リリース背景とGPT-5の問題点

異例の速さでのアップデート

GPT-5は2025年8月7日にリリースされ、業界から大きな期待を集めました。しかし、わずか3ヶ月後の11月12-13日、OpenAIはGPT-5.1を発表します。この短期間でのメジャーアップデートは異例です。通常、大規模言語モデルのバージョンアップには半年から1年程度の期間が空くことが一般的であることを考えると、この迅速な対応は何らかの緊急性を示唆していました。

GPT-5が直面した批判

GPT-5のリリース直後から、ユーザーコミュニティでは不満の声が高まっていました。最も多かった批判は「感情的知性の欠如」です。多くのユーザーが、GPT-5の応答を「冷たい」「硬い」「ロボット的」と評しました。前世代のGPT-4oやGPT-4.5が持っていた温かみのある会話スタイルが失われ、短く無愛想な回答が目立つようになったのです。

OpenAI CEOの釈明

批判の高まりを受けて、OpenAIのサム・アルトマンCEOは自らSNSで状況を説明しました。彼は「メンタルヘルス問題への慎重な対応のため、ChatGPTをかなり制限的にした」と認め、「GPT-4oで人々が好んでいた要素の重要性を過小評価していた」と述べています。この発言は、安全性を重視するあまり、ユーザー体験を損なってしまったことを認めたものでした。

市場シェアへの影響

GPT-5の評判低下は、市場シェアにも影響を及ぼしていました。特にコーディング支援市場において、Anthropic社のClaudeが42%のシェアを獲得する一方、OpenAIは21%にとどまっていました。この状況は、OpenAIにとって看過できないものだったと考えられます。

GPT-5.1の主要な改善点

トーンと会話性の劇的な変化

GPT-5.1の最も顕著な変化は、会話のトーンです。OpenAIは「より温かく、遊び心があり、自然」な応答を目指しました。実際の応答例を比較すると、その違いは明確です。ストレス解消方法を尋ねた場合、GPT-5は「Here are a few simple, effective ways to help ease stress」と始まるのに対し、GPT-5.1は「I've got you, Ron — that's totally normal, especially with everything you've got going on lately」と、まるで友人に話しかけるような口調で応答します。

適応的推論システムの導入

GPT-5.1 Instantには「適応的推論」という新機能が搭載されました。これは、質問の複雑さを自動的に判定し、簡単な質問には即座に応答し、複雑な質問には内部で「考える」時間を取ってから応答する仕組みです。重要なのは、この判断プロセスがユーザーには見えないということです。

指示従順性の向上

GPT-5では、ユーザーの指示を無視することが頻繁にありました。例えば「6単語で答えてください」と指示しても、それ以上の文章で返すことがありました。GPT-5.1では、この問題が大幅に改善されています。「6単語で答えて」と言えば、「Scenery culture cuisine climate friendly locals」のように、正確に6単語で応答します。

パーソナリティ設定の拡充

GPT-5.1では、会話のスタイルを細かくカスタマイズできるようになりました。6つの主要なプリセット(Default、Friendly、Efficient、Professional、Candid、Quirky)に加え、簡潔さのレベル、温かさのレベル、絵文字の使用頻度など、詳細な調整が可能です。さらに、これらの設定は会話の途中でも変更でき、すべてのチャットに即座に適用されます。

コスト効率の改善

技術面での大きな進歩として、トークン効率の向上があります。GPT-5.1は、同等のタスクをGPT-5と比較して約50%少ないトークンで完了できます。さらに、24時間のキャッシュ保持機能により、繰り返し使用される入力トークンに対して90%の割引が適用されます。実際のビジネスシーンでは、カスタマーサービスアプリケーションで70%のコスト削減、コードレビューシステムで80%のキャッシュヒット達成などの報告があります。

開発者向けの新機能

GPT-5.1では、開発者向けに2つの新しいツールが追加されました。apply_patchツールはコード編集の信頼性を向上させ、shellツールはシェルコマンドの実行を可能にします。また、推論努力レベルを'none'、'low'、'medium'、'high'の4段階で制御でき、速度と精度のトレードオフを細かく調整できるようになりました。

性能評価と今後の課題

ベンチマークでの性能

GPT-5.1は複数のベンチマークで優れた結果を示しています。実世界のGitHub問題解決を測定するSWE-bench Verifiedでは76.3%を達成し、競合のo3(69.1%)やGPT-4o(30.8%)を大きく上回りました。数学分野でも、AIME 2025で「significant improvements」が報告されています。

ハルシネーション率の改善と課題

AIモデルの信頼性を測る重要な指標であるハルシネーション率について、GPT-5.1は改善を見せています。Vectaraの調査によると、GPT-5.1のハルシネーション率は1.4%で、GPT-4o(1.49%)やGPT-4(1.8%)を下回っています。ただし、興味深いことに、GPT-4.5 Preview(1.2%)よりはわずかに高い数値となっています。

しかし、現実の利用シーンでは依然として問題が報告されています。特に本番環境でWhatsAppエージェントとしてGPT-5.1を導入した企業からは、「非常に賢いが、信じられないほどハルシネーションする」という矛盾した評価が寄せられています。OpenAI自身も、複雑なベンチマーク問題において26%のハルシネーション率があることを認めています。

創造性とのトレードオフ

正確性の向上には代償があります。Fast Companyの検証では、レストラン推薦タスクにおいて興味深い結果が得られました。GPT-5.1の推薦はすべて実在する店で、営業時間や場所も正確でしたが、すべて「10年以上営業している定番店」ばかりでした。一方、以前のモデルは時に存在しない店を推薦してしまうものの、新しく注目すべき店も含まれていたといいます。

実際のユーザー評価

技術系メディアの評価を総合すると、GPT-5.1は「革命的」ではなく「進化的」なアップデートと位置づけられています。VentureBeatは「GPT-5の不均一なロールアウトを平滑化することを目的としている」と評し、The Vergeは「新しいパーソナライゼーション機能が、OpenAIがユーザー体験に焦点を当てている証拠」と指摘しています。

未解決の課題

GPT-5.1は多くの改善をもたらしましたが、いくつかの課題が残されています。画像生成機能は、MidjourneyやAdobe Fireflyなどの専門ツールと比較すると、スタイルの限定性、繰り返しの構図パターン、細部の不正確さなどの問題があります。また、安全性とクリエイティビティのバランスをどう取るかという根本的な課題も存在します。

今後の展望

OpenAIは、GPT-5.1を「GPT-5世代の反復的改善」と位置づけており、今後も同様のパターンでアップデートを続けるとしています。GPT-6を待つのではなく、継続的な改善によってユーザー体験を向上させていく方針です。サム・アルトマンCEOは、「安全性に関する深刻な問題を軽減できた今、新しいツールを使ってほとんどの場合で制限を緩和できる」と述べており、より自然で柔軟なAIへの進化が期待されます。

競合との関係では、Anthropic社のClaude 4、Google社のGemini 3.0 Proなど、強力なライバルが控えています。2025年後半から2026年にかけて、大規模言語モデルの競争はさらに激化すると予想されます。GPT-5.1がどこまで市場シェアを回復できるか、そして次の大きな飛躍はいつ訪れるのか、注目が集まっています。