ChatGPT Work に 5K/10K ランニングルートの計画を依頼する：GPT-6 Astra からのプレイブック

GPT-6 AstraとChatGPT Workは、住所を渡すと、ちゃんとした周回型の5Kまたは10Kランニングコースを返してくれるようになりました。実際の道路、実際の距離で、GPXおよびGeoJSONとしてダウンロードでき、チャットに埋め込まれたインタラクティブな地図も付いています。コツは、これらが別々の役割を担う2つの異なるレイヤーだと理解することです。ChatGPT WorkはOpenAIのエージェント型製品階層で、2026年7月9日に発表され、月額20ドル以上の加入者向けであり、モデルがファイル、シェル、インターネットをまたいで30分間作業を続けられる場です。GPT-6 Astraは2026年9月3日にリリースされたフラッグシップ推論モデルで、9月5日にすべての有料ChatGPT階層、ChatGPT Work、Codex、APIで一般提供され、1行のリクエストを多段階の27分間のルート計画セッションに変えるモデルです。このプレイブックでは、実用的なプロンプト、エージェントが実際に手を伸ばすツール（OpenStreetMap、Nominatim、Overpass）、期待できる出力、そして正直な注意点を扱います。なぜなら、このワークフローは本当に役に立ちますし、誰も見せてくれない部分こそが、牙をむく部分だからです。

一段落のレシピ

うまくいくリクエストは、サイモン・ウィリソンが9月12日に実演したように、ほとんど気まずいほど短い：

私は<my address>に住んでいます。自宅を起点に周回する5Kと10Kのランニングルートを算出してください。OSMデータを使用してください。

• 次に起きたこと：ChatGPT Work は GPT-6 Astra（推論努力レベル：最大）で27分間実行され、5Kループと10Kループを返しました。それぞれは埋め込み型のインタラクティブマップに加え、ダウンロード可能な GPX ファイルと GeoJSON ファイルとして提供されました。

• そのルートは実在した。5Kの結果（「エル・グラナダ港ループ 5.1 km」）では、港からグラナダ・アベニューとパロマ・アベニューを北へ、サン・カルロス・アベニューを東へ、フランシスコ・ストリートを南へ下り、コースタル・トレイルを西へ戻っていた。

その最後の細部こそがプレイブックの要点だ。これはハルシネーションででっち上げた通りの名前のリストではない——ループするルートであり、もっともらしい距離を持ち、その地域の実際の道路網と一致している。モデルがそれをどのように構築したのかと尋ねられると、こう明快に答えた。「住所を特定するために Nominatim を使い、地元の OpenStreetMap の道路とトレイルをダウンロードするために Overpass を使い、その後、ループをローカルで計算しました。」

つまりこのワークフローは、実際のエージェント実行です。住所をジオコーディングし、実際の地図データを取得し、適切な長さの閉ループを計算し、可視化をレンダリングし、標準的な交換フォーマットでエクスポートします。実際に機能する「ルートを計画して」というプロンプトが欲しかったのなら、これがその形です。

ChatGPT Workとは実際に何なのか、そしてなぜここで重要なのか

ChatGPT Workはモデルではない。モデルがエージェントのように振る舞えるプロダクトサーフェスであり、コードを実行し、インターネットにアクセスし、ヘッドレスブラウザを使い、セッションをまたいで永続的なワークスペースを保持し、長時間実行できる。紛らわしいことに、それは2つの形態に分かれた。Work Cloud（chatgpt.comまたはモバイルアプリ経由）とWork Local（以前Codexと呼ばれていたデスクトップアプリで、自分のコンピュータ上のファイルやプログラムに触れられる）だ。これは月額20ドル以上のプランの加入者が利用でき、無料ユーザーと月額8ドルのGoユーザーはまったく使えない。また、Workセッションはチャットの利用枠ではなくCodexの利用枠を消費する。

だからこそ、通常のチャットのやり取りなら失敗するような場面で、ルート生成はうまくいったのです。このタスクにはコード実行、ジオコーディングや地図データサービスへのインターネットアクセス、そして反復するための十分な持続的注意力が必要です。通常の ChatGPT チャットは数秒で答えて次に進みます。ChatGPT Work は作業を続けます。Work 内でのモデル選択も重要です — Open​AI は、まさにこのような多段階のエンドツーエンド作業に GPT-6 Astra を推奨しており、推論エフォートは Max まで設定可能です。

プレイブックの第一のルール：これはChatタスクではなくWorkタスクです。ChatGPT Workを開き、GPT-6 Astraを選択し、すぐに答えを期待するのではなく、セッションを走らせ続けましょう。

内部で使用されているツール：OSM、Nominatim、Overpass

本物の仕組みのうち、Open​AI 自身が持っているものは何もない。エージェントは公開されている地理インフラから経路を組み立てたのであり、各部分が何をするのかを知っておく価値がある — 出力を妥当性確認できるようにするためにも、そして、もし ChatGPT の外で動かしたいと思ったときに、同じパイプラインを自分で再現できるようにするためにも。

• OpenStreetMap（OSM）は、クラウドソーシングで作られた世界の無料地図であり、ルートがたどる道路やトレイルのデータソースです。

• Nominatim は OSM のジオコーディングサービスです。人間が入力する住所（「私は <my address> に住んでいます」）を地図上の座標に変換します。

• Overpass は OSM データのクエリ API です。エージェントはこれを使って、それらの座標周辺の地域の道路とトレイルをダウンロードしました。

• ループ計算そのもの（「ループをローカルで計算した」）は、エージェント自身のワークスペースで実行された——生の道路グラフを取得し、ほぼ適切な長さの閉回路を見つけ出すという処理である。

その分解が再現可能な中核です。同じものを自分で作ろうと思ったら、パイプラインはこうです。Nominatimでジオコーディングし、Overpassで道路ネットワークを取得し、ループを計算し、GPX/GeoJSONをエクスポートし、地図ライブラリでレンダリングします。ChatGPT Workは、APIキーも、ルーティングライブラリの調査も、自分で書くコードも不要で、それらすべてをあなたの代わりにやってのけました。

得られるもの：可視化スキルとファイル

出力は、これをデモっぽくなく完成品のように感じさせる部分です。表示側では、エージェントはChatGPTに組み込まれたvisualize skillを使用して、自己完結型のHTMLファイル——観測された実行では /workspace/el-granada-5k-share.html——を作成しました。このファイルは地図をChatGPT UIに直接埋め込みました。HTMLはルートジオメトリ全体を <script type="application/json"> 要素に保存し、CDNから読み込んだD3.jsで地図を描画します。このスキルのコンテンツセキュリティポリシーでは、特定の外部オリジンのリストのみが許可されています——cdnjs.cloudflare.com、esm.sh、cdn.jsdelivr.net、unpkg.com、fonts.googleapis.com、fonts.gstatic.com、fonts.bunny.net——そして「その他のオリジンはブロックされ、サイレントに失敗します」。この点は、生成されたファイルを調べることがあれば重要です。地図はこれらのライブラリがあれば動作し、それらがなければサイレントに劣化します。

ファイル側では、すべてのGPSアプリと地図ツールがすでに理解している2つの交換形式を利用できます:

• GPX — 標準的なGPS交換フォーマット。Strava、Garmin Connect、または任意のルートアプリにインポートすれば、追従可能なルートとして表示されます。

• GeoJSON — 地理空間 JSON 形式です。QGIS、Leaflet、Mapbox、あるいはその他の地理空間ツールでご利用いただけます。また、埋め込みビジュアライゼーションがジオメトリを保存する際の形式でもあります。

実際に走れるルートが目的なら、成果物となるのはGPXファイルです。埋め込み地図はそれが妥当だと証明するもので、GeoJSONはプログラムで扱うためのコピーです。

デモが教えてくれないこと：2つの本当の注意点

ルート生成は本物だが、ChatGPT Work の偽らざる実像はその失敗モードから見えてくる。そしてそれを試した人物は、同じ朝のうちにそのうちの二つを明るみに出した。

1. 実行は不透明である。 エージェントのコードとその正確な手順はChatGPTのUIでは見えなかった — 表示されたのは要約的な説明（「Nominatimを使い…その後ループをローカルで計算した」）だけだった。ルート案内ならそれで問題ないが、結果に影響を及ぼすようなものなら、これは透明性の欠如であり、存在するものと想定すべきだ。Willisonはこれを「アンチ機能」と呼んでいる。あなたが見るのは結果と、その結果についてのモデル自身の説明であり、それを生み出したコードではない。

2. コンパクションは作業を消し去ることがあります。 彼がPythonコードのコピーを求めた時点で、エージェントはそれを出力できませんでした——スレッドはすでにコンパクションされており、コンパクション前のコンテキストは失われていました。あなたが頼りにする長いエージェントセッションには、このリスクがつきまといます。スレッドは要約され、ファイルに保存されていなかった成果物やコードは、もう取り出せなくなります。コードが必要なら、後からではなく、実行中にファイルとして求めてください。

どちらの注意点もこのプレイブックを損なうものではない — ルートとGPX/GeoJSONエクスポートは、ディスクに書き込まれているためコンパクションを生き延びる、まさにそういう種類の成果物だ。しかし、それらは期待値を設定する。ChatGPT Workは強力だが、透明ではなく、行ったことすべてを永続的に記録するものでもない。

なぜこれが、きれいなデモよりも重要なのか

実行中のルートの根底には、値付けを検討する価値のある真に新しい能力がある。一行のリクエストを受け取り、ジオコーディング、ネットワーククエリ、ローカル計算にまたがる27分間の実際の多段階作業を行い、使えるファイルを返してくれるフロンティアモデルだ。これこそが「エージェント的作業」が実際に意味するものであり、モデルへのリクエストに何を期待すべきかを変える。それはコスト計算も変える——そしてここで、ルーティングという観点が真価を発揮する。

ChatGPT Work では、その27分間のセッションがサブスクリプションの Codex 許容量を消費し、GPT-6 Astra ではトークンの消費が速い。同じモデルは API を通じてトークン単位で利用できる。GPT-6 Astra の価格は100万入力トークンあたり10ドル、100万出力トークンあたり50ドルで、コンテキストウィンドウは約105万トークン、また272,000入力トークンを超える長コンテキスト層にはより高い料金が適用される — ベンダーの定価である。セッション全体をコンテキストに保持し続けるエージェントループでは、その長コンテキスト層に支出が集中する。

それこそが、ルーティングレイヤーが管理するために存在するコストです。200以上のモデルに対応する単一のAPIはプロバイダーの定価を0%のマークアップでそのまま通すため、GPT-6 Astra のような入力$10・出力$50のフロンティアモデルが、同じキー上で入力$4・出力$20の GPT-5.6 Sol の隣に並び、モデル文字列ひとつで切り替えられます — 2つ目の契約も、コード変更も、ベンダーごとの個別統合も不要です。最新モデルに対して、本番経路をそれに賭けることなく、経路計画などの長期的なタスクを担うエージェントをプロトタイピングしたい場合、自動フェイルオーバーを使えば、実績のあるモデルを下支えに置いたまま、トラフィックの一部をそのモデルで流せます。そしてベンダーが値下げすると、パススルーによって新しい価格は当日中に当社側で有効になります — 同じ定価で、間にマークアップ層はありません。

同じ論法は、モデルだけでなくツール構成のパターンにも当てはまります。エージェントが使用した OSM/Nominatim/Overpass のパイプラインは、まさに開発者が決定論的に呼び出したいと考える類のものです。そして、それを自分で構築するなら、単一のベンダーをハードコードするのではなく、モデル層を 1 つのエンドポイント経由でルーティングするはずです。そうすれば、ルートを計画するモデルを、パイプラインを書き換えることなく差し替えたりフェイルオーバーさせたりできます。

プレイブック、凝縮版

自分でこれを再現したいなら、形は次のとおりです：

• ChatGPT Work（通常のチャットではなく）を使用し、GPT-6 Astra を選択したうえで、推論エフォートを高く設定してください。

• 実在の住所と目標距離を指定するプロンプト：「私は <address> に住んでいます。私の家を起点に周回する5Kと10Kのランニングルートを割り出してください。OSMのデータを使ってください。」

• 数秒ではなく数十分かかることを想定してください — そして、それが自力で動作することを想定してください。

• その都度、出力をファイル形式で求めてください：ウォッチやアプリ用のGPX、プログラムで扱うもの向けのGeoJSON、そしてチャットに表示されるビジュアライゼーション。

• 書かれたコードが必要な場合は、実行中にファイルとして保存するよう依頼してください。その後は圧縮によって消去される可能性があります。

その最後のステップこそ、誰もが飛ばしてしまい、そして実際に牙をむくステップだ。モデルは喜んで一日中あなたのループを計画してくれる。ただ、あなたが尋ねる頃には、それをやったコードの方を覚えていないかもしれない。

同じキーでカタログの残りのモデルにもアクセスできるので、モデルカタログ全体を見てOpenAI互換の単一エンドポイントの背後にほかに何があるのかを確認できます。