2025年12月11日（米国太平洋時間）、OpenAIは最新のフロンティアモデル「GPT-5.2」ファミリーを発表した。
もっとも本誌の読者なら、このリリース直前に一部で報道された「OpenAIの社内で『コード・レッド』（緊急事態）が宣言された」という報道の方が、強く印象に残ってしまったという人もいるだろう。
Google DeepMindが開発した「Gemini 3 Pro」が生成AIエージェントのベンチマーク上で存在感を増し、DeeVid AIの「Nanobanana Pro」の画像生成／編集能力は、人々を驚かせた。そしてAnthropicの「Claude Opus 4.5」は、コーディングとツールの実行で“開発現場の力”を積み上げている。
かつての「OpenAI一強」だった空気は確実に揺らいでいる。「追われる側」の焦燥は、ユーザーの体験として伝わり、ネット上で拡散／可視化されていた。
|
|
|
|
しかし「コード・レッド」という言い方だが、確かにOpenAIの状況を示す危機という面では事実なのだろう。しかし、リリースされたGPT-5.2を試してみると危機を“演出”しているのではないかという思いも浮かぶ。競合の躍進が危機感を生むのは自然だが、一方で“危機”という言葉の流布は、発表のインパクトを増幅する最強のメディア燃料にもなりうるからだ。
「どれだけ賢いか」から「どれだけ稼げるか」へのマインドセットの切り替え――「緊急リリース」と言われるGPT-5.2を見てみると、OpenAIがライバルに「とにかくやり返したい」というだけではなく、「生成AIモデルにおける『勝ち負け』の基準を再構築したい」と思慮していることを強く感じる。
●GPT-5.2の核心は「新モデル」ではなく「新商品」であること
GPT-5.2を「Gemini 3の登場に対抗した『アーキテクチャの刷新』『大規模化』」という文脈で捉えると、このニュースを見誤る。
このリリースの中心テーマは、GPT-5世代が持つ特徴を“商品”として整理して、それを実際に役立つタスクへと繋げやすくしていることにある。特にThinking（推論の深さ）を商品として、より制御しやすくすることで、業務に直結する成果物へ寄せやすくしている。具体的には、以下の「3階建て」構造とすることでテーマの達成を目指している。
|
|
|
|
・GPT-5.2 Thinking：推論力とツール実行の安定性を押し上げる中核モデル
・GPT-5.2 Instant：検索／ハウツー／翻訳といった日常利用の速度向上を意図したモデル
・GPT-5.2 Pro：難題に「待つ価値のある」最上位モデル
この構造は、初期の「GPT-5」で自動的に生成プロセスをルーティングする仕組みが大きな不評を買ったことから導入された。GPT-5.2では、そこに「ファイル生成」「視覚理解」「エージェント実行」という、具体的なタスクの品質に直結する“手触り感”の磨き込みを行動度で実施している。
一方でGPT-5.2では、推論能力の大幅な向上や基本性能の向上なども見られ、アーキテクチャ面の磨き込みも行われているようだ。しかし、それは“刷新”ではなく、あくまでも既存フレームワーク上での性能向上と機能成熟を図ったものだ。
|
|
|
|
●GPT-5.2を巡る「うわさ」と「現実」 リークはどこまで正しかったのか？
コード・レッド発言からGPT-5.2のリリース直前まで、OpenAIにおける次世代技術の早期リリースに関してリークと予測がまん延していた。それらのリーク情報は“的確”とは言えないものの、結果として“方向性”は当たっていた。以下に筆者なりにコメントを付けつつ、軽くまとめてみた。
うわさで当たっていたのは、「推論重視」「業務統合（エージェント／ファイル）」という大枠である。一方、外れたのは「価格」「AGIへの『即到達』」といった過激とも思える“あおり”である。
AIモデルは、誰もが使いこなせるイージーさがある。そのため、誰もが感想戦に加わることができる。そこでは驚くようなうわさへも広がり、収拾がつかなくなりがちだ。
うわさと現実がどのように絡んでいるかは、実は当事者（OpenAI）にしかわからないことではある。しかし、だからこそ、先に触れた「コード・レッド」の意味が浮かび上がる。
コード・レッドの話が外部に漏れ、より大きなうわさへと“尾ひれ”がついて広がっていく――OpenAIは、こういった「危機をあおるうわさ」に対して、その“物語”ごと飲み込んで反撃に転じたのである。
「なんでこんな反撃ができたのか？」という背景だが、これは同社のサービス利用者の規模がとてつもなく大きいという面がある。簡単に記すと以下の通りだが、もはや「研究」の粋をはみ出している。
・週間アクティブユーザー：8億人（2025年10月時点の公表値）
・開発者：400万人超
・API処理量：毎分60億トークン超
・利用規模：検索クエリの約1割を代替（OpenAI推定）、アシスタント市場で約7割のシェア（広報発表）
・法人契約：100万社超（2025年11月時点の公表値）
この規模感は、単に勝ち負けの話ではない。2025年は「AIエージェントの年」といわれ、実際にAIエージェント花盛りとなった。その一方で、「エージェントがまともに動かない」「仕事の動線が時折破壊されて、まともに役に立たない」といった話も聞こえてくるようになった。
AIエージェント自体がまだ未成熟であることは否めないが、一方で「業務運用の現場で壊れた」とされる箇所が、次の学習と最適化のターゲットになる。その点で、プラットフォームとしての強靭さに繋げられる改善ポイントは数多くある。
後述するベンチマーク結果などを見る限り、GPT-5.2はそうした「現場のバグ修正」が一気に入ったアップデートに見える。
●OpenAIが提唱する新指標「GDPval」とは？
GPT-5.2のリリースに先立って、OpenAIが強く打ち出し始めたのが「GDPval」という新しい性能指標だ。
従来の生成AIモデルでは、「難しい学術テストをどれだけ正確に解けるか」という点が重視されてきたが、GDPvalは「経済的価値のある実務タスクを計測する」ことに重きを置いてる。GDPvalの「GDP」は、お察しの方もいると思うが「国内総生産（Gross Domestic Product）」に由来する。
この指標では「弁護士」「看護師」「ソフトウェアエンジニア」を始めとする44の職種で求められる数百に渡るタスクを実行させて、その成果を「専門家（人間）が実施した結果」と比較して、モデルの優劣を決めることが特徴だ。
OpenAIによると、人間に対して「勝利」または「引き分け」となった割合は、GPT-5.1では38.8％だったのに対して、GPT-5.2では70.9％へと大幅に上昇したという。これは同社がGPT-5.2について「初めて人間のエキスパート水準に達した」と主張する根拠となっている。
ただし、GDPvalは「業務遂行能力」を推し量る指標ではなく、あくまでも一度の指示で行えるタスクの遂行能力を見る指標だ。実際の業務でありがちな「曖昧な指示の解釈」「人間関係の調整」「長期に渡るプロジェクトの展開を把握した上でのタスク管理」といったものは評価に含まれない。
つまり、「誰かの仕事を代替する能力」ではなく、「誰かのタスクを代替して能力と効率を引き上げるための指標」と言い換えられる。AIに置き換えられるタスクの幅が急拡大したと捉えればいい。
なお、GDPvalでの計測結果として「人間の専門家より11倍以上速く、コストは1％未満で済む」とも報告されている。この成果が多くの業務現場で再現させるようになれば、「持っている企業」と「持っていない企業」の力の差は歴然としてくるはずだ。
従来指標でもパフォーマンスを改善
もちろん、GPT-5.2では、従来の評価軸に基づくパフォーマンス指標も改善している。
コーディング力を評価する「SWE-Bench」、ツール実行能力を測る「Terminal-Bench」、学力テストに相当する「ARC-AGI」「Humanity's Last Exam」、数学の解答生成を行う「AIME」などの結果は以下の通りだ。
●「ネイティブファイル」の取り扱いも成熟
ベンチマークテスト以上に、GPT-5.2が実務に大きなインパクトを与えるのは、ExcelやPowerPointの文書をネイティブに扱えるようになったことだ。ベンチマークが数字なのに対し、こちらは実際のファイルが目の前に生成される。
一応、GPT-5.1でもこれらのファイルを生成すること自体は可能だったが、レイアウトの粗さや誤りという大きな課題があった。その点、GPT-5.2ではより洗練されたレイアウトで、実用的なコメントを含むより良い文書を直接生成してくれる。
特に驚きが大きいのは、Excelシートの生成だ。具体的には「VLOOKUP」「XLOOKUP」「ピボットテーブル」「条件付き書式」といったものを含む“完全な”ワークブックを生成してくれる。また、「構成案」からコンテンツ配置、スピーカーノート、視覚的レイアウト提案まで一貫して処理してくれるようになった。
データ分析を行う場合、従来はCSVファイルを与えると自動的にPythonコードが生成され、その結果をブラウザで表示していたが、今回はExcelシートを生成してくれるようになったので、その先の分析へとつなげやすい。
プロンプトによる指示に関しても、「GPT-5.2 Thinking」を使えばCSVファイルを提示した上で「先月の売上から利益率を計算し、異常値をハイライトしてレポート化して」と言うだけで、業務で使えるレベルのシートを出力してくれる時代は目の前、といったレベルだ。
このことは、PowerPointプレゼンテーションの生成でも同様だ。従来は「エージェントモード」において仮想マシン（VM）をAIが操る形でタスクをこなしていたが、GPT-5.2ではVMを別途立ち上げることなく、HTMLなどの中間コードでファイル構造が生成され、それをPowerPoint形式に変換する形で生成するようになった。
GoogleのGeminiでは、Gemini 3で美麗なプレゼンテーションを生成可能になった。しかし、美しいインフォグラフィックを使ったプレゼンは、文字ではなく画像（グラフィックス）として描き込まれるため、後から修正することが困難だった。しかし、GPT-5.2によって、やっと実用に近いスライドの生成が見え始めている。
この機能は「Google Workspace」あるいは「Microsoft 365（Office 365）」を置き換えるものではないが、上流工程（構想→初稿）をAIに手伝ってもらえるようになる点でかなり助かる。
しかし、ここで想定しておくべきは「上流を奪う者は、下流のツール選択すら変える」ことだろう。近い将来、それらのオフィスにおける必須ツールは大きな変化を迎えるかもしれない。
●GPT-5.2とGemini 3は「得意分野」が異なる
OpenAIはGPT-5.2を「最も強力なビジョンモデル」と話している。公称だが、グラフやスクリーンショットの理解精度が約2倍に向上したという。これまでも「写真を撮影してアップロードした上で、質問を行う」といったリクエストは受け付けていたが、その細かさや理解の深さが大幅に進んだということだ。
例えばPCのマザーボード写真をアップロードすると、配置されているチップを特定し、どのような配線になっているかまでを類推できる。比較的低解像度な画像であったとしても主要部品を網羅し、それを“言語”で説明してくれるのだ。
実際に手元でもネット上のマザーボード写真を使って同様の認識を行ってみたが、驚くほど画像を文章に翻訳する能力の高さを感じる。
しかし、一方でGPT-5.2では画像生成に関して全く手が付けられていない。GoogleがNanobanana Proで世間を驚かせたのとは対照的だ。
ただ、OpenAIは新しい画像生成モデルを近いうちに提供することを示唆している。アプリケーション部門CEOのフィジー・シモ氏は「画像生成に関する発表はない」と話し、将来の刷新を示唆したものの、現時点では画像の“理解”に重きを置いている格好だ。
●本当に使えるAIエージェントに向けた一歩
ところで「AIエージェント時代」と言われながらも、その実務がなかなか前へと進まないのは、生成される文書の質も問題ではあったが、それ以上にエージェントが進める“手順”が正しく連結されない場合があることにある。
そんなエージェントのテストを行うベンチマークが「Tau2-bench」だが、このベンチマークが設定している「コミュニケーション能力」を評価するテストでにおいて、GPT-5.2 Thinkingが98.7％という完璧に近い成績を収めたという。
このテストでは、複数のツールを使い分けながら、問い合わせを段階的に解決する能力を測定する。例えば航空会社の地上係員なら経験しうる「フライト遅延→乗り継ぎミス→荷物紛失→ホテル手配→特別座席要求」という混沌（こんとん）としたトラブルについて、GPT-5.2では最後まで整合性を保ってプロセスをやり切ることができるようになった。
このシチュエーション検証は、初期テスターとして参加している企業が、実際の現場導入において実践していたものだ。GPT-5.2のテストに参加していたTriple Whale（※1）のAJ・オーバックCEOは「（従来は）多くのエージェントを数珠つなぎに連結して問題解決を行っていたが、想定外のことで破綻することが多かった。しかしGPT-5.2は20以上のツールを自律的に使いこなすメガエージェントで、異なるツール間の破綻がない」と絶賛している。
（※1）電子商取引における自動データ分析ツールを提供する米国スタートアップ
複数のエージェントを連携させるよりも、整合性の取れた単一のエージェントが単独実行する方がうまくいくのは、「1人のすご腕さん」に任せた方が破綻せずに問題解決できる現実社会の例にも通じる。
リアルな人間はストレスや疲労を抱えるが、AIエージェントにはそうした問題はない。
●実用性と安全性のバランスを取り「拒絶」から「協調」へ
GPT-5.2は、生成AIで発生しがちな「ハルシネーション」に対する安全性でも進化したという。実際に使ってみて感じるのはリクエストの「拒絶」がほとんど出なくなったことだ。
これまでのGPTでは、安全性の懸念があるとリクエストが拒否（遮断）されてしまい、きちんと答えてくれるプロンプトを書くのに苦労することがあった。少しでもリスクが見えると過剰に拒絶する「Over-refusal（過剰拒否）」と呼ばれる傾向だ。
その点、GPT-5.2ではリクエストの「Safe Completion（安全な完遂）」を意識しているという。 危険な解答は削る一方で、解答を拒否するのではなく、安全な“代替回答”に誘導することで、安全性から外れる会話を自然に軌道修正するように仕向けている。安全性への懸念があっても会話を止めず、最終的にユーザーの目的を達成することを目指すということだ。
この方向性は、特にメンタルヘルス領域で有効な手法として取り入れたという。危機的兆候への検知と対応が見直され、共感的で非審判的なトーンを保ちつつ、専門機関への誘導を行う設計へと調整されているのだ。
また、18歳未満のユーザーには自動的により厳格な保護を適用し、今後は年齢を推定することで追加保護を行う仕組みの試験運用も計画されている。
●まとめ
ここまでGPT-5.2の全体像に触れてきたが、フロンティアモデルはそれぞれが特徴的で、万能なわけではないことも感じられるだろう。
生成AIの大手企業は、それぞれ異なる得意分野を持っている。
・OpenAI：推論と業務統合
・Anthropic：コーディングとツール
・Google：汎用（はんよう）知識と生成（特に画像）
また、ベンチマークの勝敗は決して“固定”されない。数週間単位でトップ交代は今後も続くはずだ。
一方で、OpenAIがGPT-5.2が“突き付けた”メッセージはシンプルで強い。AI競争の評価軸は「学力（IQ）」から「経済的価値（GDP）」へと転換する――この転換点こそが、同社の「コード・レッド」の正体といえる。
|
|
|
|
|
|
|
|
Copyright(C) 2026 ITmedia Inc. All rights reserved. 記事・写真の無断転載を禁じます。
掲載情報の著作権は提供元企業に帰属します。
IT・インターネット
ランキング
IT・インターネット
アクセス数ランキング
- 1
「空からイワシ」銚子の光景（写真：おたくま経済新聞）55
話題数ランキング
- 1
「空からイワシ」銚子の光景（写真：おたくま経済新聞）55
