単なるプロンプト評価は限界：OpenAI、第三者評価の指針を公開
OpenAIは最先端モデル向けの信頼できる第三者評価ガイドラインを公開した。自律的にツールを使うモデルの性能は実行環境（ハーネス）に左右されると指摘。評価の検証目的を明確にし、報酬ハッキングやデータ汚染の影響を開示するよう提唱している。
GPT-5.4
なぜGPT-5は「小鬼」と例えたがるのか OpenAIがNerdy個性の報酬学習バグを解明
OpenAIはGPT-5.1以降のモデルで「ゴブリン」などの比喩が頻出した原因を公表した。「Nerdy」個性向けの報酬信号が怪物単語を過剰に評価し、強化学習と微調のループを通じて全体へ波及していたという。同社は3月に同個性を廃止し学習データを浄化した。
OpenAI、防衛者向け特化モデル「GPT-5.4-Cyber」を提供開始
OpenAIはサイバー防衛者向けアクセス枠「TAC」を拡大し、防御業務に特化した「GPT-5.4-Cyber」を発表した。正当なセキュリティ業務における拒絶判定の閾値を下げ、バイナリのリバースエンジニアリングによる脆弱性分析を可能にする。身元確認を完了した研究者や防衛チームに順次提供される。
CloudflareとOpenAIが連携、Agent CloudにGPT-5.4とCodexを導入
CloudflareはAgent CloudにOpenAIのGPT-5.4などの最新モデルを導入し、Codex harnessをCloudflare Sandboxesで一般提供開始したと発表しました。企業はエッジ上の安全な環境で自律型AIエージェントを迅速に構築・運用できます。
GitHub Copilot CLIに「Rubber Duck」登場：ClaudeとGPT-5.4が相互レビュー
GitHubはCopilot CLIに実験的機能「Rubber Duck」を追加した。Claudeをメインに作業する際、GPT-5.4が独立したレビュアーとして計画やコードの盲点を指摘する。SWE-Bench ProではSonnet 4.6がOpus単体との性能差の74.7%を埋めた。
OpenAIが約1220億ドルを調達：評価額8520億ドル、AIスーパーアプリ構想へ
OpenAIは1220億ドルの資金調達を完了し、評価額が8520億ドルに達したと発表した。月間売上高は20億ドルを突破し、ChatGPTの週間アクティブユーザーは9億人を超える。調達資金は計算基盤の拡大に充当され、ChatGPTやCodexを統合したAIスーパーアプリの開発を急ぐ。
OpenAI、GPT-5.4 miniとnanoを公開：速度2倍でフラグシップに迫る
OpenAIは高速・低コストな小型モデル「GPT-5.4 mini」と「GPT-5.4 nano」をリリースした。miniは前世代比で2倍以上高速化し、SWE-Bench Proで54.4%を記録してGPT-5.4に迫る性能を発揮する。nanoは100万入力トークンあたり0.20ドルで動作し、サブエージェントに最適だ。
OpenAI、Excel 版 ChatGPT を公開：自然言語で数式やモデルを直接構築
OpenAI は GPT-5.4 を搭載した「ChatGPT for Excel」のベータ版を発表した。ユーザーは自然言語で指示するだけで、ブック内に数式を含むモデルを構築・更新できる。変更前に承認を求め、参照元セルも明示する。ムーディーズなどの金融データ連携も追加され、対象の有料プラン向けに提供される。
OpenAIが「GPT-5.4」公開：100万トークン対応、PC操作で人間超え
OpenAIはChatGPTやAPI向けに「GPT-5.4」を公開しました。100万トークンの文脈長とネイティブなPC操作に対応し、OSWorld検証で人間の平均を上回る75.0%の成功率を記録。思考の途中で指示を修正できる機能も追加され、実務の自動化が一段と現実的になっています。