OpenAIは2025年4月14日、新たな大規模言語モデル「o3」と「o4-mini」を発表した。これらは同社の最新世代モデルであり、特に視覚推論能力とツール統合の面で大きな進化を遂げた。ChatGPT Plus、Pro、Teamの全ユーザーに即日提供が開始されており、ChatGPT Enterpriseおよび教育機関向けには1週間以内に展開される予定だ。
「o3」は、OpenAIが提供する中でも最も高性能な汎用モデルとして位置づけられ、コーディング、数学、科学、視覚推論の分野で新たなスタンダードを確立する。また、「o4-mini」はその軽量版ながらも非常に高い知性を持ち、処理速度とコスト効率に優れる点が特徴だ。これにより、API経由での高頻度かつ大量利用にも適しており、質問量の多いユースケースに最適とされている。
特筆すべきは、両モデルが「画像を使って考える（think with images）」という、全く新しい推論プロセスを実現している点である。ユーザーがアップロードした画像をチェーン・オブ・ソート（思考連鎖）の一部として統合することで、従来のモデルを凌駕する視覚的理解と文脈把握を可能にしている。これにより、単に画像を「見る」のではなく、画像から「考える」AIが実現された。
加えて、o3およびo4-miniはすでにChat Completions APIとResponses APIでも提供が開始されており、開発者も活用可能だ。特にResponses APIは、関数呼び出しの前後における思考トークンの保存や、要約の最適化、今後搭載予定のWeb検索やコード実行などのツール統合機能も視野に入れて開発が進められている。
今回のリリースにより、従来の「o1」「o3-mini」シリーズはモデル選択から外れ、新たに「o3」「o4-mini」「o4-mini-high」がChatGPTのモデル選択に加わった。Proユーザー向けには、今後「o3-pro」も追加予定である。
引用
