OpenAIの製品とアプリケーション

2016年に発表されたGymは、強化学習アルゴリズムの開発を容易にするために設計されたオープンソースのPythonライブラリでした。AI研究における環境の定義方法を標準化し、公開された研究の再現性を高めること^{[ 3 ] [ 4 ]}、そしてユーザーがこれらの環境と対話するためのシンプルなインターフェースを提供することを目指していました。2022年には、Gymの新しい開発はGymnasiumライブラリに移行されました。^{[ 5 ] [ 6 ]}

2017年にリリースされたRoboSumoは、最初は歩くことさえ知らない人型メタ学習ロボットエージェントが、移動方法を学び、対戦相手のエージェントをリングから押し出すという目標を与えられる仮想世界です。 ^{[ 8 ]}この敵対的学習プロセスを通じて、エージェントは変化する状況に適応する方法を学びます。その後、エージェントがこの仮想環境から取り除かれ、強風のある新しい仮想環境に置かれると、エージェントは直立を保つために身構え、一般的な方法でバランスを取る方法を学んだことを示唆しています。^{[ 8 ] [ 9 ]} OpenAIのIgor Mordatchは、エージェント間の競争は、競争のコンテキスト外でも機能するエージェントの能力を高める知能の「軍拡競争」を生み出す可能性があると主張しました。^{[ 8 ]}

OpenAI Five は、競技性の高い 5 対 5 のビデオゲームDota 2で使用されるOpenAI がキュレーションした 5 体のボットのチームで、試行錯誤アルゴリズムのみで人間のプレイヤーと高いスキルレベルで対戦することを学習します。5 体のチームになる前に、最初の公開デモンストレーションは、このゲームの毎年恒例のプレミアチャンピオンシップトーナメントであるThe International 2017で行われ、ウクライナのプロプレイヤーDendiがライブの 1 対 1 の対戦でボットに負けました。^{[ 10 ] [ 11 ]}試合後、CTO の Greg Brockman は、ボットが 2 週間のリアルタイムで自分自身と対戦することで学習し、学習ソフトウェアは外科医のように複雑なタスクを処理できるソフトウェアを作成する方向への一歩であると説明しました。^{[ 12 ] [ 13 ]}このシステムは強化学習の一種を使用しており、ボットは数か月間、1 日に 数百回自分自身と対戦することで時間をかけて学習し、敵を倒したりマップの目標を達成したりするなどの行動に対して報酬を受け取ります。^{[ 14 ] [ 15 ] [ 16 ]}

2018 年 6 月までに、ボットの能力は 5 体のフル チームとして一緒にプレイできるまでに拡大し、アマチュアやセミプロのプレイヤーのチームを倒すことができました。^{[ 17 ] [ 14 ] [ 18 ] [ 19 ]} The International 2018では、OpenAI Five はプロのプレイヤーと 2 つのエキシビション マッチを行いましたが、両方のゲームで敗北しました。^{[ 20 ] [ 21 ] [ 22 ]} 2019 年 4 月、OpenAI Five はサンフランシスコで行われたライブ エキシビション マッチで、当時そのゲームの世界チャンピオンだったOG を2:0 で破りました。 ^{[ 23 ] [ 24 ]}ボットの最後の公開登場はその月の後半で、4 日間のオープン オンライン コンテストで合計 42,729 ゲームをプレイし、そのうち 99.4% のゲームに勝利しました。^{[ 25 ]}

Dota 2のボットプレイヤーにおけるOpenAI Fiveのメカニズムは、マルチプレイヤーオンラインバトルアリーナ（MOBA）ゲームにおけるAIシステムの課題と、OpenAI FiveがDota 2の試合で超人的な能力を達成するために深層強化学習（DRL）エージェントの使用をどのように実証したかを示している。^{[ 26 ]}

2018年に開発されたDactylは、機械学習を用いて、人間のようなロボットハンドであるShadow Handを訓練し、物理的な物体を操作します。 ^{[ 27 ]} OpenAI Fiveと同じ強化学習アルゴリズムとトレーニングコードを使用して、完全にシミュレーション内で学習します。OpenAIは、現実に適合させようとするのではなく、学習者にさまざまな経験に触れさせるシミュレーションアプローチであるドメインランダム化を使用して、物体の向きの問題に取り組みました。Dactylのセットアップには、モーション追跡カメラに加えて、ロボットが任意の物体を見て操作できるようにするためのRGBカメラも備えています。2018年にOpenAIは、このシステムが立方体と八角柱を操作できることを示しました。^{[ 28 ]}

2019年、OpenAIはDactylがルービックキューブを解けることを実証した。このロボットは60%の確率でパズルを解くことができた。ルービックキューブのような物体は、モデル化が難しい複雑な物理現象を伴う。OpenAIは、徐々に難易度が上がる環境を生成するシミュレーション手法である自動ドメインランダム化（ADR）を使用することで、Dactylの摂動に対する堅牢性を向上させた。ADRは、ランダム化範囲を人間が指定する必要がない点で、手動ドメインランダム化とは異なる。^{[ 29 ]}

トランスフォーマーベースの言語モデルの生成事前学習に関するオリジナルの論文は、アレック・ラドフォードとその同僚によって書かれ、2018年6月11日にOpenAIのウェブサイトでプレプリントとして公開されました。 ^{[ 46 ]}この論文は、連続したテキストの長い部分を含む多様なコーパスで事前学習することにより、言語の生成モデルが世界知識を獲得し、長距離依存関係を処理できることを示しました。

Generative Pre-trained Transformer 2 ("GPT-2") は、教師なしのトランスフォーマー言語モデルであり、OpenAI のオリジナルの GPT モデル ("GPT-1") の後継です。GPT-2 は 2019 年 2 月に発表され、当初は限定されたデモ版のみが一般に公開されました。偽ニュースの作成など、悪用の可能性に対する懸念から、GPT-2 の完全版はすぐには公開されませんでした。^{[ 47 ]}一部の専門家は、GPT-2 が重大な脅威となることに懐疑的な見解を示しました。

GPT-2 に対抗して、アレン人工知能研究所は「ニューラル偽ニュース」を検出するツールで対応しました。^{[ 48 ]}ジェレミー・ハワードなどの他の研究者は、「Twitter、電子メール、ウェブを、もっともらしく聞こえ、文脈にふさわしい文章で完全に埋め尽くし、他のすべての音声をかき消し、フィルタリング不可能になる技術」について警告しました。^{[ 49 ]} 2019 年 11 月、OpenAI は GPT-2 言語モデルの完全版をリリースしました。^{[ 50 ]}いくつかの Web サイトでは、GPT-2 やその他のトランスフォーマー モデルのさまざまなインスタンスのインタラクティブなデモンストレーションをホストしています。^{[ 51 ] [ 52 ] [ 53 ]}

GPT-2の開発者たちは、教師なし言語モデルは汎用的な学習器であると主張しており、GPT-2が8つのゼロショットタスクのうち7つで最先端の精度とパープレキシティを達成したことがその証拠であるとしている（つまり、このモデルはタスク固有の入出力例でさらに訓練されていない）。

学習に使用されたコーパスはWebTextと呼ばれ、Redditの投稿で共有されたURLから抽出された約40ギガバイトのテキストが含まれており、少なくとも3つのアップボートを獲得しています。バイトペアエンコーディングを使用することで、単語トークンによる語彙のエンコードに関する特定の問題を回避しています。これにより、個々の文字と複数文字のトークンの両方をエンコードすることで、任意の文字列を表現できます。^{[ 54 ]}

2020年5月に初めて発表されたGenerative Pre-trained ^{[ a ]} Transformer 3 (GPT-3)は、教師なしTransformer言語モデルであり、 GPT-2の後継です。^{[ 55 ] [ 56 ] [ 57 ]} OpenAIは、GPT-3のフルバージョンには1,750億個のパラメータが含まれていると述べています。^{[ 57 ]}これは、GPT-2のフルバージョンの15億個^{[ 54 ]}よりも2桁大きい数です（ただし、1億2,500万個程度のパラメータしかないGPT-3モデルもトレーニングされています）。^{[ 58 ]}

OpenAIは、GPT-3が特定の「メタ学習」タスクで成功し、単一の入出力ペアの目的を一般化できると述べた。GPT-3のリリースペーパーでは、英語とルーマニア語間、および英語とドイツ語間の翻訳と異言語間転移学習の例が示された。^{[ 57 ]}

GPT-3 は、GPT-2 に比べてベンチマーク結果を劇的に向上させました。OpenAI は、このような言語モデルのスケールアップは、予測言語モデルの基本的な能力の限界に近づいているか、あるいは限界に達している可能性があると警告しました。^{[ 59 ]} GPT-3 の事前トレーニングには、数千ペタフロップ/秒日^{[ b ]}の計算が必要でしたが、完全な GPT-2 モデルでは数十ペタフロップ/秒日でした。^{[ 57 ]}前身と同様に、^{[ 47 ]} GPT-3 トレーニング済みモデルは、悪用の可能性への懸念からすぐには一般に公開されませんでしたが、OpenAI は、2020 年 6 月に開始された 2 か月の無料プライベート ベータの後、有料のクラウドAPIを通じてアクセスを許可する予定でした。 ^{[ 30 ] [ 61 ]}

2020年9月23日、GPT-3はマイクロソフトに独占的にライセンス供与された。^{[ 62 ] [ 63 ]}

2021 年半ばに発表された Codex は、GPT-3 の子孫であり、さらに 5400 万の GitHub リポジトリのコードでトレーニングされています^{[ 64 ] [ 65 ]} 。また、コード自動補完ツールGitHub Copilot を支える AI でもあります^{[ 65 ]}。2021年 8 月には、プライベート ベータ版の API がリリースされました^{[ 66 ]} 。OpenAIによると、このモデルは 10 を超えるプログラミング言語で動作するコードを作成できますが、最も効果的なのは Python です^{[ 64 ] 。}

不具合、設計上の欠陥、セキュリティ上の脆弱性など、いくつかの問題が指摘された。^{[ 67 ] [ 68 ]}

OpenAIは、2023年3月23日にCodex APIのサポートを終了すると発表した。^{[ 69 ]}

2023年3月14日、OpenAIはテキストまたは画像入力を受け付けることができるGenerative Pre-trained Transformer 4（GPT-4）のリリースを発表しました。^{[ 70 ]}更新された技術は、模擬法科大学院の司法試験に合格し、受験者の上位10%程度のスコアを獲得したと発表しました。（対照的に、GPT-3.5は下位10%程度のスコアでした。）GPT-4は最大25,000語のテキストを読み取り、分析または生成し、すべての主要なプログラミング言語でコードを書くこともできると発表しました。^{[ 71 ]}

観察者らは、GPT-4 を使用した ChatGPT のイテレーションは、以前の GPT-3.5 ベースのイテレーションよりも改善されていると報告したが、GPT-4 は以前の改訂版にあったいくつかの問題を引き継いでいるという注意書きがあった。^{[ 72 ]} GPT-4 は ChatGPT への入力として画像を受け取ることもできる。^{[ 73 ]} OpenAI は、モデルの正確なサイズなど、GPT-4 に関するさまざまな技術的な詳細や統計を明らかにすることを拒否している。^{[ 74 ]}

2024年5月13日、OpenAIはテキスト、画像、音声を処理および生成できるGPT-4oを発表し、リリースしました。 ^{[ 75 ]} GPT-4oは音声、多言語、および視覚ベンチマークで最先端の結果を達成し、音声認識と翻訳で新記録を樹立しました。^{[ 76 ] [ 77 ]} Massive Multitask Language Understanding ( MMLU )ベンチマークでは、GPT-4の86.5%に対し、88.7%のスコアを獲得しました。^{[ 78 ]}

2024年7月18日、OpenAIはGPT-4o miniをリリースしました。これは、ChatGPTインターフェース上のGPT-3.5 Turboに代わる、GPT-4oの小型版です。APIの料金は、入力トークン100万個あたり0.15ドル、出力トークン100万個あたり0.60ドルで、GPT-4oの5ドルと15ドルと比較すると安価です。OpenAIは、AIエージェントを使用してサービスを自動化しようとしている企業、スタートアップ、開発者にとって特に有用であると期待しています。^{[ 79 ]}

2025年3月、OpenAIはDALL-E 3の代替としてGPT-4oのネイティブ画像生成機能をリリースした。^{[ 80 ]}

2025年2月27日、OpenAIはコードネームOrionのGPT-4.5をリリースした。サム・アルトマンは、GPT-4.5は以前のモデルよりも不正確な情報を提示する頻度が低いと主張し、「巨大で高価なモデル」と表現した。^{[ 81 ]}

2025年4月14日、OpenAIはGPT-4.1モデルをリリースした。また、GPT-4.1 miniとGPT-4.1 nanoという「より小さく、より速く、より安価な」2つのモデルもリリースした。^{[ 82 ] [ 83 ] [ 84 ]}

GPT-5は、OpenAIが2025年8月7日にリリースした主力モデルです。GPT -40、GPT-4.5、 GPT- o3などの以前のモデルに取って代わりました。

GPT-5は、必要に応じて迅速な応答とより深い「思考」を選択する動的ルーターを使用します。数学、コーディング、健康、マルチモーダルタスクなどのドメインで博士号レベルのパフォーマンスを発揮できます。また、SWE-bench Verifiedで74.9%、Aider polyglotで88%を達成しました。^{[ 85 ]}

記者たちは、GPT-5の発表を汎用人工知能（AGI）への大きな節目と表現し、その知能、アクセシビリティ、手頃な価格を称賛した。^{[ 86 ] [ 87 ]}しかし、初期のフィードバックの中には、「革命的というよりは進化的」と評するものもあり、創作文における結果はまちまちで、 Grok 4 Heavyのようなモデルとの競合を指摘していた。^{[ 88 ]}

2024 年 9 月 12 日に OpenAI は、応答を考えるのに時間がかかるように設計され、精度が高くなった o1-preview および o1-mini モデルをリリースしました。これらのモデルは、科学、コーディング、推論タスクで特に効果的で、ChatGPT Plus および Team メンバーが利用できるようになりました。^{[ 89 ] [ 90 ]} 2024 年 12 月に、o1-preview は o1 に置き換えられました。^{[ 91 ]} 2025 年 3 月に、o1-Pro モデルが OpenAI の開発者 API を通じて利用可能になりました。これは、2024 年 12 月から ChatGPT Pro ユーザーが利用できたものです。価格は、入力トークン 100 万個あたり 150 ドル、出力トークン 100 万個あたり 600 ドルです。^{[ 92 ]}

2024 年 12 月 20 日、OpenAI は o1 推論モデルの後継である o3 を発表しました。OpenAI はまた、OpenAI o3 の軽量で高速なバージョンである o3-mini も発表しました。2024 年 12 月 21 日現在、このモデルは一般公開されていません。OpenAI によると、o3 と o3-mini はテスト中です。^{[ 93 ] [ 94 ]} 2025 年 1 月 10 日まで、安全およびセキュリティ研究者はこれらのモデルへの早期アクセスを申請する機会がありました。^{[ 95 ]}このモデルは、通信サービスプロバイダーO2との混同を避けるために、o2 ではなく o3 と呼ばれています。^{[ 93 ]} 2025 年 4 月、OpenAI は o3 をすべての有料ユーザーにリリースしました。o3 は o1 よりも推論と問題解決能力が強化されています。^{[ 96 ]}

Deep Research はOpenAI が開発したAI エージェントで、2025 年 2 月 2 日に発表されました。OpenAI の o3 モデルの機能を活用して、広範囲の Web ブラウジング、データ分析、および合成を実行し、5 ～ 30 分以内に包括的なレポートを提供します。^{[ 97 ]}ブラウジングとPythonツールを有効にすると、 HLE (Humanity's Last Exam)ベンチマークで 26.6 パーセントの精度を達成しました。^{[ 98 ]} 2025 年 4 月、OpenAI は、Deep Research の軽量版をすべての ChatGPT 無料ユーザーに展開し始めました。^{[ 99 ] [ 100 ]}

GPT-OSS (gpt-oss と表記) は、 OpenAI が 2025 年 8 月 5 日にリリースしたオープンウェイト推論モデルのセットです。^{[ 101 ] [ 102 ] [ 103 ]}これには 2 つのバリアントがあります。1170 億パラメータの大型モデルであるgpt-oss-120bと、210 億パラメータの小型モデルであるgpt-oss-20bです。^{[ 102 ] [ 104 ]}どちらのモデルもApache 2.0 ライセンスでリリースされており、商用および非商用での使用が可能です。OpenAI によると、パフォーマンスに関しては、それぞれo4-miniとo3-miniに匹敵します。^{[ 104 ] [ 102 ]} gpt-oss-20b は、16ギガバイトを超えるランダムアクセス メモリを搭載したデバイスで実行できるほど小さいです。^{[ 102 ]}

2021年に発表されたCLIP（Contrastive Language–Image Pre-training）は、テキストと画像間の意味的類似性を分析するように訓練されたモデルです。特に画像分類に使用できます。^{[ 105 ]}

2021年に発表されたDALL-Eは、テキストによる説明から画像を生成するTransformerモデルです。^{[ 106 ]} DALL-Eは、120億パラメータ版のGPT-3を使用して、自然言語入力（「五角形のような緑色の革の財布」や「悲しそうなカピバラの等角投影図」など）を解釈し、対応する画像を生成します。現実的な物体（「青いイチゴの画像が描かれたステンドグラスの窓」）だけでなく、現実には存在しない物体（「ヤマアラシの質感を持つ立方体」）の画像も生成できます。2021年3月現在、APIやコードは公開されていません。

Soraは、短い説明文に基づいて動画を生成したり、既存の動画を拡張したりできるテキストから動画への変換モデルでした^{[ 111 ] [ 112 ] 。}

Soraの開発チームは、その「無限の創造的可能性」を象徴するために、日本語の「空」にちなんでSoraと名付けた。^{[ 111 ]} Soraの技術は、 DALL·E 3のテキストから画像への変換モデルの技術を応用したものであった。^{[ 112 ]} OpenAIは、公開されている動画と、その目的のためにライセンスされた著作権で保護された動画を使用してシステムをトレーニングしたが、動画の数や正確なソースは明らかにしなかった。^{[ 111 ]}

OpenAIは2024年2月15日にSoraで作成した高解像度ビデオを一般公開し、最大1分間のビデオを生成できると述べた。また、モデルのトレーニングに使用した方法とモデルの能力を強調した技術レポートも公開した。^{[ 112 ]} OpenAIは、複雑な物理現象のシミュレーションに苦労するなど、いくつかの欠点を認めた。^{[ 113 ]} MIT Technology ReviewのWill Douglas Heavenは、デモビデオを「印象的」と評したが、それらは選りすぐられたものであり、Soraの典型的な出力を代表するものではない可能性があると指摘した。^{[ 112 ]}

Soraの公開デモ後、一部の学術界のリーダーからは懐疑的な意見が出たものの、エンターテインメント業界の著名人はこの技術の可能性に大きな関心を示している。俳優兼映画監督のタイラー・ペリーはインタビューで、テキストの説明からリアルなビデオを生成できるこの技術の能力に驚きを表明し、ストーリーテリングとコンテンツ制作に革命を起こす可能性を指摘した。彼はSoraの可能性に非常に興奮したため、アトランタにある自身の映画スタジオの拡張計画を一時停止することにしたと語った。^{[ 114 ]}

Sora 2は2025年9月30日にiOSアプリと共に発表された。^{[ 115 ]}

2026年3月24日、OpenAIはSoraアプリとSoraモデルのAPIへの開発者アクセスを終了すると発表した。 ^{[ 116 ] [ 117 ]} Soraアプリは2026年4月26日にシャットダウンされ、APIは2026年9月24日にシャットダウンされる予定である。^{[ 118 ]}

2022年にリリースされたWhisperは、汎用音声認識モデルです。^{[ 119 ]}多様な音声の大規模データセットでトレーニングされており、多言語音声認識、音声翻訳、言語識別を実行できるマルチタスクモデルでもあります。^{[ 120 ]}

2019年にリリースされたMuseNetは、 MIDI音楽ファイル内の次の音符を予測するように訓練された深層ニューラルネットワークです。15種類のスタイルで10種類の楽器を使った曲を生成できます。The Vergeによると、MuseNetで生成された曲は最初はまともですが、再生時間が長くなるにつれて混沌に陥る傾向があります。^{[ 121 ] [ 122 ]}ポップカルチャーでは、このツールの最初の応用例は、2020年にインターネットの心理スリラー「Ben Drowned」で主人公の音楽を作成するために使用されました。^{[ 123 ] [ 124 ]}

2020年にリリースされたJukeboxは、ボーカル付きの音楽を生成するオープンソースのアルゴリズムです。120万のサンプルでトレーニングした後、このシステムはジャンル、アーティスト、歌詞の断片を受け取り、曲のサンプルを出力します。OpenAIは、曲は「局所的な音楽的一貫性を示し、伝統的なコードパターンに従っている」と述べていますが、曲には「繰り返されるコーラスなどの馴染みのある大きな音楽構造」が欠けており、Jukeboxと人間が生成した音楽の間には「大きなギャップがある」ことを認めています。The Vergeは「技術的には印象的だが、結果は馴染みのある曲のぼやけたバージョンのように聞こえる」と述べ、Business Insiderは「驚くべきことに、結果として得られた曲の中にはキャッチーで本物らしく聞こえるものもある」と述べています。^{[ 125 ] [ 126 ] [ 127 ]}

2018年、OpenAIは、機械に人間の審査員の前でおもちゃの問題を議論させるディベートゲームを開始しました。その目的は、このようなアプローチがAIの決定の監査や説明可能なAIの開発に役立つかどうかを研究することです。^{[ 128 ] [ 129 ]}

2020 年にリリースされた Microscope ^{[ 130 ]}は、解釈可能性の研究でよく用いられる 8 つのニューラル ネットワーク モデルの重要な層とニューロンの可視化を集めたものです。^{[ 131 ]} Microscope は、これらのニューラル ネットワーク内部で形成される特徴を簡単に分析するために作成されました。含まれるモデルは、 AlexNet、VGG-19、Inceptionのさまざまなバージョン、およびCLIP Resnetのさまざまなバージョンです。^{[ 132 ]}

2022年11月にローンチされたChatGPTは、OpenAIのGPTモデルを使用してコンテンツを生成する生成型AIチャットボットです。ユーザーはテキストまたは音声会話でチャットボットとやり取りできます。DALL -E 3に代わるGPT-4oを使用して画像を生成できます。^{[ 80 ]} ChatGPTはローンチ後2か月で1億人のユーザーを獲得しました。^{[ 133 ]}

OpenAIは、Plus、Pro、Team、Enterpriseという複数のサブスクリプションプランを発表しました。ChatGPTの無料ティアのユーザーはGPT-4oにアクセスできますが、制限があります。ChatGPTのサブスクリプション「Plus」、「Pro」、「Team」、「Enterprise」では、使用制限が緩和され、追加機能やモデルにアクセスできます。^{[ 134 ]}

2023 年 5 月、OpenAI は iOS のApp Store向けに ChatGPT のユーザー インターフェースをリリースし、その後 2023 年 7 月にはAndroid のPlay Store向けにもリリースしました。 ^{[ 135 ]} 2024 年 12 月、OpenAI は、ユーザーが ChatGPT に毎月最大 15 分まで無料で通話できる新機能をリリースしました。^{[ 136 ] [ 137 ]}

OpenAIが開発したプロトタイプ検索エンジンSearchGPTは、2024年7月25日に発表され、当初は1万人のテストユーザーに限定してリリースされました。これは、従来の検索エンジンの機能と生成AI機能を組み合わせたものです。^{[ 138 ] [ 139 ]}

2025年10月、OpenAIはChatGPT Atlasと呼ばれるウェブブラウザをリリースした。^{[ 140 ] [ 141 ]}

2026年1月27日、OpenAIは、科学論文の草稿作成、引用文献の管理、数式の書式設定など、科学者の研究と執筆を支援することを目的としたLaTeXネイティブのワークスペースであるPrismを発表しました。^{[ 142 ] [ 143 ]}