OpenAIがGPT-5.4 Thinkingシステムカードをリリース

ベンチマークパフォーマンスと機能

標準的な推論ベンチマークでは、GPT-5.4 Thinkingは前身と比べて有意な改善を示しています。モデルはMATHおよび競技プログラミング評価で最先端の結果を達成し、複数のドメインにわたって情報を統合する必要がある科学的推論タスクで強いパフォーマンスを示しています。物理学、化学、形式論理の大学院レベルの学術問題は、以前の世代のモデルと比較して特に強みを示しています。

拡張思考ウィンドウ（モデルが応答を出力する前に実行する内部計算の量）は以前のバージョンと比較して増加しました。これにより、GPT-5.4 Thinkingは単一ホップ推論ではなく、継続的な複数段階の分析が必要な問題に取り組むことができます。エンタープライズデプロイメントでは、これは財務モデリング、コードレビュー、研究合成タスクなどの複雑なワークフローでより信頼性の高いパフォーマンスに変わります。

これらの改善にもかかわらず、システムカードはGPT-5.4 Thinkingが完全無欠ではないことを明確に述べています。モデルは依然として事実を幻想することができ、十分に複雑な計算で算術エラーを犯し、トレーニングデータが不足しているか曖昧な場合、過度に自信のある回答を生成することができます。OpenAIは高リスクアプリケーションには人間による監督を推奨し、重要なシステムの唯一の意思決定者としてモデルを使用することに対して警告しています。

思考の連鎖の透明性

システムカードの技術的に最も重要な側面の1つは、思考の連鎖透明性の扱いです。OpenAIはモデルの推論プロセスの部分をユーザーに表示し、結論に到達するために取られた論理パスの検証を可能にするというポリシーを継続しています。この透明性は、隠れた欺瞞的な推論を構造的に難しくすることでセーフティ機能を果たし、モデル論理がユーザー自身の期待からどこに逸脱したかをユーザーが特定するのを支援することで実用的な機能を果たします。

システムカードは、目に見える思考の連鎖を完全なセーフティ保証として使用することの限界を認めています。このリリースと並行して発表された研究では、推論モデルが思考トレースで表示するものが基礎となる計算プロセスと必ずしも完全に対応していないことが判明しました。OpenAIは引き続き、目に見える推論が真の内部意思決定経路を正確に反映しているかどうかを調査しています。これは、AI解釈可能性と監督に深刻な影響を持つ問題です。

この透明性の取り組みは、推論モデルが思考を抑制または改ざんするように指示できるかどうかについてOpenAI内の広範なセーフティ研究に直接つながっています。証拠は、これが現在のアーキテクチャにとって構造的に困難であることを示唆しており、この発見は思考の連鎖監視を化粧品的な出力演劇ではなく実際の信号としての価値を強化しています。

企業向けAIに対するGPT-5.4 Thinkingの意味

複雑なワークフローでAIを展開している組織にとって、GPT-5.4 Thinkingは以前の推論モデルに比べて意味のある機能アップグレードを表しています。推論の改善により、現在広範な人間によるレビューが必要なタスク（契約分析、科学文献の合成、複雑なデバッグ、微妙な合成要件を伴う複数文書のサマリー）に更に適しています。

エンタープライズAPI アクセスは、OpenAIの標準料金層を通じて利用可能です。拡張思考は、追加の計算を反映する高いトークンコストで利用可能です。これは、組織が特定の使用例の品質改善に対して評価する必要がある妥協案です。OpenAIは継続的なセーフティ監視にコミットしており、デプロイメントを通じて新しい機能またはリスクが発見されるとシステムカードを更新します。

このリリースは、OpenAIが機能リリースと並行して詳細なセーフティドキュメント公開するというパターンを継続しています。これは、他の主要なAI開発者が一致する圧力を受けている透明性基準を設定しています。推論モデルがエンタープライズAIの中核インフラストラクチャになるにつれて、これらの評価の質と深さは、業界全体の調達および展開決定での重要な要因になります。

この記事はOpenAIのレポートに基づいています。元の記事を読む。