NVIDIAがOpenAI CodexとGPT-5.5を使用する方法

NVIDIAが自律エンジニアリングのためにCodexとGPT-5.5を統合

NVIDIAのエンジニアと研究者は、GPT-5.5で動作し、NVIDIA GB200およびGB300インフラ上で実行されるCodexを、複雑なエンジニアリングと機械学習研究の主要ツールとして採用しています。このシステムは、初期プロンプトを超えてバグやギャップ、新しいアイデアを特定できる、より長く自律的なセッションを可能にします。

プロダクションシステムの開発とデプロイ

GPT-5.5搭載のCodexは、NVIDIAのエンジニアが最小実用製品（MVP）からスケーラビリティと信頼性が向上した本番稼働システムへプロジェクトを移行することを可能にします。このツールの自律性により、長時間の開発セッション中の手動ガイダンスの必要性が減少しながら、高い精度とコンテキストを維持します。

プロダクションエンジニアリングにおける主な活用例は次のとおりです：

  • Rapid Application Development（迅速なアプリケーション開発）: NVIDIAのエンジニアはCodexを使用して、プライバシー制約のために数週間かかるソフトウェア調達プロセスを回避し、数時間で社内ポッドキャスト録音アプリケーションを構築しました。
  • Autonomous Testing（自律テスト）: コンピュータ操作機能を備えたCodexデスクトップアプリを使用し、システムは手動介入なしでビデオおよびオーディオ録音機能を自律的に構築・テストしました。
  • Tool Selection（ツール選択）: このモデルは、特定のエンジニアリングタスクに対して適切なツールとスキルを戦術的に選択する高い能力を示します。

"Codexは複雑なエンジニアリングタスクにおける私たちの必須ツールであり、GPT-5.5を使用することで、他のモデルでは見つけられなかったプログラムのバグやギャップを浮き彫りにします。"

—Dennis Hannusch, シニアソフトウェアエンジニア

機械学習研究ワークフローの自動化

Codexは、NVIDIAのAI研究者向けに、研究領域の特定、実験スクリプトの作成、リモートマシンでのスクリプト実行など、エンドツーエンドの研究ループを自動化しました。その結果、実験実行の速度が10倍向上したと報告されています。

研究で活用されている技術的能力は次のとおりです：

  • Knowledge Synthesis（知識統合）: 強化学習などの分野の大量の研究論文コーパスを分析することで、GPT-5.5は創造的なパートナーとして機能し、証拠をチェーン全体で追跡し、概念的なつながりを可視化するためのナレッジグラフを提案します。
  • Remote Infrastructure Management（リモートインフラ管理）: CodexアプリがSSHをサポートしているため、研究者は手動でのログインや設定を行わずに、ラップトップからリモートホスト上で大規模な機械学習ワークロードを直接実行できます。
  • Performance Optimization（パフォーマンス最適化）: 研究者はGPT-5.5をコードベースの「機械翻訳」に利用しており、具体的にはPythonリポジトリをRustに書き換えることで、最大20倍の効率向上を実現しています。

"実験実行だけでも10倍の速度向上がありました。これは、エンドツーエンドの機械学習研究ワークフロー全体を処理できるからです。"

—Shaunak Joshi, AI研究者

Sources