OpenAI、市場に新しい AI 推論モデル o3 および o4-mini を追加

ChatGPTの開発元であるOpenAIは水曜日、質問に答える前に一時停止して処理を行うことを意図した、o3およびo4-miniという2つの推論AIモデルのリリースを発表した。

これは、AIスタートアップが4月30日にGPT-4言語モデルをChatGPTから削除し、より優れたパフォーマンスを持つモデルに置き換え、他の小規模なモデルもパイプラインにあり市場リリースの準備をしていたと発表した barely 1週間後のことである。

OpenAIはo3をこれまでで最も高度な推論モデルと描述している

AIスタートアップは、o3を数学、推論、コーディング、科学、視覚的理解能力を測定するテストで他の以前のモデルを上回った同社の最も高度な推論モデルと呼んでいる。

「o3とo4 miniはコーディングが非常に得意なので、使いやすくするために新しい製品『Codex CLI』をリリースする」と、OpenAIのCEOサム・アルトマン氏がXプラットフォームでの投稿で発表した。

「これはあなたのコンピュータ上で動作するコーディングエージェントです。完全にオープンソースであり、本日利用可能です。急速に改善されると期待しています。」

アルトマン。

o4-miniについては、同社が価格、速度、パフォーマンスの競争力のあるトレードオフを提供すると述べている。TechCrunchによれば、これらは開発者がアプリケーションを動かすAIモデルを選択する際にしばしば考慮する要素である。

モデルについてコメントし、OpenAIはo3がSWE-bench verified（カスタムスケフォールディングなし）で最先端のパフォーマンスを達成していると主張している。これはコーディング能力を測定するテストであり、モデルは69.1%のスコアを獲得した。

同社によれば、o4-miniも68.1%で同様のパフォーマンスを達成している。同社の次のベストモデルであるo3-miniはテストで49.3%のスコアを獲得し、AnthropicのClaude 3.7 Sonnetは62.3%であった。

TechCrunchによれば、o3モデルはChatGPTでリリースされるはずなかった。アルトマン氏は2月に、同社がより洗練されたo3の技術により多くのリソースを集中させたいと示唆していたためである。

しかし、競争圧力により、OpenAIは最終的に方針を転換せざるを得なかったようだ。

o3とo4-miniはコーディングが非常に得意なので、使いやすくするために新しい製品『Codex CLI』をリリースする。

これはあなたのコンピュータ上で動作するコーディングエージェントです。完全にオープンソースであり、本日利用可能です。急速に改善されると期待しています。

— Sam Altman (@sama) 4月16日、2025

OpenAIはGoogleなどの競合他社に先んじたい

新しいモデルは、OpenAIが特にGoogle、Meta、Anthropic、xAI、中国のDeepSeekなどの競合他社に先んじるための努力をしている時期に登場した。

OpenAIは最初にAI推論モデルo1をリリースしたが、競合他社はすぐに追いつき、OpenAIのラインアップと同等またはそれ以上のパフォーマンスを持つバージョンをリリースした。これはまた、推論モデルが台頭し始め、AIラボがシステムからより多くのパフォーマンスを引き出そうとしている時期でもある。

以前にリリースされた他の推論モデルと比較して、o3およびo4-miniモデルは、ChatGPT内のツール（例えば、ウェブブラウジング、Pythonコードの実行、画像処理、画像生成など）を使用して応答を生成する能力を持っている。

この発表についてコメントし、AI愛好家は、この開発を「スーパー」であり、「ローカルコーディングが未来である」として大きな一歩だと表現した。

「これはプラグイン以来のChatGPTにおける最大の変化だ。しかし、よりスムーズだ。すべてが箱から出してすぐに動作し、モデルが問題を解決する方法を選択する。これは単にチャットするだけでなく、実際に役立つAIへの大きな一歩だ。」

アザール・アフマド。

同社によれば、OpenAIのPro、Plus、Teamプランのサブスクライバーは、o4-miniの変種である「o4-mini-high」とともに新しいモデルにアクセスできる。これらは信頼性を高めるために回答の生成により多くの時間を要する。

OpenAIは、新しいモデルが「画像で思考する」最初のモデルであると述べている。これは、ユーザーが画像をChatGPTにアップロードでき、モデルが回答する前に「思考の連鎖」フェーズで画像を分析することを意味する。この新しい能力により、モデルはぼやけた画質の低い画像を理解し、推論中に画像のズームや回転などのタスクを実行できる。

画像処理機能に加え、2つのモデルはChatGPTのCanvas機能を通じてユーザーのブラウザ内でPythonコードを直接実行・実行でき、現在の出来事について尋ねられた場合にウェブを検索できる。