OpenAIが次世代推论モデル「o3」を発表：o1を凌駕、1月下旬提供へ

OpenAI が 12 日間にわたって続けた連日発表の最終日に、最大の隠し球を公開しました。

同社は次世代の推論モデル「o3」および「o3 mini」を発表しました。なお、製品名で「o2」を飛ばした理由は、大手通信ブランド O2 との商標トラブルを避けるためです。

現時点では一般公開されておらず、技術デモと性能の披露にとどまっています。

ベンチマークを更新し、推論時間は 3 段階に

発表によると、o3 は数学や科学の各ベンチマークで既存の o1 を上回る性能を示しています。競技数学テストの AIME 2024 や、物理・化学・生物の博士課程レベルの問題を扱う GPQA で高い成果を記録しました。

さらに注目されるのが、汎用人工知能への進捗を測る指標とされる ARC-AGI で最高記録を更新した点です。OpenAI は AGI に到達したわけではないと断りを入れつつも、確実に近づいていることを示しました。

小型版の o3 mini には、思考時間を低・中・高の 3 段階から選べる機能が備わっています。

低設定では競技プログラミングの Codeforces で従来の o1-mini と同等のスコアですが、中または高に引き上げると、フル版の o1 に匹敵するかそれを上回る性能を発揮します。

公開予定と新たな安全性テスト

実際に使えるようになるまでにはもう少し時間がかかります。Sam Altman CEO は配信の最後で、o3 mini を 1 月末にリリースし、フル版の o3 はその後に提供する予定だと述べました。

また、OpenAI として初めて外部の研究者向けに安全性テストの門戸を開きました。1 月 10 日まで申請フォームを受け付けています。

あわせて発表されたのが「熟議アライメント（deliberative alignment）」という学習手法です。人間が定めた安全基準をモデルに直接学習させ、回答を出力する前にモデル自身がその基準に沿って明示的に推論するように訓練します。

なぜ重要か

私たちは、o3 の登場によって AI 開発の主戦場が事前学習の規模拡大から、推論時の思考時間活用へと完全にシフトしたと見ています。

ユーザーや開発者にとって、o3 mini で導入される 3 段階の思考時間設定は非常に実用的です。タスクの難易度に応じて推論コストと応答速度を細かくコントロールできるようになり、実務での導入ハードルが下がります。

発表で先行して期待値を高めつつ、1 月末の公開まで外部テスト期間を設けた手法は手堅い判断です。一方で、推論モデルが内部で自律的に安全規約を吟味する仕組みが、賢くなり続けるモデルの逸脱をどこまで完全に防ぎきれるかは、今後の外部検証を見守る必要があります。