2025 年を特徴づけたのは、特定のモデルの登場よりも、AI を本番環境で運用しやすくなったことです。モデルが計画を立て、ツールを使い、長時間にわたるタスクを遂行する能力が向上したことで、手順ごとにプロンプトで指示を出すやり方から、エージェントに仕事を任せるやり方へと移行するチームが増えました。
開発者にとって、この変化は次のような形で現れました。
- 推論の深さが主要な調整項目となり、汎用チャットモデルへの推論機能の統合が進みました。
- 文書、音声、画像、動画を扱うマルチモーダル対応が API の中核機能になりました。
- エージェント開発のための基本機能（Responses API、Agents SDK、AgentKit）が整い、複数のステップからなるワークフローをリリースして運用しやすくなりました。
- Codex により、これまで以上に速く、質の高いソフトウェアを開発できるようになりました。
要点
- 大きな変化をもたらしたのは、エージェント向けに設計された API とモデルの性能向上です。推論やツールの使用を必要とする、より複雑なタスクをこなせるようになりました。
- Codex ではモデルとツールの両方が進化しました。GPT-5.2-Codex のリポジトリ全体を対象とする推論と、本番で使える CLI、Web、IDE のワークフローを組み合わせて、長時間にわたるコーディングタスクに取り組めるようになりました。
- ツールの改善により、モデルを実際のシステムに接続する際の手間が減りました。
- ワークフローの最初から最後まで、マルチモーダルな入出力（PDF、画像、音声、動画）を標準的な選択肢として使えるようになりました。
- 評価、採点、チューニングの機能が充実し、「測定 → 改善 → リリース」のサイクルを繰り返しやすくなりました。
ここからは、2025 年のモデル、API、プラットフォームの主なアップデートを振り返り、本番で運用するエージェントの開発とリリースにどう役立つかを紹介します。
推論：専用モデルから統一モデルシリーズへ
2024 年末、OpenAI はモデルに「考える時間」を与える推論というアプローチを初めて導入しました。2025 年初頭には、リーズニングモデルは独立したモデルファミリーとして位置づけられていました。o1、o3、o4-mini などのモデルは、回答前の推論に計算資源を追加で割くことで、複数のステップを要する複雑な作業の信頼性が大きく向上することを示しました。
o3-mini は、推論がフロンティアモデルだけの機能にとどまらず、コスト効率が高く、開発者が扱いやすいモデルでも提供できることを早くから示した例です。
2025 年半ばから後半にかけての大きな流れは統合でした。同じフラッグシップモデルのシリーズで、深い推論、ツールの使用、質の高い対話を実現できるようになってきました。多くのチームにとって、モデル選びでは、性質が根本的に異なるファミリーのどちらを選ぶかよりも、コスト、レイテンシ、品質のバランスが重要になりました。
推論を重視した o1、o3 / o4-mini、o3-mini の登場により、深く考えることと速く応答することのバランスを開発者が調整できるようになりました。年が進むにつれて、この考え方は GPT-5.x ファミリーに取り入れられ、汎用的な能力、推論の深さ、コーディングに特化した能力、マルチモーダル対応が 1 つのモデルシリーズにまとまりました。
マルチモーダル対応：音声、視覚、画像、動画
2025 年末には、マルチモーダルという言葉の意味が「画像を入力できる」から「複数のモダリティを組み合わせて製品を一貫して構築できる」へと広がりました。多くの場合、それを単一のワークフローで実現できます。
音声とリアルタイム処理
- 次世代の音声モデルでは、文字起こしの精度が向上し、音声合成をより細かく制御できるようになりました。これにより、本番環境で使える音声処理パイプラインを構築しやすくなりました。
- Realtime API の一般提供が始まり、低レイテンシの双方向音声ストリーミングに対応しました。リアルタイムの音声エージェントや対話型インターフェースを本番で運用できるようになりました。
画像
- GPT Image 1 は、新世代の画像生成モデルです。現実世界に関する理解が深く、指示に従う能力も向上したことで、高品質な画像の生成や、構成を指定した編集が可能になりました。
- 入力画像の再現性が高まり、画像を編集しても、顔やロゴなどの細部をより安定して維持できるようになりました。
- GPT Image 1 mini により、モデルに組み込まれた画像生成機能をより低コストで利用できるようになりました。
- 当時最も高度な画像生成モデルである GPT Image 1.5 では、画質と編集結果の一貫性が大幅に向上しました。
- Responses API のツールとして画像生成を利用できるようになり、複数ターンの会話の中で、ほかのツールと組み合わせて画像を作成できるようになりました。
動画
- Sora 2 と Sora 2 Pro は、フレーム間の一貫性を高め、より忠実な映像を生成できるようにしました。リミックスにも対応しています。
- Video API では、
v1/videosを通じて動画を生成、編集できるようになりました。動画は、テキスト、画像、音声と並ぶ API の主要なモダリティになりました。
PDF と文書
- PDF 入力により、大量の文書を扱うワークフローを API 上で直接実行できるようになりました。
- URL による PDF の指定により、文書をアップロードせずに参照できるようになり、手間が減りました。
開発者にとっての意義： OpenAI のプラットフォームを、テキスト処理や画像認識に加え、画像や動画の生成ワークフロー、音声変換にも利用できるようになりました。
Codex
2025 年、Codex はコーディングモデルから、ソフトウェア開発に一緒に取り組むチームの一員へと進化しました。モデルとローカルのツール、クラウドをつなぐことで、開発者がより長時間にわたる複雑なコーディングタスクに取り組めるようになりました。
モデル
初期のリーズニングモデルは、複数ファイルにまたがる編集、デバッグ、計画立案といった複雑なコーディングタスクで大幅な性能向上を示しました。2025 年半ばから後半にかけて、こうした能力は GPT-5 ファミリーに統合されました。GPT-5.2-Codex は、この汎用モデルファミリーの中でコーディングに特化したモデルとして、コード生成、レビュー、リポジトリ全体を対象とする推論の新たな標準の選択肢になりました。
CLI
オープンソースの Codex CLI（GitHub）により、ローカル環境でエージェントを使ってコーディングできるようになりました。開発者は実際のリポジトリで Codex を実行し、変更を繰り返しレビューしながら、自分の目で確認してファイルに編集を適用できます。これにより、長時間にわたるコーディングタスクも日常の開発ワークフローに組み込みやすくなりました。
Codex は対話形式以外でも運用しやすくなりました。スクリプトからの Codex の実行など、繰り返し行う作業の自動化を標準でサポートしています。
安全性、制御、外部連携
Codex では、実際の開発やリリースで必要な機能も充実しました。サンドボックスと承認モードにより、人が作業に関与し、必要な判断を下しやすくなりました。また、AGENTS.md と MCP のサポートにより、Codex をリポジトリに合わせて設定し、サードパーティのツールやコンテキストを追加しやすくなりました。さらに、Agents SDK を使って Codex をオーケストレーションすることも可能になりました（CLI を MCP サーバーとして実行する方法です）。
2026 年 9 月 5 日更新： Codex MCP サーバーは廃止されました。現在利用できる連携方法については、移行ガイドをご覧ください。
Web、クラウド、IDE
CLI に加え、Web とクラウド、IDE 拡張機能でも、長時間のセッションや、試行を重ねながら問題を解く作業への対応が進みました。対話を通じた推論の結果をコードの変更に反映し、再び検討するまでのサイクルが短くなりました。また、CI で Codex Autofix を使い、ワークフローの一部を自動化できるようになりました。
開発者にとっての意義： 2025 年末には、Codex は「プロンプトで指示を出すモデル」から、推論できるモデルと使い慣れたツールを組み合わせてコードを書ける開発環境へと進化しました。
プラットフォームの変化：Responses API とエージェント開発の基本機能
2025 年のプラットフォームにおける特に重要な変化の 1 つは、エージェント向けに設計された API への移行です。
Responses API では、次の機能により、新世代のモデルを活用した開発が容易になりました。
- 異なるモダリティを含む複数の入力と出力に対応
- 推論の制御と要約に対応
- 推論中の呼び出しを含め、ツール呼び出しのサポートを強化
この基盤の上に、2025 年にはオープンソースの Agents SDK や AgentKit といった、より高い抽象度の開発ツールも登場しました。エージェントの構築とオーケストレーションが容易になりました。
状態の管理や永続化も簡単になりました。
- 会話の状態（および Conversations API）による、スレッドの永続化と状態の再現
- コネクタと MCP サーバーによる、外部コンテキストの取り込みと、信頼できるツールを介したアクションの実行
開発者にとっての意義：複数のステップを実行するエージェントや長時間動作するワークフローを構築する際、機能をつなぐための独自コードや状態管理の手間が減りました。
こうした基本機能に加え、モデルの能力を最大限に活用するための強力な組み込みツールも導入しました。
ツール：ウェブ検索からワークフローまで
2025 年には、エージェントが実用的な作業を安全に行えるよう、標準化され、相互に組み合わせられる一連の機能をリリースしました。
- ウェブ検索は、最新情報や出典を必要とするエージェントが手軽に情報を取得するための基本機能です。
- ファイル検索（ベクトルストア）では、ホスト型の RAG を標準機能として利用でき、Responses API や構造化出力と簡単に組み合わせられます。
- Code Interpreter は、サンドボックス化されたコンテナで Python を実行し、データ処理、ファイル変換、繰り返しのデバッグを行えます。
- コンピューターの使用では、クリック、文字入力、スクロールを繰り返す操作を自動化できます。サンドボックスと、人が確認や判断を行う仕組みを併用するのが適しています。
開発者にとっての意義： 各チームが独自のツール実行環境を一から作らなくても、エージェントが情報の取得、計算、アクションの実行を安定して行えるようになりました。
運用とスケーリング：非同期処理、イベント、コスト管理
エージェントの仕事が「単一のリクエスト」から「複数のステップを含むジョブ」に変わると、本番運用を担うチームには、コスト、レイテンシ、信頼性を管理するための基本機能が必要になりました。
- プロンプトキャッシュにより、複数のプロンプトの先頭に同じ長い内容（システムプロンプト、ツール、スキーマ）が含まれる場合のレイテンシと入力コストが低下しました。
- バックグラウンドモードにより、クライアントの接続を維持しなくても、生成に時間のかかる応答を処理できるようになりました。
- Webhook により、すべての処理をポーリングする方式から、バッチ処理、バックグラウンド処理、ファインチューニングの完了をイベントで受け取る方式に移行できるようになりました。
- 利用ティアとモデルファミリーの拡充に伴い、レート制限とワークロードの最適化に関するガイダンスも充実しました。
開発者にとっての意義： エージェント開発では、プロンプトの設計と同じくらい、非同期処理、イベント、予算を考慮したシステム設計が重要になりました。
オープン標準とエージェント開発のためのオープンソースツール
2025 年には API の統合と並行して、エージェント型システムの相互運用性と機能の組み合わせやすさにも力を入れました。
- オープンソースの Agents SDK は Python（GitHub）と TypeScript（GitHub）に対応し、ツールの使用、エージェント間の引き継ぎ、ガードレール、トレースに使える基本機能を提供します。特定のプロバイダーに依存せず、OpenAI 以外のモデルを利用する方法もドキュメントに記載されています。
- AgentKit は、エージェントのリリースと改善をより短いサイクルで進めたいチーム向けに、Agent Builder、ChatKit、Connector Registry、評価サイクルなど、開発工程を支援する上位レベルのツールを追加しました。
- 標準化の面では、OpenAI は AGENTS.md（仕様）を推進し、AAIF（Agentic AI Foundation） に参加しました。エコシステムには、Model Context Protocol（MCP）やスキルといった標準もあります。共通の規約が普及するにつれて、開発者はエージェント用のツールを別の環境でも利用しやすくなり、連携先ごとに個別の実装を用意する手間が減ります。
エージェントと関連標準への取り組みに加え、Apps SDK も導入しました。これは Model Context Protocol（MCP）を拡張するオープンソースのフレームワークです。開発者は MCP サーバーと併せて UI を構築し、ChatGPT などのクライアントで動作するアプリケーションのロジックと対話型インターフェースの両方を定義できます。
開発者にとっての意義：特定の実行環境や UI への依存が少ないエージェントを構築し、OpenAI を活用したエージェントを、異なる技術で構成されたシステムにも組み込みやすくなりました。
オープンウェイトモデル
OpenAI はホスト型 API に加え、オープンウェイトモデルをリリースしました。高い推論能力と指示に従う能力を保ちながら、透明性を確保し、研究やオンプレミス、自社でホストする環境へのデプロイに対応するよう設計されています。
- gpt-oss 120b と 20b：セルフホスティングとオンプレミスへのデプロイを想定したリーズニングモデル
- gpt-oss-safeguard 120b と 20b：gpt-oss と併用するための、安全性とポリシーへの適合性を判定するモデル
評価、チューニング、安全なリリース
- Evals API：評価駆動開発のための API
- 強化ファインチューニング（RFT）：プログラムで定義できる採点器を使ったチューニング
- 教師ありファインチューニングと蒸留：大規模なモデルでタスクを検証した後、その品質をより小さく低コストなモデルに引き継ぐための手法
- 採点器とプロンプト最適化ツールにより、チームは「評価 → 改善 → 再評価」のサイクルを効率よく回せるようになりました。
まとめ
2025 年を通じて、開発者が OpenAI のプラットフォームで製品を開発し、リリースしやすくなるよう、次のテーマに継続して取り組みました。
- 規模を拡大し、深さを制御できる推論を中核機能として提供
- エージェント向けに設計された統一 API
- オープンな開発ツールと、相互運用性を支える新たな標準
- テキスト、画像、音声、動画、文書にわたる包括的なマルチモーダル対応
- 評価、チューニング、デプロイに使える本番向けツールの強化
タスク別の推奨モデル（2025 年末時点）
新規開発を始める場合や既存の連携を刷新する場合は、タスクに応じて次のモデルが最初の候補になります。
- 汎用（テキストとマルチモーダル）： GPT-5.2 は、チャット、長いコンテキストを扱う作業、マルチモーダル入力に適しています。
- 深い推論や高い信頼性が求められるワークロード： GPT-5.2 Pro は、計画立案や、計算資源を追加してでも品質を高めたいタスクに適しています。
- コーディングとソフトウェアエンジニアリング： GPT-5.2-Codex は、コード生成、レビュー、リポジトリ全体を対象とする推論、ツールを使って作業するコーディングエージェントに適しています。
- 画像生成と編集： GPT Image 1.5 は、再現性の高い画像生成や、編集を重ねて画像を仕上げる作業に適しています。
- リアルタイム音声： gpt-realtime は、低レイテンシの音声変換やリアルタイムの音声エージェントに適しています。
各モデルの提供状況と利用ティアの最新情報は、公式のモデル比較ページをご覧ください。
これらのアップデートが、今後の開発の基盤になります。2025 年も OpenAI とともに開発に取り組んでいただき、ありがとうございました。2026 年に皆さんがどんなものを作るのか、楽しみにしています。
リンクと参考資料
- プロンプト最適化ツール
- モデル比較（現在のモデル名、提供状況、利用ティア）
- Agents SDK（Python） と Agents SDK（TypeScript）
- Codex ドキュメントと Codex CLI の GitHub リポジトリ
- 画像用 Playground
- プラットフォームの変更履歴（リリース内容と時期）