OpenAI GPT-5.2のリリースとベンチマーク結果

OpenAIはGPT-5.2 Thinkingを発表し、ベンチマークの改善を公表しました。 - サム・アルトマンによって発表されたGPT-5.2 Thinking。 - SWE-Benchソフトウェアエンジニアリング: 55.6%(前回は50.8%)。 - GPQA Diamond科学: 92.4%(前回は88.1%)。 - CharXiv科学的推論: 82.1%(前回は67.0%)。 - FrontierMath全体: 40.3%(前回は31.0%)。 - FrontierMath Tier 4: 14.6%。 - AIME 2025: 完璧なスコア100%(前回は94.0%)。 - ARC-AGI 1: 86.2%(前回は72.8%)。 - ARC-AGI 2: 52.9%(前回は17.6%)。 - GDPval知識作業タスク: 70.9%(前回は38.8%)。 - OpenAIはGPT-5.2を専門的な知識作業向けに位置付けています。 - GPT-5.2は3つのエディションで提供されます: Instant、Thinking、Pro。 - Instant: 低遅延の日常タスク。 - Thinking: スプレッドシートやモデルのための深い論理チェーン。 - Pro: 高難易度タスクのための最高の計算能力。 - レポートはGPT-5.2が長文コンテキストとエージェントの信頼性に焦点を当てていることを指摘しています。 - ECIベンチマーク: Gemini 3 Proが154点、GPT-5.2が152点を記録。 - ChatGPTは低い応答遅延(音声で約320ms)で注目されています。 - Google Geminiは長文コンテキストとマルチモーダルの強みで注目されています。 - OpenAIは「アダルトモード」の計画と年齢予測ツールを発表し、アダルトモードは次の四半期を目指しています。 - OpenAIは今週、GPT-5.2を有料ユーザーに展開し始めました。
Key insights
GPT-5.2 Thinkingが大規模なマルチドメインベンチマークの向上を記録
OpenAIはGPT-5.2 Thinkingを発表し、科学、数学、推論、ソフトウェアのベンチマークでのスコアの大幅な向上を報告しました。報告された向上には、GPQA Diamondの92.4%、CharXivの82.1%、FrontierMath全体の40.3%、完璧なAIME 2025スコアが含まれます。また、GDPvalは知識作業タスクにおいて70.9%に上昇し、前のバージョンと比較して改善が見られました。これらのベンチマークの数値は、論理的推論、長文コンテキスト処理、ドメインパフォーマンスの向上を示す証拠として強調されました。
OpenAIはGPT-5.2を3つのタスク重視のエディションにパッケージ化
GPT-5.2は、低遅延の日常タスク向けのInstant、スプレッドシートや金融モデル、複数のステップの意思決定のための深い論理チェーンを強調するThinking、最も難しい科学的または意思決定の問題に対する最高の計算オプションであるProの3つの異なるバリアントでリリースされました。OpenAIはThinkingを専門的な知識作業と長期的なエージェントの信頼性をターゲットにしていると説明しました。
競争環境: ECIでの狭い差だが異なる強み
ECIベンチマークではGemini 3 Proが154点、GPT-5.2が152点という小さな数値差が報告されました。複数の投稿では、勝者がドメインによって異なることが指摘されています: OpenAIは低遅延の応答と推論を強調し、Google Geminiはネイティブなマルチモーダルと超長文コンテキスト処理を強調し、Anthropic/Claudeは一部のコーディングやエージェントシナリオで競争力を維持しています。このカバレッジは、市場をドメイン特有の強みを持つ三者間の競争として位置付けています。
AIME完璧スコアによって数学的推論ベンチマークが向上
GPT-5.2はAIME 2025コンペティションの数学ベンチマークで報告された100%を達成し、GPT-5.1の94.0から向上しました。OpenAIとコメント者は、これをコンテストレベルの数値的および記号的推論におけるブレークスルーとして提示し、一部の成果は外部ツールを使用せずに達成されたことを指摘しています。
OpenAIが企業の生産性とエージェントのワークフローを強調
OpenAIはGPT-5.2を「実際の専門的な作業」、すなわちテーブル、プレゼンテーション、コード、分析のために設計されたと説明し、企業の生産性向上を目指すと述べました。同社は、このリリースを最近の競合他社のリリース後に市場ポジションを取り戻すための取り組みの一環として位置付け、企業の収益化への入力としても位置付けています。
リリースに伴う安全性、年齢管理および「アダルトモード」の発表
OpenAIは、18歳未満のユーザーへの応答をより適切に管理するための年齢予測機能を展開すると述べ、次の四半期に「アダルトモード」を展開する計画を発表しました。同社は、これらのコントロールを特定のコンテンツタイプへの責任あるアクセスに関連付けました。