4月17日、OpenAI o3とo4‑miniが発表された。

OpenAI o3 は、コーディング・数学・科学・視覚認識をはじめとする複数分野のベンチマークで既存モデルを大きく上回り、 同社が「これまでで最も高い推論力」と評価する 大型モデルだ。一方の o4‑mini は推論特化の軽量設計を採用し、計算コストを抑えながらも AIME や Codeforces などでモデルサイズを超えるスコアを示した。

両モデルは ChatGPT 上でフルツールアクセス（Web 検索、Python 実行、ファイル解析、画像生成など）を自己判断で駆使できるよう訓練されており、 複合的な質問に対しても 1 分程度で具体的かつ整形式の回答を生成するという。

具体的な性能向上

o3／o4‑mini は従来モデルとの比較において、Codeforces や SWE‑bench といった実務系ベンチマークに加え、MMMU（大学レベル視覚問題）や GPQA（博士課程レベル科学問題）などでも SOTA を更新した。

特に注目されるのは、画像を含むマルチモーダル入力を直列的な推論チェーンに取り込める点だ。ぼやけた写真や反転図でも解析可能で、必要に応じて回転・ズームなどの前処理を自発的に行う。これにより MMMU や MathVista といった視覚ベンチマークで大幅な精度向上を達成した。

大規模強化学習のスケーリング効果

OpenAI は GPT‑シリーズの事前学習で観測された 「思考時間を増やすほど性能が伸びる」という傾向が、強化学習（RL）工程でも成立する ことを確認した。訓練および推論の双方で計算量を一桁拡大しても、コスト対性能が右肩上がりで伸びる点が示されている。

画像を用いた新しい推論体験

このモデルでは新たに、 「画像を元に思考する」 ことが可能になった。
ユーザーが手書きの数式やホワイトボード写真をアップロードすると、モデルは画像内の情報を読み取りつつ Python を呼び出して計算やグラフ生成を行い、テキストと視覚の両面から解説を提示する。こうしたツール連携は、複数ステップの検索・計算・説明を自律的に連鎖させる「エージェント的推論」を実現している。

安全性の再設計

能力向上に合わせて安全面も刷新された。バイオリスク、マルウェア生成、ジェイルブレイクなどへの耐性を底上げし、内部評価では 99 % 以上の危険な会話を検知・遮断できたという。OpenAI Preparedness Framework に基づく三つの重点領域（生物・化学、サイバーセキュリティ、AI自己改善）でも、いずれも「High」閾値を下回る水準を維持したと報告されている。

Codex CLI と開発者支援

ターミナルからローカルファイルとモデル推論を統合する Codex CLI が OSS として公開された。スクリーンショットやラフスケッチを渡してコードを操作でき、同社は最大 100 万ドル相当の API クレジット助成プログラムも開始している。

提供プランの変更

ChatGPT Plus／Pro／Team では従来の o1、o3‑mini が置き換わり、本日から o3 と o4‑mini が選択可能となった（レート上限は据え置き）。無償利用者でも「Think」モード経由で o4‑mini を試せる。

OpenAI は o‑シリーズの推論力と GPT‑シリーズの自然対話・ツール統合を一本化し、より柔軟でエージェント的な次世代モデルへと進化させた。数週間以内にはフルツール対応の o3‑pro をリリース予定とも予告している。

詳細はIntroducing OpenAI o3 and o4-miniを参照していただきたい。