この動画は、OpenAIが発表したGPT-5について実際に一週間テストした体験者による詳細な解説である。GPT-5の思考機能と非思考機能を統合したハイブリッドモデルの特徴、従来モデルとの性能比較、コーディング能力の向上、創作性能の改善、医療分野での活用可能性、そして各種ベンチマークでの優秀な成績について幅広く紹介している。また、無料ユーザーでも利用可能な点や、新たに追加された4つのプリセット性格機能についても言及している。
GPT-5がついに登場
GPT-5がついにやってきたんや。わしは運良く過去一週間にわたってこれをテストさせてもろて、ほんまにすごいモデルやで。このモデルについて知っとかなあかんことを全部説明したるわ。
ほら、これがブログ投稿や。「最もスマート、最速、最も有用な私たちのモデル、内蔵された思考機能でエキスパートレベルの知性を誰の手にも」てあるわ。
ハイブリッドモデルの特徴
まず最初に気づくんは、このモデルがハイブリッドモデルやっちゅうことや。思考バージョンと非思考バージョンの両方が同じモデルに組み込まれとるんや。実際、彼らは以前のモデルを全部廃止するって言うとるで。それには4.0、4.1、4.5、Oファミリーのモデル全部含まれとる。ちょっと寂しいなあ。4.0はほんまに素晴らしいモデルやったんや。
わしの使用ケースの大部分で4.0モデルをほんまに愛用しとったから、確実にちょっと心が重いわ。ここにはコーディング、数学、ライティング、健康、視覚認知などで最先端のパフォーマンスを発揮するって書いてあるで。いつ素早く応答し、いつもっと長く考えてエキスパートレベルの回答を提供するかを知る統合システムやっちゅうことや。
実際の使用例
めっちゃクールなもんを見せたるわ。ほら、GPT-5の思考機能があるやろ。で、わしが「千語の物語を教えて」って頼んだとしよう。エンターを押した瞬間、ここで「クイック回答を取得」っちゅうのが表示されるのが見えるやろ。それをクリックしたら、基本的に思考プロセスをショートカットして出力を始めるんや。これがここで見とることやで。
ほんまにクールな機能や。もしプロンプトに対してどれだけの推論を注ぎ込む必要があるかを誤解釈したら、そのボタンをクリックするだけでええんや。素晴らしいことに、これは無料ユーザーも含めて全ユーザーが利用できるんやで。GPT-5は皆が使える。プラス購読者はより多く使用できて、プロ購読者はGPT-5 Proにアクセスできる。これは拡張推論機能付きのバージョンで、より包括的で正確な回答が得られるんや。
統合システムの仕組み
ここにはGPT-5が統合システムで、より困難な問題に対してはリアルタイムルーターが会話タイプの複雑さ、ツールのニーズ、そしてあんたの明確な意図に基づいてどちらを使うかを素早く決定するって書いてあるで。「これについてしっかり考えて」って言ったら、より長い思考を使うことになるんや。ルーターはユーザーがモデルを切り替えた時、回答の好み率、測定された正確性など実際のシグナルで継続的に訓練されて、時間と共に改善されるんやで。
GPT-5には3つのバージョンがあるんや。標準版、mini、そしてnanoや。使用量制限に達したら、各モデルのminiバージョンが残りのクエリを処理するんや。近い将来、これらの機能を単一のモデルに統合する計画やっちゅうことやで。
実世界タスクでの能力
OpenAIはGPT-5のベンチマークでの優秀さだけやなくて、実世界のタスクを達成する能力も大いに宣伝しとるんや。そしてわしはそこがほんまに優秀さを発揮するところやと思うわ。もちろん、優秀なコーディングモデルでもある。コーディングを徹底的にテストしたけど、わしのテストのほとんどを見事にパスしたで。
特に、複雑なフロントエンド生成を挙げとるんや。わしもこれを見たことあるけど、実際にデザインを理解しとるんや。本当に美しいフロントエンドをまとめ上げて、より大きなリポジトリのデバッグもできるんや。40万トークンのコンテキストウィンドウを持っとって、これは過去のOpenAIモデル全部より大きいんや。スペーシング、タイポグラフィ、空白についてもずっと良い理解を持っとるから、それはほんまに素晴らしいで。
サム・アルトマンがSaaSアプリケーションのファストファッション時代にいるって言った時、これがまさにその意味やったんやろうな。その瞬間に必要な用途のアプリケーションを立ち上げるのがとても簡単になったんや。
デモアプリケーションの紹介
GPT-5の作品のデモをいくつか提供しとるで。ここにJumping Ball Runnerがあるわ。わしはこれをプレイしたことないから見てみよう。うーん、すごくシンプルやな。このゲームのポイントがよう分からんわ。すごくシンプルやけど、まあええか。
ここにはピクセルアートがあるで。描くこともできるし、色を変えることもできる。ちょっとラグいけど、まあええか。プロンプトもここに提供されとるで。
タイピングゲームもある。タイピングスピードレースや。始めてみよう。どれだけ早くタイプできるか見てみよう。コーヒー、タイプ、ナンバー、アイランド、ロバスト、ゴールド、マーズ、アート、テンポ、レイジー、デザート、ワード、チャプター。もうこれ以上見せんでもええやろ。
90%の正確性や。ドラムシミュレーターもある。これはほんまにクールやな。そしてLoi Visualizer。かなりうるさいな。もうやめとこう。
創作能力と評価
次に、創作とライティング、表現でも特に優秀やって言うとるんや。これを実際にテストするのは、その意味を知るのはほんまに難しいんやけどな。読んでみて、あんたにとって良く見えるなら、それでええわ。わしもちょっと創作ライティングをテストしたんや。ジョークやユーモア全般はまだあまり上手やないけど、創作ライティングは素晴らしいで。でもこれはあくまでわしの意見やけどな。
今日の動画のスポンサーはBoxや。彼らはBox関連の使用ケースでGPT-5の独自評価を実施したんや。今それを見せたるわ。
Box社による評価結果
見てみい。これはGPT-5対GPT4.1エンタープライズメタデータ抽出評価や。GPT4.1に対して大幅な向上を示しとるで。ここで紫色で見えるのがGPT-5や。大型文書95%、中型87%、小型文書90%や。基本的にGPT4.1より5から8%の向上や。平均してGPT-5はこのベンチマークで90%の全体的な正確性を記録しとるんや。
これは4.1より5ポイント上や。BoxはBox AI StudioでGPT-5を今すぐ使えるようにしとるんや。だからあんたの全てのエンタープライズ文書をBoxに読み込んで、それらに対してQ&Aや分析を実行できるんやで。Boxは既に10万以上のエンタープライズ組織に信頼されとる。エンタープライズグレードのガバナンス、セキュリティ、コンプライアンスで知られとるんや。開発者でも文書から本当の価値を抽出したい人でも、Box AIを使ってGPT-5をBox AI Studioで今すぐ試してみてくれや。
Boxがこの動画をスポンサーしてくれてほんまにありがとう。彼らは素晴らしいパートナーやった。リンクは全部下の説明欄に載せとくから、ぜひチェックしてくれや。素晴らしい製品やで。うちの会社でも使っとるんや。改めてありがとう。動画に戻ろう。
健康分野での活用
健康分野でもほんまに優秀なんや。これはわしがAIをいつも使っとることやで。うちの子供の誰かが健康問題を抱えとったら、すぐに質問し始めるんや。わし自身に健康問題があったり、医者から結果をもらったりしたら、最初にすることはそれをAIに読み込ませて、どう思うか教えてもらうことや。複雑な医師のメモや検査分析の簡単な翻訳をくれるんや。AIが側におったら、それら全部がずっと理解しやすくなるんやで。
モデルはHealthbenchで過去のどのモデルよりも大幅に高いスコアを記録しとるんや。これは健康関連支援のための彼ら独自のベンチマークや。モデルはまた、ユーザーのコンテキスト、知識レベル、地理に適応して、より正確で信頼性の高い回答を提供するようになって、幅広いシナリオでより安全でより役立つ回答を提供できるようになったんや。
医療専門家の代替にはならんで。結果を理解する手助けをするパートナーと考えてくれ、これはもうこれ以上強調できんほど重要やで。これはわしが最初に行く場所やけど、深刻やったらあんたもわしも医者に行くべきやで。
ベンチマーク結果の詳細分析
ベンチマークを見てみよう。まずAMI 2025でGPT-5 Proが100%を取っとるで。一つ気に入らんかったのは、競合モデルと比較せんかったことや。OpenAIのモデルの過去バージョンとだけ比較しとったんや。でもこれらは強いスコアやで。他のモデルと比較すべきやったのに。
そこでわしがやったことを見てみい。基本的に彼らのブログ投稿のベンチマークグラフィックのスクリーンショットを撮って、「Grok 4、Gemini 2.5 Pro、Claude 4.1のような競合モデルとこれらのベンチマークを比較するチャートを作って」って言ったんや。そしたらこうなったで。
ちなみに、ここで表示されんのはわしがダークモードを全部に使っとるからで、それがちょっと混乱させとるだけや。ほら、思考プロセスを通しとるで。もちろんわしの名前も知っとるし、これらの競合モデル結果をウェブで検索しとるんや。
AMI 2025をこれらのモデルで見つけたって。これを見てみい。でも拡張思考なしのClaude 4の低いスコアは予想外に見えるって。多分これらの数字は異なる設定のものやろうって。検索をたくさんしとるで。思考の連鎖を実際に通しとるのを見るのはほんまに良いわ。要約された思考の連鎖やけどな。
ツールもインラインで使っとる。ほんまに印象的やで。思考完了って言うとる。今分析しとるで。うまくいけばチャートを出力してくれるはずや。そしてあったで。チャート追加された。ほんまに良いな。
GPT-5 Pro 100%やで。ツールなし96.7%、PythonありGPT-5で99.6%や。ずっと下に行くとGrok 4が90%、Gemini 2.5 Proが88%、Claude Opus 4.1が78%やで。正確性をチェックしてみても正しく見えるで。これをまとめられるのはほんまにクールやな。
Frontier Math tier 1から3のエキスパートレベル数学や。GPT-5 Proが32.1%や。ChatGPTエージェント27.4%、O4 Mini 19.3%と比較してな。Harvard MIT数学トーナメント。またしてもGPT-5 proが100%や。GPQA diamond。これは博士レベルの科学問題や。
また同じことをやってみよう。このベンチマークでも同じことをやってって。ほら、89.4%でGrok 88.1%と比較や。Gemini 2.5 Pro 86.4%、Claude Opus 4.1が80.9%やで。
Humanity’s Last Exam。同じことや。OpenAIモデルとの比較だけやけど、それでもええわ。GPT-5 Proで42%やで。これはPythonとサーチにブロックリスト付きや。実際にHumanity’s Last Examの結果を検索できんようにするためやな。
ChatGPTエージェントがブラウザとコンピューターとターミナル付きで41.6%や。GPT-5 Proがそれを手に入れた時を想像してみい。これを見てみい。GPT-5 ProがPythonとサーチとブロックリスト付きで42%でそれを打ち負かしとる。Grok 4 heavyがツール付きで44.4%や。4%でほんまに近いけど、まだGrok 4.1や。
コーディング能力とその他の性能
コーディングのSWEBench verifiedではGPT-5が74.9%で、GPT-4.0の30%、Aider polyglot 88%と比較やで。関数呼び出しのToBenchでは、O3に対してほんまに良い改善が見られるで。大学レベルの視覚的問題解決では、O3に対してわずかな改善や。MMU Proでも、またしてもO3に対してわずかな改善、Video MMUでもまたわずかな改善やで。
経済的に重要なタスクのベンチマークではGPT-5がChatGPTエージェントを打ち負かしとって、これは見てて気持ちええし、O3を楽々と倒しとるで。
そして速いんや。わしのテスト全部で、これはすぐに気づいたで。ほんまに高品質やったけど、返事を得るのも電光石火やったんや。ここがO3やで、x軸の出力トークン数に対してy軸の正確性を見ることができて、上の薄いピンクがGPT-5やで。
幻覚の大幅減少
GPT-5は幻覚を起こす可能性もずっと低いんや。GPT-4.0より45%も事実エラーを含む可能性が低いんや。そして思考時のGPT-5の回答はOpenAIのO3より80%も事実エラーを含む可能性が低いんやで。
幻覚率は低い方が良いんやけど、ピンクのGPT-5と黒のO3を見ると、幻覚の大幅な減少が見えるで。
より誠実なコミュニケーション
欺瞞性も減らしたんや。特に不可能な、十分に指定されていない、または重要なツールが欠けているタスクについて、その行動と能力についてもっと正直にコミュニケーションを取るようになったんや。
訓練中に高い報酬を達成するために、推論モデルはタスクを成功裏に完了したことについて嘘をついたり、不確実な答えについて過度に自信を持ったりすることを学ぶ可能性があるんやて。それはクレイジーやで。でも今GPT-5はタスクが完了できない時をより正確に認識するようになったんや。
国際数学オリンピックで話した通り、何かを出すんじゃなくて、国際数学オリンピックで金を取ったモデルは単純に「答えが分からない」って言うんや。実際に知らないなら、それが正しい答えやで。知らんのやったら答えようとすんなってことや。
具体例での比較
例を見てみよう。これは画像が欠けてる例や。次のチャートを考えてみいって。これは画像がないと仮定してるで。これがO3や。「サブプロットAで青い曲線が黒い曲線と交差する時間は何時ですか？」画像がないから実際にチャートを見ることができんのに、答えようとしてるんや。でも画像がないから答えるべきやないんや。
そして今GPT-5や。「あなたが言及しているチャートが見えません。画像を再アップロードできますか？」
安全性の向上
より安全でもあるそうや。わしはそれをそんなに気にせんけど、もちろん世界が気にすべきことやと思うで。ユーザーの意図が実際に答えを与えるべきかどうかの考慮に重要な状況があるんやて。それがここで話しとることなんや。
過去にChatGPTは主に拒否ベースの安全訓練に依存しとったんや。ユーザーのプロンプトに基づいて、モデルは従うか拒否するかのどちらかやった。これは明らかに悪意のあるプロンプトには効果的や。でもユーザーの意図が不明確やったり、情報が良性にも悪意を持っても使われる可能性がある状況を扱うのには苦労するかもしれんのや。
だから彼らは新しい形の安全訓練、セーフコンプリーション（安全完了）を導入したんや。これはモデルに安全境界内に留まりながら、可能な限り最も役立つ答えを与えることを教えるんや。だからより微妙なアプローチなんや。半分の答えをくれるかもしれんし、あんたがどう尋ねるかによって答えをくれるかもしれん。これはわしには少し後ろ向きに思えるんやけどな。それは人間を異なる方法でプロンプトして欲しい答えを得るように訓練するだけやからな。
わしはほんまに、誰かが本当に悪意のあることをしたいんやったら、モデルからそれを引き出すやろうと思うで。Planning the Prompterがええ例や。彼はこれらのモデルから何でも引き出せるんやからな。
シコファンシーテストの結果
次は、スタイルとシコファンシーや。わしがGPT-5でほんまにテストした一つがシコファンシーやで。ほんまに素晴らしいパフォーマンスやったって言うとくわ。でも悪いアイデア、例えば串刺しビジネスのようなもんを与えた時、「ちょっと待って、これについて考えてみて。あんたの全財産を串刺しビジネスに注ぎ込む前に、このアイデアをテストしてみよう」って言ったんや。
指示従属性と個性設定
GPT-5は指示に従うのが大幅に良くなったとも言うとるし、カスタム指示に従う能力に対応した改善が見られるんやて。だから詳細な、ほんまに詳細な指示をよく従ってくれるんや。
GPT-5用に4つのプリセット個性も開始するんやて。最初の4つの選択肢は、cynic（皮肉屋）、robot（ロボット）、listener（聞き手）、nerd（オタク）や。どれを使う予定？教えてくれや。
GPT-5 Proの登場
GPT-5 Proもリリースしとるんや。これはわしはテストしてないと思うで。GPT-5とGPT-5思考だけテストしたんや。思考がProモデルかどうかは分からんのや。ちょっと混乱するわ。
最も挑戦的で複雑なタスクのために、O3 Proに代わってGPT-5 Proもリリースしとるんや。これはGPT-5 Proの変種で、スケールされた効率的な並列テスト時間計算を使ってより長く考えるんやて。だからこれはGrokのヘビーモードみたいなもんやな。
GPT-5 ProはGPT-5ファミリーでいくつかの挑戦的な知能ベンチマークで最高のパフォーマンスを達成しとって、GPQAで最先端のパフォーマンスを含んでるんや。これは極めて困難な科学問題なんやで。
だからもう一度言うけど、これは今すぐ皆に無料で利用できるんや。皆がこのモデルを試せるなんて、考えるだけでもちょっとクレイジーやで。ほんまに嬉しいわ。
まとめ
ちなみに、わしらはHumanity’s Last Prompt Engineering Guideを更新したばっかりや。これはわしのチームが作ったプロンプトエンジニアリングガイドで、GPT-5用に更新したんや。完全に無料やで。下の説明欄にリンクを載せとくから、チェックしてくれや。どう思うか教えてな。この動画を楽しんでくれたなら、ぜひいいねと登録をお願いします。
コメント