AI インフラの価値は、その規模の大きさにあるのではありません。その価値は、より高性能な知能を、より多くの人に、より低いコストで届けられることにあります。
私は、それを豊かさだと考えています。それは、「汎用人工知能が全人類に利益をもたらすようにする」という私たちのミッションにも、事業を動かす経済的な原動力にも組み込まれています。
有用な知能のコストが下がれば、取り組む価値のある仕事が増えます。モデルの能力が高まれば、その仕事から生まれる価値も大きくなります。導入が広がるにつれ、収益、実環境からのフィードバック、需要を見通す力が得られ、次世代の研究とインフラへの投資を続けられます。
知能が向上すれば、導入がさらに広がります。導入の拡大が、さらなる投資を支えます。投資の拡大が、知能と効率性を向上させます。私たちが築いているのは、この好循環です。
先日の価格改定のお知らせは、この好循環が顧客に素早く恩恵をもたらす仕組みを示しています。昨日、GPT‑5.6 Luna の価格を 80%、GPT‑5.6 Terra の価格を 20% 引き下げました。Luna は現在、入力 100 万トークン当たり $0.20、出力 100 万トークン当たり $1.20 です。Terra はそれぞれ $2 と $12 です。
GPT‑5.6 Sol の Fast モードは、知能を変えることなく、標準処理の 2 倍の価格で最大 2.5 倍の速度を実現します。
これは単なる価格表の変更ではありません。実用化できる仕事の範囲を広げ、知能、速度、信頼性、コストのバランスを取るうえで、顧客により多くの選択肢を提供します。
問うべきなのは、どのタスクにどのモデルを割り当てるかではありません。必要な成果を得るためにどの程度の知能が必要か、それをどれだけ早く利用する必要があるか、そして成果を達成するための知能にいくらかけるべきかです。そのバランスは、同じワークフローの中でも何度か変わることがあります。
顧客が求めているのは、トークンそのものではありません。サポート上の問題の解決、ソフトウェアのリリース、契約書の確認、科学的な問いへの回答といった成果を求めています。適切な指標は、成果を得るまでに必要な時間、再試行、監督、エラー対応を含む、成功した成果当たりのコストです。
より高性能なモデルが仕事を正確かつ効率的に完遂できれば、何度も試行したり、人が大幅に介入したりする必要がある安価なモデルより、最終的には経済的な場合があります。一方、同じ品質基準を満たせるなら、低コストのモデルによって利用機会を飛躍的に広げられます。重要なのは、適切な価格で最大限に有用な知能を活用することです。
その価値を提供するには、データセンターを増設するだけでは不十分です。計算資源の一単位ごとの生産性を高める必要があります。
私たちの最近のエンジニアリング成果は、その具体像を示しています。GPT‑5.6 Sol は技術チームと連携し、モデルの提供に使う本番環境のソフトウェア最適化を支援して、エンドツーエンドの提供コストを 20% 削減しました。さらに、投機的デコーディングの改善にも貢献し、トークン生成効率を 15% 以上向上させました。
同じくらい重要なのは、効率性がモデルだけで決まるわけではないことです。モデルを取り巻くシステムも重要です。ルーティングを改善すれば、ハードウェアを効率的に稼働できます。より高度なコンテキスト管理によって、エージェントによる作業の重複を防げます。ツールと製品設計を強化すれば、タスクの完了に必要な手順を減らせます。
最近のベンチマーク分析では、推論内容の保持とコンテキスト管理を改善した結果、出力トークンを 6 分の 1 に抑えながら、公開タスクセット ARC-AGI-3 における GPT‑5.6 Sol のスコアが 13.3% から 38.3% に上昇しました。モデルは変わっていません。変わったのは、モデルを取り巻くシステムです。
こうした改善効果は積み重なります。より高性能なモデルは、私たちのチームが新たな効率化の手法を見いだす助けになります。その効率化によって顧客への提供コストが下がり、同じインフラで対応できる仕事の範囲が広がります。その結果、次世代の知能がより多くの人にとって利用しやすくなります。
インフラ、モデル、プラットフォーム、製品の各層を横断して構築する利点は、単にすべての層に関与できることではありません。各層が互いを向上させることにあります。
実環境での製品利用から、顧客がどこに価値を感じ、どこで課題に直面するかがわかります。そのフィードバックが、私たちの研究の方向性を形づくります。研究の進歩は製品を強化し、提供コストを引き下げます。ChatGPT、ChatGPT Work、Codex、API 全体の需要を把握することで、どこに処理能力を増強すべきか、より的確に判断できます。
こうした学びは、規模が重要です。私たちのモデルは現在、10 億人を超えるアクティブユーザーと、200 万社を超える企業に利用されています。人々はテクノロジーへの信頼を深めるにつれ、より幅広く活用するようになります。登録から 6 か月後には、1 日に送るメッセージ数が約 50% 増え、ChatGPT を利用する仕事の種類も約 2 倍になります。ChatGPT Work は、質問への回答にとどまらず、複雑な複数工程の仕事を完遂することで、知識労働者のあり方を変えています。つまり、「尋ねる」から「実行する」への転換です。OpenAI 全体では、Codex を通じたエージェント型作業が週間出力トークンの 99.8% を占めるようになり、財務部門をはじめ、エージェント型ツールを業務の中心に据えるチームも現れています。
組織内でも同様の傾向が見られます。企業は、1 つのチームや 1 つのワークフローから導入を始めることがあります。品質と経済性が向上するにつれて導入は部門を越えて広がり、AI が事業運営に組み込まれていきます。
それにより、需要、製品改善、効率性、インフラ計画の間に有益なフィードバックループが生まれます。そのために、すべての資産を所有したり、あらゆる構成要素を自社で構築したりする必要はありません。顧客にとって最善で、経済合理性が最も高い方法に応じて、所有、提携、購入を選べます。重要なのは、システム全体を連携させ、そこから横断的に学ぶことです。
AI インフラは必要になる何年も前から計画しなければなりませんが、モデル、製品、顧客需要はそれよりはるかに速く変化します。この時間軸のずれがあるからこそ、規律が欠かせません。
私たちは、ユーザー数とワークロードの増加、法人顧客の契約、API 利用量、稼働率、収益、モデルの能力と効率性の進歩といった根拠に基づいて投資を判断します。技術面と事業面のマイルストーンを基に、プロジェクトをいつ次の段階へ進めるかを判断します。長期的なパートナーシップによって、大規模な提供に必要な資金、インフラ、運用ノウハウを結集できます。
製品収益、民間資本、事業提携は、それぞれ異なる役割で成長を支えます。目標は、インフラを最大限に増やすことではありません。確かな需要に応じて、適切な処理能力を適切な時期に配備することです。
私が重視する問いは明快です。新たな処理能力を、どれだけ早く実用化できるか。どれだけ効率的に活用できるか。どのような顧客需要に応えられるか。技術の進歩によって、有用な知能の提供コストをどれだけ速く引き下げられるか。
こうした問いが、長期的な志と運営上の規律を結びつけます。
私たちはまだ初期段階にいます。より高性能なシステムは、長期にわたるプロジェクトを完遂し、複数のツールを連携させ、アイデアを完成形にするまでの作業をさらに多く担うようになります。個人や中小企業も、かつては大規模な組織しか利用できなかった能力を手にできるようになります。大企業では、業務全体で知能がより広く活用されるようになります。
私たちの目標は、単に計算資源を増やし、モデルを大きくし、トークン価格を下げることではありません。より有用な知能を、誰もが利用できるものにすることです。
豊かさとは、使う人にとって知能が絶えず高性能に、手頃に、そして価値あるものになっていくことです。私たちは、どれだけ多くの有用な仕事を可能にしたか、どれだけ効率的に提供できたか、そしてその恩恵をどれだけ広く共有できたかによって進歩を測ります。
