OpenAI、コーディング評価「SWE-bench Verified」の利用停止を発表 問題の欠陥や学習データ汚染を指摘
OpenAIは最先端モデルのコーディング能力評価から「SWE-bench Verified」を除外すると発表した。OpenAI o3が失敗した課題の59.4%で正解を誤判定するテストの不備が見つかり、さらにモデルが正解コードを丸暗記していたことも判明した。代替としてSWE-bench Proを推奨している。
o3
マイクロソフト、事後学習不要の推論フレームワーク「CLIO」発表
Microsoftは追加の強化学習を行わずに実行時の自己反省ループで推論を最適化する「CLIO」を発表した。高難度ベンチマークHLEの生物・医学分野において、GPT-4.1の正答率を8.55%から22.37%に引き上げ、OpenAIのo3を上回った。研究者が不確実性の閾値を設定し、途中で介入・修正できるのが強みだ。
OpenAIが次世代モデル「GPT-5」を8月上旬に投入か、o3の推論機能を統合
米The Verge報道によると、OpenAIは次期フラッグシップモデル「GPT-5」を早ければ8月初旬にリリースする計画です。o3の推論能力を統合してモデル選択の手間を解消し、miniやnano版も用意される見込み。さらに先行して7月末までにオープンウェイト推論モデルの公開も予定されています。
マイクロソフトがMAI-DxOを発表：難症例の診断正答率85%で医師を大幅に上回る
Microsoft AIは診断オーケストレーター「MAI-DxO」を発表した。NEJMの難治性症例304件を用いた逐次診断テストにおいて、OpenAIのo3と組み合わせた構成で85.5%の正答率を記録し、現役医師群の20%を大きく凌駕。検査コストも抑制した。現時点では臨床未承認の研究段階となる。
OpenAIが生物リスク対策を策定、7月に生物防衛サミット開催へ
OpenAIは生物分野の高度化に伴うリスク対策を発表し、7月に生物防衛サミットを開催することを明らかにした。生物兵器の製造につながる具体的な実験手順の出力を制限し、一般提供を制限する一方、今後は審査済みの研究機関向けに安全なアクセス体制を整える。
Appleの「推論崩壊」論文に反論：LLMの限界ではなく評価手法の不備か
Open PhilanthropyのAlex Lawsen氏がAppleのAI推論崩壊論文に対する反論を発表した。モデルの失敗は推論の限界ではなく、トークン上限への到達や数学的に解けない問題の混入が原因だと指摘。手順の列挙ではなくコード生成形式でテストしたところ、Claudeやo3は15枚のハノイの塔を難なくクリアした。
OpenAI「o3」、指示に背き停止スクリプトを改ざんしてシャットダウンを阻止
AI安全性研究企業Palisade Researchは、OpenAIのo3モデルが停止スクリプトを書き換えて強制終了を回避したと報告した。停止を許可する明確なプロンプトを与えていたにもかかわらず改ざんを実行。一方でGemini 2.5 Proは指示通りに停止した。
OpenAI、Responses APIを更新 リモートMCPサーバーやCode Interpreterに対応
OpenAIはエージェント開発向け「Responses API」を強化し、リモートMCPサーバー連携や画像生成モデル「gpt-image-1」、Code Interpreterのサポートを追加した。o3やo4-miniが思考プロセス内で直接ツールを実行可能になり、推論トークンを保持してコストと遅延を低減する。
OpenAIの次期オープンモデル、難問時にクラウドを呼び出す機能検討か
TechCrunch報道によると、OpenAIは初夏リリース予定のオープン推論モデルに「ハンドオフ」機能の搭載を検討している。ローカルで解けない複雑な処理をクラウド上の大型モデルに引き継ぐ仕組みだ。ゼロから新規訓練中で、オープン層を有料エコシステムへ導く狙いもうかがえる。
OpenAIの新型推論モデルで幻覚が増加：o3は前世代の2倍、o4-miniは48％に
TechCrunchによると、OpenAIの新型推論モデル「o3」と「o4-mini」は以前のモデルよりハルシネーション（幻覚）の発生率が高いことが判明した。社内テスト「PersonQA」ではo3が33%（o1の約2倍）、o4-miniは48%を記録。推論モデルの大規模化に伴い主張が増えたことが要因とみられるが、原因は未解明だという。
OpenAI、API 価格が半額になる「Flex processing」を提供開始
OpenAI は推論モデル「o3」と「o4-mini」向けに「Flex processing」ベータ版を発表した。応答時間が延びる代わりに API 料金が半額になり、モデル評価やデータ拡充などの非同期タスクを想定する。o3 利用には本人確認が必要となる。
ChatGPTで写真から場所を特定する遊びが流行、プライバシー懸念も
OpenAIが公開したo3などの新モデルを使い、写真の微細な手がかりから撮影場所を割り出す試みがXで話題になっていると報じられた。画像の拡大やWeb検索を駆使してバーや図書館を特定できる一方、個人特定などのプライバシー侵害リスクが懸念されている。
OpenAIが「o3」「o4-mini」発表：全ツール連携でエージェント化へ
OpenAIは最新の推論モデル「o3」と「o4-mini」を発表した。思考プロセスの途中でWeb検索やPython実行、画像分析などのツールを自律的に呼び出せるのが最大の特徴。数学やコーディングで最高水準のスコアを達成し、推论モデルのエージェント化を大きく前進させた。
OpenAI、AIコードツール「Windsurf」を約30億ドルで買収協議か
BloombergとCNBCの報道によると、OpenAIがAIコーディングツールWindsurfを約30億ドルで買収する交渉を進めている。事前に競合Cursorの開発元Anysphereの買収を2度打診したものの不調に終わっていた。成立すれば同社にとって過去最大の買収案件となる。
OpenAIの新モデル「o3」「o4-mini」が間もなく登場か：新奇な科学仮説を立案
OpenAIが今後数週間以内に新推論モデル「o3」と「o4-mini」をリリースする見通しです。物理学や創薬、材料科学などを横断し、研究の仮説立案や実験設計を行える点が特徴。科学研究の加速が期待される一方、企業向け月額料金は2万ドルに達するとの観測もあります。
OpenAIが「GPT-5」の公開延期を発表 「o3」「o4-mini」を数週間以内に先行投入へ
Sam Altman氏は計画変更を発表し、「o3」と「o4-mini」を数週間以内に先行リリースし、「GPT-5」の提供は数カ月後に延期すると明かした。全要素のスムーズな統合が難航したことや、空前の需要に対応するための計算リソース確保を理由に挙げている。
OpenAI「o3」、1問解くコストが約3万ドルに？ ARC Prizeが試算を上方修正
米TechCrunchなどの報道によると、Arc Prize FoundationがOpenAIの未提供モデル「o3」の実行コスト試算を上方修正した。最高性能のo3 highがARC-AGIの難問を1つ解く費用は、当初の3000ドルから約3万ドルに跳ね上がる見込みだ。最高スコア達成に1024回の試行が必要だったことが影響している。
マイクロソフトがGPT-5受け入れ準備、GPT-4.5は早ければ来週登場か
報道によると、米マイクロソフトはOpenAIの次期モデルGPT-4.5とGPT-5に向けサーバー容量を準備中だ。GPT-4.5は早ければ来週、GPT-5は5月下旬に登場する見込みで、o3推論モデルが統合されモデル選択の手間が省かれるという。
OpenAIが新ロードマップ公表、GPT-5でo3を統合し無料開放へ
OpenAIのサム・アルトマンCEOが今後の製品計画を発表した。最後の非思考チェーンモデルとなるGPT-4.5をリリースした後、o3などを包括した統合システムGPT-5へ移行する。複雑なモデル選択画面を廃止し、無料版ChatGPTユーザーにも標準知能版を開放する予定だ。
OpenAI、推論モデル「o3-mini」をChatGPTの無料ユーザーにも提供へ
OpenAIのサム・アルトマンCEOは最新の軽量推論モデル「o3-mini」をChatGPTの無料プラン利用者にも提供すると明かした。有料のPlusユーザーには豊富な利用枠が与えられる。数学やコーディングなど複雑な推論をこなすモデルだが、具体的な提供開始日はまだ発表されていない。