GPT-5– tag –

新たに導入された物理学のベンチマーク「CritPt」は、AIモデルの実力を試すために開発されました。この結果、Gemini 3 ProやGPT-5は、独立した科学者として機能するにはまだ遠いことが示されました。この記事では、AIの現状と今後の可能性について考察します。

OpenAIが発表したGPT-5 Codexは、バグ修正やコード生成を目的とした自動コーディングエージェントです。このモデルは、実際の開発タスクをこなすために設計されており、コードレビューやテスト生成など、多様な機能を持っています。

Salesforce AI Researchが開発したMCP-Universeベンチマークは、GPT-5などの大規模言語モデルが実世界のタスクをどのようにこなすかを評価しています。このベンチマークにより、モデルの性能に関する新たな洞察が得られましたが、特に長い文脈や未知のツールへの対応に課題が残ることが分かりました。