XNews

OpenAI、GPT-5.2を発表(ベンチマークと機能)

OpenAI、GPT-5.2を発表(ベンチマークと機能)

OpenAIは、プロフェッショナルな知識作業を目的としたマルチエディションモデルスイートであるGPT-5.2をリリースしました。 - リリース:GPT-5.2は、Instant、Thinking、Proの3つのエディションで発表されました。 - ベンチマーク:SWE-Bench 55.6%(50.8%からの向上)。 - ベンチマーク:GPQA Diamond 92.4%(88.1%からの向上)。 - ベンチマーク:CharXiv科学的推論82.1%(67.0%からの向上)。 - ベンチマーク:FrontierMath全体40.3%(31.0%からの向上);Tier 4 14.6%。 - ベンチマーク:AIME 2025完璧な100%(94.0%からの向上)。 - ベンチマーク:ARC-AGI1 86.2%(72.8%からの向上)。 - ベンチマーク:ARC-AGI2 52.9%(17.6%からの向上)。 - GDPval:知識作業タスク70.9%(38.8%からの向上)、44の職業と1,320のタスクをカバー。 - 長文コンテキスト:256kトークンテストでほぼ100%の精度。 - ポジショニング:「プロフェッショナルな知識作業」と長期エージェントに焦点を当てています。 - バージョンの目的:Instantは迅速なタスク用、Thinkingは深い多段階推論用、Proは最高の計算使用ケース用。 - 製品戦略:価格は約40%高く設定;今週から有料ユーザーへの展開を開始。 - 競争環境:Gemini 3 ProおよびClaude Opus 4.5への対応として位置付け;内部の「Code Red」努力が引用されました。 - ツール:ツール呼び出しと多段階実行の改善;以前の複雑なプロジェクトに対して30%低いエラーを主張。 - 機能:企業向けの推進、インフラ支出のコミットメント、年齢予測の展開を伴う「大人モード」の計画があり、来年の第1四半期に大人モードを導入予定。 - 言語品質:サンプル出力で高品質な文学的/スタイル模倣を示しました。

Key insights

GPT-5.2は知識作業をターゲットにしたマルチエディションスイートとして導入

OpenAIは、迅速な応答のためのInstant、深い多段階推論のためのThinking、最高の計算研究用途のためのProという3つの異なるエディションとして提供されるGPT-5.2を発表しました。このリリースは、一般的なチャットの焦点から、長期的な多段階タスクやスプレッドシート、財務モデル、研究の統合などの複雑なドメイン出力に対する信頼性にシフトし、プロフェッショナルな知識作業を目指す専門的な「エキスパートコレグ」を位置付けています。企業の準備と収益化を優先し、今週から有料顧客にモデルを展開し、価格を約40%引き上げました。

ベンチマークの改善が科学的および推論テストでの大きな向上を示す

GPT-5.2 Thinkingのために報告された複数のベンチマーク結果:SWE-Benchソフトウェア工学55.6%(50.8%からの向上)、GPQA Diamond92.4%(88.1%からの向上)、CharXiv科学的推論82.1%(67.0%からの向上)、FrontierMath全体40.3%(31.0%からの向上)、Tier 4は14.6%、AIME 2025完璧な100%(94.0%からの向上)、ARC-AGI1 86.2%(72.8%からの向上)、ARC-AGI2 52.9%(17.6%からの向上)。これらの数値は、GPT-5.1に対する大きな能力の飛躍を証明する証拠として提示され、Claude Opus 4.5およびGemini 3 Proに対する競争上の利点としても示されています。

GDPvalメトリックが人間との知識作業の平等性を高めることを示す

OpenAIは、44の職業にわたる1,320のタスクをカバーする新しいGDPvalベンチマークを引用しました。GPT-5.2 Thinkingは、以前の約38.8%に対して70.9%を記録しました。OpenAIはGDPvalを実際のタスク出力(スプレッドシート、スライドデッキ、スケジュールなどの成果物)を測定する指標として提示し、GPT-5.2が多くの知識作業タスクにおいて人間の専門家に匹敵するか、またはそれを超えることができると主張しました。

長文コンテキストと数学的パフォーマンスが強調される

OpenAIは、256kトークンの長文コンテキストで「針を探す」テストでほぼ100%の精度を報告し、外部ツールなしで完璧なAIME 2025の結果を強調しました。会社は、Thinkingエディションにおける長期的な一貫性の向上と高度な数学/推論パフォーマンスをコアアップグレードとして強調しました。

GoogleおよびAnthropicへの戦略的対応;内部のCode Red動員

OpenAIは、GoogleのGemini 3およびAnthropicのリリースからの競争圧力を受けて、GPT-5.2を回復努力の一環として位置付けました。サム・アルトマンは以前に「Code Red」の動員を宣言し、ChatGPTの改善を加速するためにリソースを指示しました。OpenAIは1月までにCode Redを終了し、市場の勢いを取り戻すことを目指しています。

企業向け機能、価格設定、安全管理が含まれる

OpenAIは企業の採用を強調しました:価格の引き上げ(約40%増)、コンテンツを制限するための年齢予測システムの提供計画、年齢確認を伴う第1四半期の「大人モード」の計画、安全性と知的財産保護へのコミットメント。リリースには、製品統合の焦点—ツール呼び出しの改善、多段階実行、企業の効率性の主張(時間とコストの節約)が含まれています。

Source posts