OpenAI o1 Preview (2024)（オープンエーアイオーワンプレビュー2024）
OpenAI 2024年9月発表 chain-of-thought RL 学習 reasoning モデル。AIME 83%・Codeforces 89 percentile・PhD レベル数学/コード
概要
OpenAI o1 Preview は 2024年9月12日に OpenAI が発表した chain-of-thought 強化学習で学習された reasoning 専用 LLM（公式モデル名 o1-preview、API model ID: o1-preview-2024-09-12）。GPT-4o の後継系統ではなく独立系統で「reasoning」に特化し、AIME 数学コンテスト 83%（GPT-4o 13% → 6.4倍向上）・Codeforces 89 percentile（人間競技プログラマー上位 11%）・PhD レベル物理/化学/生物テスト（GPQA Diamond）78% で「次世代 reasoning AI」革命の起点。
革新は 「Test-time Compute Scaling」 パラダイム：従来 LLM は「学習時の計算量増 → 性能向上」が主軸だったが、o1 は「推論時（test-time）に大量の chain-of-thought 思考を展開 → 性能向上」を実証。1 つの数学問題に 30 秒-数分の思考時間をかけ、内部で複数の解法を試行 → 自己批判 → 選択というプロセスを実行。人間の「ゆっくり考える」思考（Daniel Kahneman「Thinking, Fast and Slow」の System 2 thinking）を AI で実現した画期的研究。
学習データ・手法は OpenAI 非公開（trade secret）だが、推測では (1) 大規模 chain-of-thought データセット（PhD 級専門家が生成した思考過程）(2) 強化学習で「正解にたどり着く思考経路」を報酬最大化 (3) Self-play で複数経路探索学習。論文 / モデル weights 非公開で「o1 系統研究を独占しよう」という戦略が話題に。
価格 API $15/1M 入力 + $60/1M 出力（GPT-4o $5/$15 の 3-4倍）、ChatGPT Plus / Team / Enterprise で利用可。後続研究の起点として 2024年12月 DeepSeek R1（OSS o1 代替）・Anthropic Extended Thinking（Claude 3.7）・Google Gemini 2.0 Flash Thinking・Alibaba Qwen QwQ・Skywork o1 等が続々登場、「reasoning model 戦国時代」幕開け。
主な特徴・仕組み
- コアコンセプト: Chain-of-Thought 強化学習 + Test-time Compute Scaling
- 思考時間: 30 秒 - 数分（複雑問題で 10 分以上も）
- 内部処理: 複数解法試行 → 自己批判 → 最適選択
- AIME 2024: 83%（GPT-4o 13% → 6.4倍）
- Codeforces: 89 percentile（プロ競技プログラマー上位 11%）
- GPQA Diamond: 78%（PhD 級物理/化学/生物、人間 PhD 平均 65%）
- API 価格: $15/1M 入力 + $60/1M 出力（GPT-4o の 3-4倍）
- コンテキスト: 128K トークン
- マルチモーダル: なし（テキストのみ）
- Function Calling: なし（o1-preview）/ あり（o1-mini）
- 学習方式: Trade Secret（非公開）
- OS バージョン: o1-preview (2024-09)・o1 (2024-12 正式版)・o1-pro (2024-12 上位)
スペック比較表
| 項目 | o1-preview (2024) | GPT-4o | DeepSeek R1 | Claude 3.7 Extended Thinking | Qwen QwQ 32B |
|---|---|---|---|---|---|
| 思考時間 | 30秒-数分 | 即時 | 30秒-数分 | 30秒-数分 | 30秒-数分 |
| AIME 2024 | 83% | 13% | 79.8% | unknown | 50.0% |
| Codeforces | 89 pct | 11 pct | 96.3% | unknown | unknown |
| GPQA Diamond | 78% | 53.6% | 71.5% | unknown | 65.2% |
| 価格 (out/1M) | $60 | $15 | $2.19 | $15 | OSS 無料 |
| マルチモーダル | なし | あり | なし | なし | なし |
具体例・対応製品
- OpenAI API o1-preview-2024-09-12: $15/$60 per 1M、研究/専門用途
- OpenAI API o1-2024-12-17 (正式版): $15/$60 per 1M、preview 後継
- OpenAI API o1-pro (2024-12): $150/$600 per 1M（10倍）、最高峰
- ChatGPT Plus o1: 月 $20、週 50 回利用制限
- ChatGPT Pro o1-pro: 月 $200、無制限利用
選び方・注意点
- 数学/コード/科学研究最適: AIME・Codeforces・GPQA で人間 PhD 級、研究者・競技プログラマー必携
- 思考時間の覚悟: 1 質問 30秒-数分、対話的・即応性求めるなら GPT-4o
- 価格 4倍: GPT-4o の 4倍、大量バッチ運用は不向き、選別的利用
- Function Calling なし: tool 統合不可（preview 版）、Agent 用途は別モデル
- マルチモーダル なし: テキストのみ、画像理解・音声処理は GPT-4o
- OSS 代替: DeepSeek R1 ($2.19/1M) が o1 同等性能で 27分の 1 価格、コスパ重視なら R1
- 2025-04 GPT-5 統合: OpenAI が GPT-5 で o 系統 + GPT 系統を統合発表、o 系統は legacy 化予定
関連用語との違い
| 用語 | 違い |
|---|---|
| OpenAI o1-preview (2024) | Reasoning 革命の起点・$60/1M 出力 |
| OpenAI o1-mini (2024) | 軽量版・$12/1M・コード/数学特化 |
| DeepSeek R1 (2025) | OSS o1 代替・$2.19/1M |
| Claude 3.7 Extended Thinking (2024) | Anthropic 版・interleaved thinking |
| Qwen QwQ 32B (Alibaba 2024) | OSS・32B reasoning model |
よくある質問（FAQ）
Q1: なぜ AIME 83% は革命的？ A: AIME (American Invitational Mathematics Examination) はアメリカ最難数学コンテスト、上位 5% が IMO（国際数学オリンピック）出場可能なレベル。GPT-4o の 13% は「数学が苦手な高校生」級、o1 の 83% は「数学オリンピック予選通過級」、6.4 倍の飛躍は LLM 史上最大の reasoning 性能向上。
Q2: Test-time Compute Scaling とは？ A: 「学習時の計算量増（モデル 1B→7B→70B→671B）→ 性能向上」が従来 paradigm、Test-time は「推論時の思考量増（即時応答→30 秒→数分）→ 性能向上」。1 質問あたりの計算量を増やすことで、より深い思考で正答率向上。o1 が初めて大規模実証。
Q3: 思考内容は見える？ A: 内部 chain-of-thought は OpenAI が trade secret として非公開、ユーザに見えるのは要約のみ（DeepSeek R1 はフル公開）。OpenAI の戦略的判断で「思考過程を見せると競合に学習データ提供してしまう」懸念から非公開、コミュニティから批判あり。
まとめ
- OpenAI 2024年9月発表・reasoning 革命モデル
- Chain-of-Thought RL 学習 + Test-time Compute Scaling
- AIME 83%（GPT-4o 13% → 6.4倍）・Codeforces 89 pct
- $15/$60 per 1M・思考時間 30秒-数分
- 次世代 reasoning AI 時代の幕開け