XNews

OpenAI、GPT-5.2を発表しベンチマーク性能を公開

OpenAI、GPT-5.2を発表しベンチマーク性能を公開

OpenAIは、専門的な知識作業向けに位置づけられたGPT-5.2を発表しました。

Key insights

GPT-5.2は三つのターゲットエディションで発表

OpenAIは、低遅延の日常業務向けのGPT-5.2 Instant、深い論理的推論と多段階ワークフローに焦点を当てたGPT-5.2 Thinking、研究や最も困難な問題に対する最高の容量オプションであるGPT-5.2 Proの三つのエディションでGPT-5.2を発表しました。このリリースは、スプレッドシート、プレゼンテーション、コード、長期的なエージェントワークフローなど、専門的な作業に最適化されており、企業の生産性向けの顧客を対象としています。

ベンチマークがGPT-5.1および競合に対して大幅な改善を示す

OpenAIは、GPT-5.1に対する大幅な改善と、Claude Opus 4.5およびGemini 3 Proに対する競争上のリードを示すベンチマーク結果を公開しました。報告された主なスコアには、SWE-Bench 55.6%(50.8%からの上昇)、GPQA Diamond 92.4%(88.1%からの上昇)、CharXiv 82.1%(67.0%からの上昇)、FrontierMath全体40.3%(31.0%からの上昇)、AIME 2025完璧な100%(94.0%からの上昇)、ARC-AGI1 86.2%(72.8%からの上昇)、ARC-AGI2 52.9%(17.6%からの上昇)、GDPval 70.9%(38.8%からの上昇)が含まれています。

GPT-5.2は多くの業務タスクで人間の専門家を上回ると主張

OpenAIは、GPT-5.2がGDPvalメトリックに基づいて約70%の実際の業務タスクで人間の専門家を上回るか、同等であると述べています。同社は、このモデルがデモ向けの機能ではなく、長期的なエージェントや専門的なワークフローに適していることを強調しています。このフレーミングは、改善を加速するための内部の「Code Red」努力に続くものです。

OpenAIが長文コンテキスト、数学、推論の向上を強調

OpenAIは、256kトークンでのほぼ完璧な長文コンテキストの取得と、FrontierMathによって証明された主要な数学・推論の改善を強調し、外部ツールなしでのAIME 2025の完璧なスコアを示しています。開発者には、GPT-5.2が多段階の実行エラーを減少させ、前のバージョンに対してツール呼び出しの信頼性を向上させると伝えられています。

ベンチマークがGeminiとの接近した競争を示す

独立したECIベンチマーク結果は、Gemini 3 Proが154、GPT-5.2が152であり、全体的な差がわずかであることを示しています。投稿では、モデルの強みがドメインによって異なることが指摘されています:Google Geminiはマルチモーダルおよび超長文コンテキスト処理でリードしている一方で、OpenAIは推論速度とリアルタイム応答に焦点を当てています。

ローンチ、企業向け推進、そして「成人モード」のロードマップ

OpenAIは、発表の週から有料ユーザーへの段階的な展開を計画しており、GPT-5.2を企業顧客を引き付けるために位置づけています。同社は「Code Red」に入ったことを報告し、リソースを再配分しました。また、年齢検出システムを発表し、次の四半期に向けた「成人モード」機能を示唆しました。

Source posts