は35点です。

両モデルの標準API料金は入力10.00ドル・出力50.00ドル(100万トークンあたり)で完全に一致しており、加重平均でも同じ40.00ドルでした。値段が動かないまま、投票の結果だけが入れ替わった格好です。

ただしこれはWeb開発というコーディングの一分野の結果です。Arena.aiが別に運営するAgent Arenaでは、首位はWebDev部門で2位だったClaude Fable 5.1で、部門が変われば序列も変わります。

先日のGPT-6 Astra登場時の記事では、独立採点機関Artificial AnalysisによるSol世代との比較を扱った。今回のCode Arena結果は、それとは別の物差しでの評価である。