OpenAI o3 と o4-mini のリリースノート / 新機能

OpenAI は、拡張推論向けに設計された o シリーズの最新モデルである o3 と o4-mini をリリースしました。これらのモデルは、最先端の推論とツールをエージェント的に使用・組み合わせる能力（ウェブ検索、Python データ分析、画像生成など）を統合し、通常 1 分未満で多面的な問題を解決するという点で、知能と有用性の大きな進歩を示しています。

OpenAI o3 による最先端推論

OpenAI o3 は、これまでにリリースされた中で最も強力な推論モデルであり、Codeforces、MMMU、SWE-bench などのベンチマークで新たな最先端（SOTA）性能を確立しています（カスタムモデル固有のスキャフォールドなしで、検証済みタスク 477 件の固定サブセットで評価）。

Key performance improvements include:

  • エラー削減: 外部専門家評価において、o3 は OpenAI o1 と比較して、難しい実世界タスクで主要なエラーが 20% 少なく、特に創造的なアイデア創出、ビジネス/コンサルティング、プログラミングで顕著です。
  • 分析的厳密さ: 初期テスターは、o3 が工学、数学、生物学の文脈で新しい仮説を生成し、批判的に評価する能力を指摘しました。
  • 視覚認識: o3 はグラフィック、チャート、画像の分析で高い性能を示します。

OpenAI o4-mini によるコスト効率の高い推論

OpenAI o4-mini は、ハイボリューム・ハイスループットの推論タスク向けに設計された、より小型で最適化されたモデルです。データサイエンスおよび非 STEM 分野において、前身の o3-mini を上回ります。

Notable benchmarks include:

  • AIME パフォーマンス: o4-mini は AIME 2024 と 2025 で最高性能を示すベンチマークモデルです。Python インタプリタが提供されると、AIME 2025 で 99.5% の pass@1（100% の consensus@8）を達成します。
  • 効率性: サイズが小さいため、o4-mini は o3 よりもはるかに高い使用上限をサポートしつつ、コーディング、数学、視覚タスクで高い性能を維持します。

マルチモーダル推論と視覚統合

初めて、o シリーズのモデルは画像を思考の連鎖に直接統合し、単に画像を認識するだけでなく「画像と共に考える」ことが可能になりました。これにより、視覚的推論とテキスト推論を組み合わせて複雑な問題を解決できます。

Capabilities include:

  • 堅牢な解釈: モデルは、手描きのスケッチ、教科書の図、ホワイトボードの写真など、ぼやけた、低品質、または反転した画像を解釈できます。
  • 能動的操作: ツールを使用して、モデルは推論プロセスの一部として画像をズーム、回転、変形させ、入力をより適切に分析できます。

エージェント的ツール使用とワークフロー自動化

OpenAI o3 と o4-mini は、強化学習を通じて、目的の結果を達成するためにツールをいつ、どのように使用すべきかを推論するように訓練されています。API 関数呼び出しを介して、ChatGPT ツールおよびカスタムツールへの完全なアクセスが可能です。

This strategic approach allows for multi-step workflows, such as:

  • 反復的リサーチ: ウェブ検索を複数回行い、結果を分析し、得られた情報に基づいて検索クエリを変更します。
  • 複合的合成: 公的データのウェブ検索、予測のための Python、可視化のための画像生成を連鎖させ、単一の複雑なクエリに答えます。

強化学習 (RL) のスケーリング

OpenAI は、大規模な強化学習が GPT シリーズの事前学習と同様に「計算リソースが増える＝性能が向上する」傾向を示すことを観測しました。トレーニング計算量と推論時の推論時間を 10 倍に増やすことで、モデルが「考える」時間を長くするほど性能が向上し続けることを実証しました。

At equal latency and cost to OpenAI o1, o3 delivers higher performance, with further gains possible by increasing the reasoning time.

安全性とリスク軽減

OpenAI はこれらのモデル向けに安全性トレーニングデータを再構築し、ジャイルブレイク、マルウェア生成、生物学的脅威（バイオリスク）に対する新しい拒否プロンプトを導入しました。

Safety measures include:

  • 推論 LLM モニター: 人間が作成した安全仕様で訓練されたモニターで、バイオリスクのヒューマンレッドチーミングキャンペーンにおいて約 99% の会話をフラグしました。
  • 備えフレームワーク: 両モデルはサイバーセキュリティ、AI の自己改善、そして生物・化学リスクの3つの領域で評価され、o3 と o4-mini はすべてのカテゴリで「高」閾値未満です。

Codex CLI と開発者アクセス

OpenAI は、ターミナルで動作するオープンソースの軽量コーディングエージェント Codex CLI を導入しました。ユーザーはスクリーンショットやスケッチを o3 と o4-mini に渡し、モデルがローカルコードにアクセスできるようにします。

アクセス詳細:

  • ChatGPT: Plus、Pro、Team ユーザーは o3、o4-mini、o4-mini-high にアクセスできます。Enterprise と Edu ユーザーは 1 週間後にアクセス可能です。無料ユーザーは「Think」オプションで o4-mini にアクセスできます。
  • API: 両モデルは Chat Completions API と Responses API で利用可能です。Responses API は推論サマリーと関数呼び出し周辺の推論トークンの保持をサポートします。
  • o3-pro: 長時間の思考と高信頼性を目的とした o3 のバージョンが、ChatGPT と API の Pro ユーザー向けに提供されています（2025年6月10日現在）。

Sources