これまでで最も優れた AI システムである GPT‑5 を発表します。GPT‑5 は、これまでのモデルから飛躍的に進化し、コーディング、数学、文章作成、ヘルスケア、視覚認識など、あらゆる分野で最先端の性能を発揮します。また、GPT‑5 は統合されたシステムであり、質問の性質に応じて、即時回答と専門的な深い回答を自動で切り替えます。GPT‑5 は ChatGPT のすべてのユーザーが利用可能で、Plus ユーザーはより多くの利用枠を、Pro ユーザーは GPT‑5 Pro（拡張推論により、さらに包括的かつ正確な回答が可能なバージョン）へのアクセスを利用できます。
GPT‑5 は、2つのモデルとルーター機能からなるシステムです。1つ目のモデルは、高速かつ効率的に幅広い質問に回答できる高速応答用モデル（高スループット）、2つ目のモデルはより複雑な問題に対して複雑問題用モデル（深い推論）（GPT‑5 thinking）です。そして、最適モデルを自動選択するリアルタイムルーター機能が、これら2つのモデルのどちらを使うべきか、会話の種類や複雑さ、必要なツール、ユーザーが示した意図（例えば、「深く考えて」など）に応じて、瞬時に判断し、切り替えてくれます。ルーター機能は、モデル切替のタイミング、回答満足度、正確性などのユーザーの利用データを学習し、精度を向上させます。なお、使用上限に達すると、各モデルの mini 版が質問に対応します。近い将来に、これらの機能を1つのモデルに統合することを予定しています。
GPT‑5 は、従来のモデルを上回るベンチマーク性能で、質問にもより迅速に回答しますが、最も重要なことは、実際のユーザーからの実世界での質問において、さらに役立つようになったことです。OpenAI は、GPT‑5 において、ハルシネーション（事実ではない内容や根拠のない情報をもっともらしく生成してしまう現象）の低減、指示遵守能力の改善、迎合的な回答の抑制において大きな進歩を遂げました。これにより、ChatGPT が特によく使われる3つの用途（文章作成・コーディング・ヘルスケア）でのパフォーマンスもさらに向上しています。
GPT‑5 は、これまでで最も高性能なコーディング モデルです。複雑なフロントエンドの生成や、大規模リポジトリのデバッグにおいて、特に大きな進化を遂げています。また、たった1つのプロンプトで、美しいレスポンジブな Web サイトやアプリ、ゲームなどを直感的でデザイン性に富んだかたちでアイデアを現実にすることができます。初期テストでは、スペースやタイポグラフィ、余白など、デザイン面での理解や表現力がこれまで以上に洗練されたという評価が寄せられています。GPT‑5 が開発者にもたらす新たな可能性の詳細は、こちらをご覧ください。
以下は GPT‑5 がたった1つのプロンプトから構築したものの例です。
プロンプト：次の要件を満たす単一 HTML ファイルのシングルページアプリを作成してください：
- 名前:ジャンピングボールランナー
- 目的:障害物を飛び越えてできるだけ長く生き残る。
- 機能：速くなるスピード、ハイスコアの計測、リトライボタン、アクションやイベントで響く面白いサウンド。
- UI はカラフルで、パララックススクロール背景を備えること。
- キャラクターはカートゥーンのようなデザインで見ていて楽しくなるようなスタイル。
- 誰もが楽しめるゲームにすること。
GPT‑5 は、これまでで最も優れた文章作成のコラボレーターです。大まかなアイデアを、文学的な深みとリズムを備えた、心に響く魅力的な文章へと導き変換してくれます。GPT‑5 は、韻を踏まない弱強五歩格（iambic pentameter）や自然に流れる自由詩など、厳密なルールが少ない形式でも、形式の維持と表現の明確さを高いレベルで両立します。こうして向上した文章生成能力は、レポートやメール、メモの作成や編集など、 ChatGPT が日常的にユーザーの皆さまを支援するタスクにも活かされます。GPT‑5 と GPT‑4o の文体は、以下の表で比較できます。
GPT‑5 は、医療やヘルスケアに関する質問への対応でこれまでで最も優れたモデルです。ユーザーが自分の健康について十分な情報を得て主体的に意思決定できるよう支援します。このモデルは、現実に即したシナリオと医師が定義した評価基準を用いて今年初めに公開したベンチマークである HealthBench において、従来のいかなるモデルよりも大幅に高いスコアを達成しました。以前のモデルと比較して、GPT‑5 はより使い手に寄り添った思考のパートナーとして振る舞い、潜在的な懸念点を先回りして指摘しながら、より有用な回答を得るための質問を投げかけます。さらに、ユーザーの状況・知識レベル・居住地域に合わせて応答を細かく調整できるため、幅広いシーンで一層安全かつ信頼性の高い情報を提供します。もちろん、ChatGPT は医療専門家の代替ではありません。検査結果の理解を助け、診察時間内に適切な質問を行い、治療方針を検討する際のパートナーとしてご活用ください。
以下の例では、GPT‑5 がこれまでのモデルに比べてさまざまな分野でより豊かで、詳細で、実用的であることがわかります。
GPT-4o
GPT-5
GPT‑5 の回答は、より強い印象を残す結末、明瞭なイメージ描写、そして「今は存在しない国の黒い旗」や「京都の鐘が丘を下って夕暮れを告げる」といった鮮烈な比喩を用いて、作品全体を貫く情緒的な流れを際立たせ、文化や場所の雰囲気を鮮やかに伝えています。GPT‑4o のバージョンは、より予測しやすい構成と韻律に従っており、「彼女は涙を流し、何も語らない」のように、状況を見せるのではなく説明的になっています。
*与えられたプロンプトについて、2つのモデルのうちパフォーマンスが優れている方の応答を選択しました。
GPT‑5 は、医療やヘルスケアに関する質問への対応でこれまでで最も優れたモデルです。ユーザーが自分の健康について十分な情報を得て主体的に意思決定できるよう支援します。数学の分野では AIME 2025（アメリカ合衆国の高校生向け数学競技）で94.6%（ツールなし）を記録し、実践的なコーディングではソフトウェア評価の SWE-bench で74.9%、Aider-Polyglot で88%、マルチモーダル理解では MMMU で84.2%、医療分野では HealthBench Hard で46.2%をマークし、いずれも新たな最高水準（SOTA）を打ち立てました。こうした性能向上は日常の利用シーンでも実感できます。さらに、GPT‑5 Pro の拡張推論によって GPQA（ 大学院レベルの高度な専門問題で、Google検索では解けない質問応答ベンチマーク）ではツールなしで88.4%を達成し、こちらでも新しいSOTAを記録しました。
*ツールを用いた AIME の結果は、ツールアクセスのないモデルの性能と直接比較すべきではありません。これは GPT‑5 が利用可能なツールをどれほど効果的に活用しているかの一例です。
All SWE-bench evaluation runs use a fixed subset of n=477 verified tasks which have been validated on our internal infrastructure.
GPT‑5 は、指示を遵守する能力や自律的なツール使用を試すベンチマークでも大幅な進歩を示しました。これにより、複数ステップにわたる依頼を確実にこなし、さまざまなツールを連携させつつ、状況の変化にも柔軟に対応できるようになっています。実際の利用シーンでは、複雑で変化し続けるタスクにより上手く対応できるようになっており、ユーザーの指示に忠実に従いながら、ツールを駆使して作業を完遂します。
GPT‑5 は、視覚・動画・空間・科学的推論といった多岐にわたるマルチモーダルのベンチマークでも卓越した性能を発揮しています。マルチモーダル性能の向上により、 ChatGPT は 画像やその他のテキスト以外の入力に対しても、より正確に推論できるようになりました。たとえば、チャートを解釈したり、プレゼンテーションの写真を要約したり、図に関する質問に答えたりできます。
GPT‑5 は、複雑で経済的価値の高いナレッジワークにおけるモデル性能を測定する社内ベンチマークでも過去最高の成績を収めました。推論を伴うタスクでは、およそ半数のケースで専門家と同等かそれ以上の成果を示し、法律・物流・営業・エンジニアリングなど40以上の職種にわたるタスクで、o3 や ChatGPT agent を凌駕しています。
上記の評価方法：GPT‑4o の結果は2025年8月時点で ChatGPT に搭載されている最新バージョンを反映しています。すべてのモデルは「高」の推論レベルの設定で評価されています。ChatGPT の推論レベルは可変であり、高はユーザーがモデル使用時に経験し得る上限を示します。
GPT‑5 は、より短い思考時間でより大きな価値を引き出せるようになりました。当社の評価では、GPT‑5 thinking は、視覚的推論、エージェント型コーディング、大学院レベルの科学的問題解決などの能力全般で、OpenAI o3 と比較して出力トークンを50〜80%削減しながらも、より高い性能を発揮しました。
GPT‑4 は Microsoft Azure AI スーパーコンピューターで学習が実施されました。
GPT‑5 は従来モデルに比べハルシネーションが大幅に減少しました。 GPT‑5 は、匿名化された ChatGPT の一般利用を想定したプロンプトにおいてウェブ検索を有効にした場合、GPT‑4o と比べて、事実誤認を含む回答をする確率が約 45% 低下します。また、thinking モードを使用する際には、OpenAI o3 と比べて、事実誤認を含む回答をする確率が約 80% 低下します。
特に、複雑で自由解答式の質問に対して信頼性高く推論できるようにモデルを改善しました。その一環として、自由解答式の正確性をより厳しく検証するために新たな評価指標を導入しました。当社は、自由解答式の事実探索プロンプトにおける GPT‑5 の thinking モードのハルシネーション率を、公開ベンチマークを用いて測定しました。使用したベンチマークは、LongFact（新しいウィンドウで開く）（概念・物体）と FActScore（新しいウィンドウで開く） の2つです。 これらすべてのベンチマークで GPT‑5 の thinking モードはハルシネーションを大幅に抑え、o3 と比べて約6分の1にまで低減しました。これは、長文コンテンツを一貫して正確に生成できるようになったことを示す大きな飛躍です。これらのベンチマークにおける評価の実装方法と採点基準の詳細は、システムカードでご確認いただけます。
事実性の向上に加えて、 GPT‑5 の thinking モードは、自身の動作や能力をユーザーにより正直に伝えるようになりました。特に、実行不可能なタスクや前提条件が不足しているタスク、必要なツールが欠けているタスクにおいてです。一方で、学習時に高い報酬を得ようとする過程で、リーズニングモデルがタスクを完了したと偽ったり、不確かな回答に過度な自信を示したりすることがあります。この点を検証するため、マルチモーダルベンチマークの CharXiv のプロンプトから画像をすべて削除してテストしたところ、 OpenAI o3 は存在しない画像についても 86.7% の確率で自信があるように回答しましたが、 GPT‑5 ではわずか 9% にとどまりました。
推論を行う際、GPT‑5 は実行できないタスクをより正確に見極め、その限界を明確にユーザーへ伝えます。また、実行不可能なコーディングタスクやマルチモーダル要素が欠落した状況での欺瞞率（事実でない回答を事実のように述べる割合）を測定したところ、GPT‑5 thinking はすべてのケースで o3 を下回りました。さらに、ChatGPT の実運用トラフィックを代表する大規模な会話セットでは、欺瞞率を o3 の4.8%から GPT‑5 reasoning では2.1%まで削減しています。この結果はユーザーにとって有用な改善を示していますが、更なる改善の余地は依然として残っています。私たちはモデルの事実性と誠実性をいっそう高めるため、引き続き研究を進めていきます。詳細はシステムカードをご確認ください。
緩和前
緩和後
GPT‑5 は安全における最前線をさらに切り拓きました。従来の ChatGPT は拒否ベースの安全性学習手法に主に頼っていました。つまり、ユーザーのプロンプトに応答するか拒否するかしか選択肢がありませんでした。この学習方法は悪意が明確なプロンプトには効果的ですが、ユーザーの意図が不明確な場合や、提示した情報が善悪両方で利用可能な状況では十分に機能しません。特にウイルス学のようなデュアルユース（平和的な目的にも悪用にも使える両義的利用）領域では、概要レベルなら安全に応じられる一方、詳細を提供すると悪用を助長しかねず、拒否ベースの訓練では柔軟性が不足します。
そこで GPT‑5 では、新たに「セーフコンプリーション」という安全性学習手法を導入しました。これは、安全域を逸脱しない範囲で可能な限りユーザーに役立つ回答を返すようモデルに学習させるものです。場合によっては質問の一部だけに答えたり、抽象度を上げて説明したりします。拒否が必要な際には、GPT‑5 は理由を明確に説明し、安全な代替案を提示するよう学習されています。管理下での実験と本番環境の両方で、このアプローチはデュアルユースの問いへの対応をきめ細かくし、意図があいまいな場合にも高い頑健性を示し、不必要な過剰拒否を減らすことが確認できました。安全性学習の新手法に関する詳細な方法論・評価指標・結果は、セーフコンプリーションに関する論文でご覧いただけます。
安全な回答であることを前提に、安全性と有用性を意図別に評価（OpenAI o3 と GPT‑5 Thinking の比較。プロンプトの意図別の安全性と有用性（安全な回答が提供された場合）。
全体として、 GPT‑5 は GPT‑4o と比べて過度に同調することが少なく、不要な絵文字の使用も抑えられ、フォローアップはより控えめで思慮深くなりました。これにより、AI と話しているというより、博士号レベルの知性を備えた親しい友人と会話しているように感じられるはずです。
今年前半に GPT‑4o をアップデートした際、意図せずモデルが過度に迎合的な態度（過剰なお世辞・同意）を取るようになっていました。当社はすぐに変更を戻し、以下の施策で迎合的な回答をしないよう調整を試みました。
- 迎合度を測定する新しいオフライン・オンライン評価を開発
- モデルが過度に迎合的にならないように、学習方法を改善しました。例えば、通常であれば安易な同意を示しがちな例文を追加し、モデルがそれに流されないよう指導しています。
迎合的な回答を引き出す目的で設計されたプロンプトを用いた評価では、GPT‑5 は、迎合的な回答を大幅に減らしました（14.5% から 6% 未満へと改善）。迎合性を下げるとユーザー満足度が低下することもありますが、今回の改善では迎合性を半分以下に抑えつつ他の指標も向上しました。その結果、ユーザーは引き続き質の高い建設的な会話を楽しめます。これは、ChatGPT をより良く活用していただくという当社の目標と一致しています。
GPT‑5 は指示の理解・遵守能力が大幅に向上し、カスタム指示への追従精度も飛躍的に高まりました。
さらに、人格特性を指定して回答スタイルを変えられる柔軟性が向上したおかげで、すべての ChatGPT ユーザー向けに4種類のプリセットされたパーソナリティを研究プレビューとして提供します。これらの人格は、まずはテキストチャットで利用可能となり、後日音声モードでも対応予定です。プロンプトを用意しなくても、簡潔でプロフェッショナル、思慮深くサポート重視、あるいは少し皮肉めいた応答など、ChatGPT の話し方を自由に切り替えられます。初期オプションは 皮肉屋、ロボット、聞き役、ナードの4つで、設定画面からいつでもオン・オフや細かな調整が可能です。
さらに、これらすべてが、迎合的な回答の抑制に関する社内評価基準を満たすか、それ以上の性能を示しています。
当社は、皆さまからの早期フィードバックをもとに、今後も継続的に改善を重ねていく予定です。
当社は「GPT‑5 thinking」を生物学および化学の領域において高い能力を有するものとして扱うことを決定し、それに伴うリスクを十分に最小化するために強力なセーフガードを実装しました。CAISI や UK AISI などのパートナーと連携し、Preparedness Framework に基づく安全性評価で計5,000時間におよぶレッドチーミングを実施しています。
ChatGPT Agent と同様、私たちは非専門家が深刻な生物学的被害をもたらすことをこのモデルが助けるという決定的な証拠を持っていませんが、そのような高度な能力が出現した際に備えて（新しいウィンドウで開く）、現時点で予防的に必要な安全対策を導入しています。その結果、「GPT‑5 thinking」には生物学に関する多層防御から成る堅牢な安全スタックが組み込まれました。具体的には、網羅的な脅威モデリング、新たなセーフコンプリーションのパラダイムによる有害コンテンツ抑止学習、常時稼働の分類器と推論モニター、そして明確な施行手順が含まれます。
GPT‑5 の堅牢な安全性アプローチの詳細は、当社のシステムカードをご覧ください。
最高難度の複雑なタスクに対応するため、GPT‑5 Pro をリリースします。これは OpenAI o3‑pro に代わる新しいモデルで、長時間にわたり思考しつつ、効率的にスケーリングした並列テスト時計算を活用して、最高レベルの網羅的な回答を実現します。GPT‑5 Pro は、難易度の高い複数の知能ベンチマークで GPT‑5 シリーズの中で最高の性能を達成しています。特に、非常に難解な科学分野の質問を含む GPQA においては、SOTA を記録しました。
経済的価値の高い実世界の推論プロンプト1,000件超を用いた評価では、外部専門家が GPT‑5 thinking より GPT‑5 Pro の応答を好んだ割合は67.8%に達しました。また、重大な誤りも22%少なく抑えられ、医療、科学、数学、コーディング分野で特に優れた成果を示しています。これらの応答は専門家からも関連性の高さと、有用で網羅的として評価されています。
GPT‑5 は ChatGPT の新しいデフォルトモデルとなります。ログインされているアカウントでは、GPT‑4o、OpenAI o3、OpenAI o4-mini、GPT‑4.1、GPT‑4.5 に置き換わります。これからは ChatGPT を開き、質問を入力するだけで、GPT‑5 が必要に応じて自動的に推論を適用しながら回答します。また、有料プランにご加入中のユーザーはモデルピッカーから「GPT‑5 Thinking」を選択するか、プロンプトに「より深く考えてください」などと入力することで、推論を確実に有効化できます。
GPT‑5 は本日よりすべてのPlus、Pro、Team、無料版のユーザーへの提供が開始され、Enterprise と Edu プランの皆さまへのアクセスは翌週に提供されます。Pro、Plus、Team のユーザーは、ChatGPT にログインすることで、 Codex CLI（新しいウィンドウで開く） を通じて GPT‑5 を使ったコーディングを開始できます。
無料版と有料プランの違いは、GPT‑4o と同様に、送信可能なメッセージ数の上限です。なお、Pro プランにご加入中のユーザーは、GPT‑5 を無制限で利用でき、GPT‑5 Pro にもアクセスできます。Plus ユーザーは日常の質問を快適に処理できるデフォルトモデルとして GPT‑5 を使用でき、無料版のユーザーより大幅に高いメッセージ送信数が確保されています。Team、Enterprise、Edu をご利用中のお客様も、組織全体で GPT‑5 をデフォルトモデルとして安心して使える十分な上限が設けられています。また、無料版のユーザーに対する完全な推論機能の展開には、数日かかる場合があります。無料ユーザーが GPT‑5 の使用上限に達すると、より小型で高速かつ高性能なモデルである GPT‑5 mini に切り替わります。
