XNews

OpenAI GPT-5.2のリリースとベンチマーク結果

OpenAI GPT-5.2のリリースとベンチマーク結果

OpenAIは、専門的な作業と長期的なエージェントに焦点を当てたGPT-5.2のリリースを発表しました。 - GPT-5.2は、Instant、Thinking、Proの3つのバージョンで提供されます。 - GPT-5.2 Thinkingは、複数のスイートで大きなベンチマークの向上を示しました。 - SWE-Benchソフトウェアエンジニアリング: 55.6%(50.8%からの上昇)。 - GPQA Diamond科学: 92.4%(88.1%からの上昇)。 - CharXiv科学的推論: 82.1%(67.0%からの上昇)。 - FrontierMath高度な数学: 全体で40.3%(31.0%からの上昇)、Tier 4は14.6%。 - AIME 2025競技数学: 100%(94.0%からの上昇)。 - ARC-AGI 1抽象推論: 86.2%(72.8%からの上昇)。 - ARC-AGI 2抽象推論: 52.9%(17.6%からの上昇)。 - GDPval知識作業指標: 70.9%(38.8%からの上昇)。 - ECIランキング: Gemini 3 Proは154点、GPT-5.2は152点を獲得。 - OpenAIはGPT-5.2を「専門知識作業」と長期的なエージェントに焦点を当てたものとして位置付けています。 - サム・アルトマン氏と同社のメッセージは、ポジショニングを回復するための内部「コードレッド」プッシュに言及しました。 - OpenAIは、GPT-5.2が今週から有料ユーザーに展開されると発表し、「アダルトモード」と年齢検出機能が言及され、アダルトモードは来年の第1四半期に計画されています。 - OpenAIは、GPT-5.2がスプレッドシート、プレゼンテーション、コード、長文推論に最適化されていると述べました。

Key insights

GPT-5.2 Thinkingが推論と数学のベンチマークで大幅な改善を達成

GPT-5.2 Thinkingは、複数の評価でGPT-5.1に対して大幅なベンチマークの向上を示しています: SWE-Benchは55.6%(50.8%から上昇)、GPQA Diamondは92.4%(88.1%から上昇)、CharXivは82.1%(67.0%から上昇)、FrontierMathは全体で40.3%(31.0%から上昇)、Tier 4は14.6%、AIME 2025は完璧な100%(94.0%から上昇)に達しました。ARC-AGI 1は86.2%(72.8%から上昇)、ARC-AGI 2は52.9%(17.6%から上昇)に達しました。これらの結果は、モデルが専門的なタスクと長期的なエージェントに向けて位置付けられているというOpenAIのコメントと共に発表されました。

製品セグメンテーション: Instant、Thinking、Proの異なるワークロード向け

OpenAIは、3つのGPT-5.2バリアントをリリースしました: GPT-5.2 Instantは低遅延の検索と軽作業向け、GPT-5.2 Thinkingは深い多段階推論、スプレッドシート、財務モデルに焦点を当て、GPT-5.2 Proは難しい科学的および意思決定問題向けの最高の計算オプションです。同社はThinkingをコアアップデートとし、Proを高難度のユースケース向けと位置付けました。

GPT-5.2が実世界のタスクで大幅な生産性向上を主張(GDPval指標)

OpenAIはGDPvalを知識作業のパフォーマンス指標として導入または引用しました。GPT-5.2はGDPvalタスクで70.9%を達成し、以前のGPT-5の38.8%から上昇したと報告されています。この増加は、多くの仕事のタスクにおいて人間の専門家に対するタスクレベルの平等または優位性を示しています。OpenAIはGPT-5.2を企業の生産性と専門的なワークフロー(スプレッドシート、プレゼンテーション、コード、分析)に向けて位置付けました。

Gemini 3 ProおよびClaude Opus 4.5に対する競争的ポジショニング

公的な比較では、Gemini 3 ProとClaude Opus 4.5が主要な競争相手として位置付けられています。ある公的ランキング(ECI)では、Gemini 3 Proが154点、GPT-5.2が152点と示されています。報告によると、GPT-5.2は推論ベンチマークでGPT-5.1を大幅に上回り、Claudeの多段階エージェントの強みやGeminiのマルチモーダルな利点に対抗するように明示的に最適化されています。

展開、安全性、製品機能: アダルトモードと年齢検出

OpenAIは、今週から有料ユーザーへのGPT-5.2の展開を発表しました。同社は、来年第1四半期に計画されている「アダルトモード」と、18歳未満のユーザーの応答を制限するための年齢予測機能を展開すると述べました。企業のコミュニケーションでは、「コードレッド」の運用姿勢とインフラ投資のコミットメントに言及されました。

長文とエージェントの信頼性に焦点を当てる

OpenAIは、GPT-5.2の超長文コンテキストでのほぼ完璧なパフォーマンスを強調し(256kトークンでのテストで非常に高い検索精度が報告されています)、リリースが長期的なエージェントや多段階ツール使用のために設計されていると述べました。これにより、多段階実行エラーが減少し、持続的なワークフローにおける信頼性の向上を目指しています。

Source posts