OpenAIはPerplexityがGPT-6 Astraを使い、communications作成、software変更、production systems監視、end-to-end testingを進めている事例を公開しました。以前のmodelより少ない確認頻度で任せられると説明しています。 coding agentは補助的なcode生成から、外部serviceを模したtestingやproduction監視へ広がっています。導入側は権限範囲、test harness、rollback、human checkpointを明確にしないと、任せられる範囲と責任が曖昧になります。 PerplexityはAstraを実システムの作業へ使います OpenAIは2026年9月14日、PerplexityがGPT-6 Astraを使う事例を公開しました。PerplexityはAI-powered answer engineとしてsearchとaccuracyを重視しており、modelがcodeを書けるほど、webやinternal informationを検索し要約するprogramも改善されると説明されています。記事では、Astraによりcommunications作成、real-world systemsの編集、production softwareのmonitoringまで任せられる範囲が広がったと紹介しています。 testingでは外部serviceの反応もmodelに作らせます PerplexityのJohnny Ho氏は、限られた時間でmanual testを行う代わりに、GPT-6 Astraへapplication周辺の小さなtesting programを作らせる使い方を挙げています。modelはlanguage model APIやconnectorなど、別serviceが返しそうなrealistic responsesを生成し、applicationがworkflow全体でどう反応するかを確認します。OpenAIは、以前のmodel世代より少ない頻度のcheck-inでend-to-end systemsを任せられると紹介しています。 coding agentの評価軸は出力から運用へ移ります この事例は、coding agentの価値が単なるcode completionから、test harness、service simulation、monitoring、communicationへ広がっていることを示しています。search engineのように外部情報と内部systemが絡むproductでは、agentが作るprogramの正確性、test dataの妥当性、productionへの影響範囲を分けて検証する必要があります。modelの能力向上は、review負荷の低下と同時に、任せる境界の再設計を求めます。 human checkpointをどこに置くかが導入判断です 実務導入では、Astraのような高性能modelをどのrepository、どのenvironment、どのmonitoring taskへ接続するかを明確にする必要があります。production systemsに関わる場合は、read-only権限、変更前のtest、rollback、alert escalation、human approvalの位置を先に決めることが重要です。少ない確認頻度で任せられるという利点は、確認が不要になるという意味ではなく、より意味のあるcheckpointへ集中できる可能性として扱うべきです。