9月にO1を導入するよりも大きなパワームーブがあるだろうか？1月が終わる前にO3とO3-miniをドロップします。

これらのモデルは、すでに優れたベンチマークでのテストで話題になっています。前モデルの o1 を上回るだけでなく、AI イノベーションの可能性を再定義する機能も導入しています。

画期的なベンチマークスコアから費用対効果の高い適応的推論まで、これらのモデルは業界を変革する態勢を整えています。

知っておくべきこと

OpenAIは1月末までにo3-miniを発売する予定で、その直後にo3が発売される予定です。これらは社内外の厳しい安全性試験を受けたまったく新しいモデルです。

o3の機能は画期的で、複雑な人間の問題（ARC-AGI）、コーディング（SWE Bench Verified）、数学（AIME 2024）、科学的推論（GPQA Diamond）の主要なベンチマークで大幅に高いスコアを獲得し、o1を上回っています。

これらのモデルには、ローエフォート、ミディアムエフォート、ハイエフォート推論モードが導入されており、ユーザーは特定のタスクのパフォーマンスと応答時間を最適化できます。

研究者およびセキュリティ専門家向けの外部テストアプリケーションは、1月末まで受け付けています。

新たな高みへの到達：o3が並外れた存在である理由

ベンチマークに革命を起こす

ザの ARC-AGIベンチマーク 長い間、AIテストのゴールドスタンダードであり、新しい問題を解決するモデルに挑戦してきました。5 年間、AI の成功率は 0 ～ 5% と低いままであり、新しいタスクに適応することの難しさが浮き彫りになりました。これは汎用人工知能に向けた重要な一歩です。OpenAI の o3 は期待を打ち砕きました。

• 低計算モードでは75.7％、高計算モードでは87.5％のスコアを記録し、人間のベンチマークである85％を上回っています。

• その前身であるo1のスコアはわずか32％で、大きな飛躍を遂げました。

このパフォーマンスは、AI 開発における大きなマイルストーンを示すものです。ARC-AGIに優れていることで、o3は未知の問題を一般化して解決する能力を証明し、人間と同じように考え、推論し、学習するAIであるAI、つまり人間のように大規模に考え、推論し、学習するAIに私たちを近づけました。

OpenAIのo3は、単に汎用人工知能の新しいベンチマークを設定しただけではありません。重要な分野において優れており、その適応性と高度な推論が証明されています。その方法は次のとおりです。

• 数学の習得：Epochai Frontier Mathのベンチマークでは、o3のスコアは25.2％でした。これは、2％に達するのに苦労していた以前のモデルから大きく飛躍しました。このベンチマークには、人間の数学者が解くのに数日を要することが多い複雑な問題が含まれ、o3の並外れた数学的推論が示されています。

• コーディングとソフトウェアエンジニアリング: o3 はコーディング能力を再定義しました:

• SWEベンチで71.7得点を挙げ、o1を22.8ポイント上回った。

• Codeforcesで2,727のElo評価を獲得しました。これは、アルゴリズムによる問題解決と競争力のあるプログラミングに精通していることを示しています。

• 科学的推論: O3は学術的な問題解決に優れており、GPQAダイアモンドベンチマーク（博士レベルの問題を特集）で87.7％のスコアを獲得しています。これはo1の 78%、一般的な博士レベルの専門家スコアである 70% を上回り、o3の高度な科学的推論能力を示しています。

これらの業績は、O3の多様性を浮き彫りにし、高度な推論が求められる分野全体にわたるゲームチェンジャーとしての役割を確固たるものにしています。

AI イノベーションの新時代

OpenAIのo3とo3-miniには、タスクに適したパワーレベルを選択できる適応型推論モードが導入されています。複雑なプロジェクトでも単純なプロジェクトでも、これらのモデルはニーズに合わせてシームレスに調整できます。

• 手間のかかる作業: o3 の高推論モードは、カスタムアプリ開発や複雑なプログラミング、サーバー設定、API 接続、複雑なデータ操作などの複雑なタスクを処理します。

• 手間のかからない作業: シンプルなタスクの場合、o3はデータの処理でも基本的なクエリの処理でも、すべて費用対効果を念頭に置いて効率化します。

柔軟なパワーを備えたo3とo3-miniは、AIがあらゆるタスクで何ができるかを再定義します。

大胆なニューフロンティア

OpenAIのo3はAI推論の水準を引き上げ、汎用人工知能の開発を加速させ、業界を再構築する新しい基準を打ち立てます。

• AGIの一歩前進: o3は、これまで遭遇したことのない課題の解決において大きな飛躍を遂げ、汎用人工知能への道のりを前進させています。汎用人工知能の進化における大きなマイルストーンであり、新しい問題を一般化して取り組むことができるという点で、その能力は大きなマイルストーンです。

• 競争環境: グーグルのジェミニ2.0に続き、o3はAIレースの利害関係を引き上げています。その画期的な推論能力はイノベーションの限界を押し広げ、この分野での競争を激化させています。

• 安全第一、簡略化: OpenAIは、安全プロトコルを強化する段階的な推論プロセスである慎重な調整を通じて、o3の導入が人間の価値観に沿っていることを保証します。厳格なテストがこの取り組みを支えており、OpenAI は外部の利害関係者にさらなる評価を求めています。

しかし、それだけの価値はありますか？

O3のようなパフォーマンスは安くはありません。

• o3 in を実行中 低計算モード 費用について タスクあたり 20 ドル、印象的な成果を上げました セミプライベートのARC-AGIベンチマークで75.7％。

• これをプッシュして ハイコンピュートモードでは 87.5% 要求する タスクあたり数千ドル400のベンチマークを解くためのコストは計り知れません 114万ドル。

この価格により、o3の実用性は大規模なテクノロジー企業、政府、または資金が豊富な研究機関に限定されますが、AGIの可能性を解き放つための一歩となります。OpenAI は、今後のイテレーションで効率の向上とコスト削減を図り、より幅広い業界やスタートアップ企業がこれらの機能を利用できるようにすることを目指しています。

しかし、肝心なのは o3は推論、コーディング、数学の新記録を打ち立て、高度なAI研究への道を切り開きます。現在、その成果には高額なコストが伴いますが、費用対効果の高い汎用インテリジェンスの普及は間近に迫っています。

最終評決

OpenAIのo3とo3-miniは単なる新しいモデルではありません。彼らはAGIへの競争がワープスピードで加速していると宣言しています。記録破りのベンチマークから安全第一のイノベーションまで、これらのモデルは AI の未来を形作っています。問題は、それらによってゲームが変わるかどうかではなく、どれだけ早く変化するかです。

キャッチアップ・ウィズ・アス

Twimbit OpenAI Unwrap シリーズで OpenAI の歩みをたどってください。続けて 11 日目、 ChatGPTがMacアプリケーションとどのようにシームレスに統合されるかを調べました。OpenAI の画期的なイノベーションに関するさらなる洞察にご期待ください。