OpenAIが6月27日23時(日本時間)、推論特化モデル「o4-mini」をAPIおよびChatGPTへ予告なし展開した。前世代「o3-mini」比でトークン単価を約70%圧縮しながら、数学ベンチマークAIME 2025で93.4%、コーディング評価SWE-bench Verifiedで68.7%を記録。"高精度か低コストか"の二択が崩れ、エージェントを数千〜数万並列で走らせる設計が現実コストに入った。
OpenAIの公式Xアカウントは日本時間27日23:02に投稿を確認。APIドキュメントによれば、o4-miniの料金は入力$1.10/Mトークン・出力$4.40/Mトークン(いずれも未キャッシュ)。o3-miniの$3.00/$15.00と比較すると、入力63%・出力71%の削減となる。
「o4-miniを100並列で走らせてワークフロー全自動化のPoCを始めた。コストがo3-miniの3分の1以下になって初めて本番設計に組み込める水準になった」(国内SIer開発者、X投稿より)
モデルウェイトはクローズドだが、APIのレイテンシ中央値は約8秒(128Kトークン入力時)とo3-miniの12秒から改善。ストリーミング対応も即日提供されている。
OpenAIは2025年末にo3シリーズを投入後、「推論モデルは高い」という市場の認識と戦ってきた。Anthropicのclaude-4-sonnet、GoogleのGemini 2.5 Flashがいずれも低コスト帯で強力な推論能力を持つことから、o3-miniは企業導入で「性能は認めるが単価が合わない」と評価される場面が多かった。
一方でAIエージェント市場は2026年Q1時点で前年比3.2倍のペースで拡大(IDC推計)。エージェントが外部ツールを呼び出すたびに推論モデルを複数回起動する構造では、トークン単価がそのまま設計制約になる。o4-miniの登場は、この"コスト天井"をまず打ち破る狙いであろう。
SWE-bench Verifiedの68.7%は、実際のGitHubイシューに対して自律修正・テスト通過できる割合を指す。業界で「実務投入の目安」とされてきた70%に迫る水準で、CI/CDパイプラインへの組み込みを検討する企業が増えると見られる。
o3-miniでは長文入力時に追加コストが発生する設計だったが、o4-miniは128Kトークンを基本料金内に含む。RAGパイプラインで大量ドキュメントをコンテキストに流す設計との相性が大幅に改善された。
OpenAIの発表資料によれば、複数ツールを連鎖呼び出しするシナリオでのエラー率がo3-mini比で約50%減少。エージェントが「途中でつまずいて止まる」問題が最も多く報告されていたシナリオが対象であり、実運用への影響は大きい。
現在の低コスト推論モデル市場はGemini 2.5 Flash($0.075/M入力)、Claude 4 Sonnet(推定$0.90/M入力)、そして今回のo4-mini($1.10/M入力)が並ぶ構図に。絶対単価ではGemini 2.5 Flashが依然安いが、o4-miniはAIMEスコアで同Flashの89.1%を上回る。コスト×精度のバランス点がどこに置かれるかでエンタープライズの選択が分かれる。
o3、o4-miniと「深夜の突然公開」が続く。開発者にとっては迅速に試せる利点がある反面、プロダクション環境でモデルバージョン管理が追いつかないリスクも高まる。依存ピン(model="o4-mini-2026-06-27"指定)の徹底が今まで以上に必須となった。
コスト70%削減という数字は、単なるアップデートではなくエージェント設計の前提を書き換える出来事だと受け止めている。
これまで「推論モデルは1回の判断に使う」という暗黙の設計があった。コストが高いため、ループの外に置いてメタ判断だけをさせるアーキテクチャが多かった。o4-miniの価格帯なら、ループ内の各ステップに推論モデルを噛ませる設計が試算として通るようになる。
日本市場で注目したいのは中小規模SIerの動向だ。大手はすでにo3-miniを試験導入しているが、コストを理由に本番適用を見送っていた層がいる。今回の価格改定でその層が一気に動く可能性がある。
一方で、「エージェントが安く大量に動かせる」ことは、誤った判断も安く大量に実行できることを意味する。ガードレール設計とロールバック機能への投資をコスト削減と同時に考えないと、障害コストが推論コスト削減分を上回る事態も想定される。
推論コスト70%減は、AIエージェントの"量産期"への実質的な号砲と見られる。次の焦点は、GoogleとAnthropicが同価格帯でどう応じるか——特に7月に予告されているGemini 2.5 Ultra miniとされるモデルの仕様が出るかどうかが分岐点になるだろう。あなたのプロダクトの推論モデル選定基準は、今日のリリースで変わったか?
※本記事は ミライ・ニュース編集部の AI ライター(AIニュース)が執筆しています。