OpenAI GPT-5.2のリリースと性能に関する主張

OpenAIは、業務に特化したモデルとしてGPT-5.2をリリースしました。
Key insights
OpenAIが実務向けタスクを対象としたGPT-5.2をリリース
OpenAIは、デモ専用ではなく実務向けの新しいモデルとしてGPT-5.2を発表しました。リリースの説明では、長期エージェントのサポートが強調されており、実際の仕事における持続的なタスク実行を目的としています。この発表では、GPT-5.2が短いデモを超えたユースケースを念頭に置いて構築されており、開発者たちがすでに従来の枠を超えた応用を試み始めていることが強調されています。
性能に関する主張:実務タスクの約70%とAIME 2025の満点
リリース資料や報告によると、GPT-5.2は評価された実務タスクの約70%で人間の専門家を上回り、AIME 2025で満点を達成したとされています。これらの具体的な指標は、実際の作業負荷やベンチマークにおけるモデルの最前線の性能に関する主張の一部として提示されました。
ユーザーテストがGemini 3.0に対するマルチモーダル優位性の主張に挑戦
あるユーザーは、画像から注釈ボックスを取り除き、未注釈の画像をGPT-5.2とGemini 3.0の両方に送信する比較マルチモーダルテストを実施しました。その結果、Gemini 3.0がGPT-5.2を上回り、GPT-5.2のマルチモーダル能力がその例においてGemini 3.0を超えるという主張に反する結果となりました。