OpenAI、モデルを変えずに ARC-AGI-3 のスコアを13.3%から38.3%へ——出力トークンは6分の1に

OpenAI が7月31日、「Building abundant intelligence」と題した文書を公開しました。
Sarah Friar 氏による署名記事で、インフラ・モデル・プラットフォーム・製品を自前で積み上げることの意味を、コストの側から説明したものです。
前日に発表された GPT-5.6 Luna の80%値下げも、その循環の一部として位置づけられています。

目を引いたのは、モデルそのものを変えずに性能を上げた話でした。
公開されている ARC-AGI-3 のタスクセットで、GPT-5.6 Sol のスコアが13.3%から38.3%へ上がっている。
しかも出力トークンは6分の1で済んだといいます。
変わったのはモデルではなく、推論の保持のしかたとコンテキストの管理——つまりモデルを取り巻く仕組みのほうだ、と明記されています。

同じ発想は自社の運用にも向けられています。
GPT-5.6 Sol に本番のサービング用ソフトウェアを最適化させた結果、エンドツーエンドの提供コストが20%下がった。
投機的デコーディングの改善で、トークン生成の効率も15%以上上がったとしています。
社内では Codex を通じたエージェント作業が、週あたりの出力トークンの99.8%を占めるまでになっているそうです。

運営する側が持ち帰れるのは、「どのモデルを使うか」だけが答えではない、という点だと思います。
文書の中では、顧客が買っているのはトークンではなく、問い合わせが解決すること、契約が確認されること——つまり成果だと述べられています。
だから測るべきは1回あたりの単価ではなく、やり直しや人の手直しまで含めた「うまくいった1件あたりのコスト」だ、と。
安いモデルに替えて何度も打ち直しているなら、それは節約になっていない。
渡す文脈の整理やプロンプトの持たせ方といった、モデルの外側を見直すほうが効く場面は、実際の運用でもよくあります。