GPT-5.2の性能は何が進化したのか？

TL;DR

GPT-5.2は、推論、コーディング、長文理解、画像認識、ツール利用、ハルシネーション抑制を総合的に強化し、AIエージェントとしての実用性を高めたモデルである。API料金はGPT-5.1より約40％上がったと話者は見積もるが、性能向上に見合うとの評価だ。

Transcript

おすまそです。本日はですね、OENAI からGPT5.こちらがですね、登場し ましたんで、これについてお話していき たいと思います。え、最近はですね、 ジェミ3ProやクロードのOPス4.5 とかね、ま、あらゆる方向から、え、OP Aのね、モデルがなかなかちょっと厳しい 状態なんじゃないかみたいな感じで言われ てたんですけどね。コードレッドなんて いう話題もありましたけど、え、GPT 5.2がね、ちょっと急ぎで、え、 リリースになって、ま、これをですね、 今回色々ちょっと残で、え、お話しして いければなという風に思います。はい。え 、このGPT5.2に関しては、ま、本当 にね、GPT5.1から純粋に賢くなって 、AIエージェントとしても使いやすく なって、もうかなりですね、あの、その 辺りの... Read More

Key Insights

• GPT-5.2 Thinkingは、推論、長文理解、視覚認識、コーディング、ツール利用をまとめて強化し、長時間動作するAIエージェントを意識した更新である。
• GDPvalでの70.9％は、米国のGDPに関係する44種類の専門業務において、人間の専門家に勝利または引き分けた割合として紹介されている。
• ARC-AGIでの52.9％は、抽象的な思考を求める課題で示された結果であり、話者はGPT-5.2 Thinkingの推論能力を評価する材料としている。
• ハルシネーションはGPT-5.1と比べて30％から40％ほど抑制されたと説明され、長時間のエージェント処理で誤った前提が連鎖する危険の低下が期待される。
• ロングコンテキスト性能は、25万トークンの文脈から情報を抽出する試験で読み落としがほぼなくなったとされ、複数の論文やファイルを扱う分析に適している。
• コンテキストウィンドウは40万であり、単一スレッド内で多くの情報を保持できるほか、長期タスク向けのコンテキスト圧縮用エンドポイントにも対応したと紹介された。
• コーディング性能はSWE-bench Proなどで向上した一方、実際の成果はモデル単体だけでなく、CodexやClaude Codeなどのエージェント基盤とコンテキスト設計にも左右される。
• API料金は話者の見積もりでGPT-5.1より約40％上昇しているが、自然な日本語、抽象的な指示の理解、総合的な回答品質の改善は値上げに見合うと評価されている。
• 🎬 このチャンネルの他の動画:
  • ChatGPTのDreamingとは何か？
  • Cursor 2.2の新機能を活用する方法
  • Codexの音声操作で開発タスクを進める方法
• 📺 このチャンネル: まさおAIじっくり解説ch

Questions & Answers

Q: GPT-5.2はGPT-5.1から何が進化したのですか？

GPT-5.2は、推論、コーディング、長文理解、画像認識、ツール呼び出し、ハルシネーション抑制が総合的に進化したモデルです。話者は、GPT-5.1の自然で読みやすい日本語を引き継ぎながら、抽象的な指示への対応力やAIエージェントとしての実用性が一段高まったと評価しています。

Q: GPT-5.2はAIエージェントに向いていますか？

GPT-5.2は、紹介された改善内容からAIエージェント用途に向いていると考えられます。長文の注意力、ツール呼び出し、コーディング、画像の読み取り、事実性が強化されており、複数資料の分析やブラウザー操作、長時間の問題解決などで必要になる能力がまとめて向上しています。

Q: GPT-5.2の長文処理性能はどの程度ですか？

GPT-5.2のコンテキストウィンドウは40万で、25万トークンの文脈から情報を抽出する試験では読み落としがほぼなくなったと説明されています。複数の論文やファイルにまたがる分析への適性が高まり、単一スレッドでも多くの情報を参照しながら作業しやすくなっています。

Q: GPT-5.2はハルシネーションをどれくらい減らしましたか？

GPT-5.2 Thinkingは、GPT-5.1と比べてハルシネーションが30％から40％ほど改善したと紹介されています。これは回答の事実性を高めるだけでなく、誤った判断が後続作業へ連鎖しやすい長時間のエージェント処理で、違和感の少ない結果を得るうえでも重要な改善です。

Q: GPT-5.2のコーディング性能は高いですか？

GPT-5.2のコーディング性能は、SWE-bench Proなどの結果と話者の試用経験から大きく向上したと評価されています。一般的なSWE-benchでは80％と紹介され、GPT-5.1 Codex Maxを上回る結果も示されました。ただし、実務の成果はエージェント基盤やコンテキスト設計にも左右されます。

Q: GPT-5.2のベンチマーク結果はどう評価できますか？

GPT-5.2は、GDPvalで人間の専門家に70.9％の確率で勝利または引き分け、ARC-AGIで52.9％を記録したと紹介されています。数学、科学、ターミナル操作などでも高く評価されていますが、これらは動画内で紹介された結果であり、個別業務で同じ成果を保証するものではありません。

Q: GPT-5.2の画像認識は何に役立ちますか？

GPT-5.2の画像認識は、グラフ、スクリーンショット、画面上の細かな情報を読み取る作業に役立ちます。動画では視覚系ベンチマークの向上が紹介されており、ブラウザー操作やコンピューター操作、画面を確認しながら進めるコーディングなど、視覚情報を使うエージェント処理への効果が期待されています。

Q: GPT-5.2の料金上昇は性能に見合いますか？

話者は、GPT-5.2のAPI料金がGPT-5.1より約40％上がったと見積もる一方、性能向上には見合うと評価しています。派手な画面生成だけでなく、自然な対話、抽象的な指示の理解、長文処理、事実性が総合的に改善しているためです。ただし、利用量が多い場合は実タスクで費用対効果を確認する必要があります。

Summary & Key Takeaways

• GPT-5.2 Thinkingは、専門業務、コーディング、数学、抽象推論などのベンチマークでGPT-5.1から向上したと紹介されている。GDPvalでは人間の専門家に対して70.9％の確率で勝利または引き分けとなり、ARC-AGIでは52.9％を記録したという。話者は、自然な日本語を維持しながら、抽象的な指示への理解や総合的な問題解決能力が高まったと評価している。

• AIエージェントに重要な長文処理、視覚理解、ツール呼び出し、事実性も強化された。コンテキストウィンドウは40万で、25万トークンの文脈から情報を抽出する試験でもGPT-5.1より読み落としが大きく減ったと説明される。ハルシネーションは30％から40％ほど改善し、グラフや画面の読み取りも向上したため、複数資料の分析やブラウザー操作への適性が増している。

• 実用面では、GPT-5.2とGPT-5.2 ProがAPIに追加され、有料プランへの提供も順次始まると紹介された。一方、話者の見積もりではGPT-5.2のAPI料金はGPT-5.1より約40％高く、性能だけでなく費用対効果の確認が必要である。ベンチマークだけではエージェント基盤やコンテキスト設計の差を評価し切れないため、実際の業務やコーディング環境で比較することが重要だ。