OpenAI o3 and o4-mini

概要

OpenAIの新しい推論モデルo3とo4-miniは、次世代のマルチモーダル性能を実現しています。これらのモデルは、画像を単に解析するだけでなく、内部ツールを使って画像を操作する能力も備えています。これにより、複雑な視覚的問題を解決するために、トリミングやズーム、回転といった処理が可能です。

主な機能

• 思考の深化: モデルは「画像で思考」し、知覚の限界を超えて、手書きのデータ等からも情報を引き出します。
• エージェント的ツールアクセス: 様々なツール（検索、DALL-Eなど）を効果的に組み合わせて利用し、複雑な課題に対処することができる。

モデルの違い

• o3: 複雑な視覚推論に特化した最強のモデル。
• o4-mini: スピードと効率を重視したモデルで、幅広くタスクに対応可能。

現在、これらのモデルはChatGPTとAPIで利用可能で、自然な会話や指示の処理にも優れています。