ChatGPT o1とは何か？推論モデルの仕組み・使い方・o3への進化を完全解説【2026年最新】
室谷ChatGPT o1の話をしましょうか。2024年9月にOpenAIが「o1-preview」を発表したとき、.AI（ドットエーアイ）のコミュニティでも一気に話題になりましたよね。
「今まで見たことのないAIが出てきた」という感じで・・・
「今まで見たことのないAIが出てきた」という感じで・・・
テキトー教師ですね。講座でコミュニティのメンバーさんが「こんなの見たことない」って言ったのがよく覚えてます。
それまでのChatGPTって、プロンプトを投げてすぐ返ってくるのが当たり前だったのが、o1はなぜか「しばらく考えてから」答えが来る。この体験が衝撃だったんですよね。
それまでのChatGPTって、プロンプトを投げてすぐ返ってくるのが当たり前だったのが、o1はなぜか「しばらく考えてから」答えが来る。この体験が衝撃だったんですよね。
室谷そこがo1の本質ですよ。「応答速度の最大化」じゃなくて「思考時間の最大化」に振り切ったモデルなんです。
これ、AIの進化の方向性として見ると、ものすごく大きな転換点だったと思います。
これ、AIの進化の方向性として見ると、ものすごく大きな転換点だったと思います。
テキトー教師「考える前に答える」から「じっくり考えてから答える」へ。この転換を教える側から見ると、受講生さんへの説明の仕方もガラッと変わりましたね。
「AIに正しい質問を投げれば即座に答えが返る」という固定観念を壊すことから始めないといけなかった。
「AIに正しい質問を投げれば即座に答えが返る」という固定観念を壊すことから始めないといけなかった。
室谷o1が出てきたときのOpenAIの説明が面白くて。「Chain of Thought（思考の連鎖）」をモデル自体に学習させた、というんですよ。
今まで私たちがプロンプトで「ステップバイステップで考えて」と指示していた部分を、モデルが自律的にやるようになった。
今まで私たちがプロンプトで「ステップバイステップで考えて」と指示していた部分を、モデルが自律的にやるようになった。
テキトー教師しかも公式のベンチマークを見ると、数学オリンピック（AIME）でGPT-4oが12%の正解率だったのに、o1は74%まで上げてきた。これは単純な賢さの向上じゃなくて、「考え方の質」が変わったということですよね。
室谷ここが本質なんですよ。o1のリリースで「トレーニング時のコンピュート」だけじゃなく「推論時のコンピュート（Test-time Compute）」も重要だ、という考え方が業界に広まったんです。
答えを出すのにどれだけ計算資源を使うか、というスケーリング則の新しい軸ですね。
答えを出すのにどれだけ計算資源を使うか、というスケーリング則の新しい軸ですね。
ChatGPT o1が変えたAIの「考え方」
テキトー教師o1の登場で変わったのは、モデルの「思考プロセスの見え方」もですよね。o1は「思考の痕跡（Chain of Thought）」を内部的に行い、ユーザーには要約された形で見せてくれる。
室谷それが「Reasoning Summary（推論サマリー）」ですね。「○秒間考えました」という表示と一緒に、何を考えたかのダイジェストが出てくる。
この体験がGPT-4oとは全然違う。MYUUUのメンバーも最初は「なんか考えてる...」って戸惑ってましたよ（笑）
この体験がGPT-4oとは全然違う。MYUUUのメンバーも最初は「なんか考えてる...」って戸惑ってましたよ（笑）
テキトー教師コミュニティのメンバーさんも最初は「壊れてる？」って思う方が多くて。待ち時間があることへの慣れが必要でしたよね。
でもここが面白いのは、o1は単にゆっくりなんじゃなくて、「難しい問題ほどじっくり考える」という設計になっている。
でもここが面白いのは、o1は単にゆっくりなんじゃなくて、「難しい問題ほどじっくり考える」という設計になっている。
室谷正確に言うと、強化学習（Reinforcement Learning）でモデルを訓練して、「より良い思考プロセスを踏んだら報酬を与える」という形でトレーニングしてるんですよね。ミスを自分で発見して修正する、アプローチが行き詰まったら別の方法を試す、こういった思考パターンをモデルが学習している。
テキトー教師だから数学の証明問題や複雑なコーディング、科学的な分析みたいな「ステップを踏まないと解けない問題」に圧倒的に強い。GPQA（大学院レベルの化学・物理・生物の問題）でPhD取得者の人間の平均を超えた、というのもここから来てますよね。
室谷ただ一方で、「あなたの好みのコーヒーは何ですか？」みたいな質問には向いてない。考える必要がない問いを深く考えようとして、かえって変な答えが出ることもある・・・
テキトー教師そうそう。これ、講座でもよく説明するんですが「ハンマーで釘を打てる、でもハンマーで書類整理はできない」という例えをするんですよ。
ツールの特性を理解して使い分けることが大事ですね。
ツールの特性を理解して使い分けることが大事ですね。
o1の強化学習がすごい理由
室谷もう少し技術的な話をすると、o1の強化学習（RL）が面白いのは、「スケーリング」の新しい次元を開いたところです。GPT-4oまでは「より多くのデータで事前学習させれば性能が上がる」という方向でした。
o1は「推論時により多く考えさせれば性能が上がる」という軸を追加した。
o1は「推論時により多く考えさせれば性能が上がる」という軸を追加した。
テキトー教師これの何がすごいかというと、実用的にも意味が大きくて。難しい問題は時間をかけて、簡単な問題はさっと答える、という「問題の難しさに応じた思考量の配分」ができるようになったんですよね。
室谷OpenAIの発表資料を見ると、Train-time computeとTest-time computeの両方を増やすと性能が伸び続ける、というグラフが出てきます。これが意味するのは、「いくら賢くしても頭打ちになる」という壁を、o1は別の方向から崩した、ということですね。
テキトー教師この考え方がo3、o4-miniへの進化につながっていくんですよね。後で詳しく話しましょう。
o1、o1-mini、o1-proの違い
室谷o1シリーズは一種類じゃなくて、いくつかのバリエーションがありました。整理してみましょうか。
テキトー教師コミュニティのメンバーさんからも「o1-previewとo1の違いは？」「o1-miniって何が違うの？」という質問がよく来てましたね。
室谷まとめると、こういう構造です。
| モデル | リリース時期 | 特徴 | 主な用途 |
|---|---|---|---|
| o1-preview | 2024年9月 | 初期リリース版。正式版前の先行公開 | テスト・フィードバック収集 |
| o1-mini | 2024年9月 | o1の軽量版。STEMに特化、80%コスト削減 | コーディング・数学に特化 |
| o1 | 2024年12月 | o1-previewの正式版。より安定・高性能 | 幅広い高度な推論タスク |
| o1-pro | 2024年12月 | さらに長時間思考できるo1の上位版 | 最高難度の問題 |
テキトー教師この中でも「o1-mini」がユニークな存在で、o1-previewと比べてSTEM（科学・技術・工学・数学）の推論は互角の性能を保ちながら、一般的な知識については意図的に絞った設計になっている。
室谷MYUUUでエンジニアがコードレビューや数学的なアルゴリズムの検証に使う分には、o1-miniで十分というか、レスポンスが速いぶんむしろ使いやすい場面もありましたね。
テキトー教師Codeforcesというプログラミング競技サイトのEloスコアで見ると、o1-miniが1650、o1が1673でほぼ同等です。コーディングタスクではo1-miniはコスパが非常に良かった。
室谷一方でo1-proは「最も信頼性が必要なときの選択肢」という位置づけでしたね。より長く考えさせることで、難問での正答率を上げる。
ChatGPT Proプラン（月200ドル）でのみ使えるという、かなりのプレミアムモデルでした。
ChatGPT Proプラン（月200ドル）でのみ使えるという、かなりのプレミアムモデルでした。
テキトー教師この「考える時間が長い = 精度が上がる」というトレードオフを、ユーザーが選択できる設計にしたのが面白いと思います。同じ問題でも「即座に答えてほしい」のか「多少時間かかってでも正確に」なのかで、使うモデルを変えられる。
o1の使い方と制限
室谷実際の使い方の話をしましょう。まずo1はどこで使えるか、ですが・・・基本的にChatGPT Plus以上のプランが必要でした。
無料版では使えなかったですね。
無料版では使えなかったですね。
テキトー教師講座で最初によく聞かれた質問は「Freeで使えますか？」でした。残念ながらNoで、Plusプラン（月20ドル）から、という説明を毎回してました。
室谷しかも最初は週あたりの使用回数に制限があって、o1-previewが週30回、o1-miniが週50回という上限設定でした。o1が本当に計算コストが高いモデルだったので、この制限は理にかなっていたと思います。
テキトー教師実際にo1を使うときに向いているタスクをまとめるとこうなります。
- 複雑な数学の問題（微積分、線形代数の証明など）
- 多ステップのコーディング（バグを追跡して根本原因を見つけるなど）
- 科学的な分析（論文の実験結果の解釈、仮説の検証など）
- 複雑なロジック問題（条件が多い意思決定など）
- 長い文章の構造的な分析
室谷逆に「こういう用途はo1じゃなくてGPT-4oでいい」というのもあって、日常的な文章生成、翻訳、要約とか、素早いブレインストーミングとか。o1は「考える必要があるもの」に絞って使うのが正解でしたね。
テキトー教師ここが面白いポイントで、「どのモデルを使うか選ぶ判断力」自体が一種のAI活用スキルになってきたんですよね。「何でもGPT-4o」「何でもo1」じゃなくて、問題の性質に応じて使い分ける。
室谷これ、MYUUUのエンジニアチームでも最初は「とりあえずo1に投げとけばいいでしょ」みたいな感覚があったんですが、実際に使い分けルールを作ってみると生産性が全然違う・・・
テキトー教師「どのモデルに何を聞くか」のガイドライン作り、これ講座でもワークショップとして取り入れるくらい大事なテーマになりましたよね。
o1の制限事項
室谷o1には、GPT-4oにあった一部の機能が使えない制限もありました。初期リリース時点では、画像の読み込み（ビジョン）、Web検索、カスタムGPTとの連携などが制限されていた。
テキトー教師「テキストだけのモデル」として始まって、徐々に機能が追加されていった感じですよね。画像入力（マルチモーダル）はo1の後期バージョンで対応しましたが、当初は純粋にテキストの推論だけという潔い設計でした。
室谷あとシステムプロンプトに関しても初期は制限があって、「あなたは〇〇です」というロールプレイ系のプロンプトが上手く機能しないケースがあった。これはビジネス活用を考えていたエンジニアには地味に困ったポイントでしたね。
テキトー教師ここは正直、o1が「深く考えることに特化したモデル」だった裏返しだと思います。ロールプレイや細かい出力フォーマットの制御よりも、「正しく難しい問題を解く」ことに全リソースを集中させた設計だったと解釈しています。
o1が得意なこと、苦手なこと
室谷o1の活用を深掘りするために、「これはo1でやってよかった」「これはo1は向いてなかった」という実体験を話していきましょうか。
テキトー教師受講生さんのフィードバックを集めていて感じるのは、o1の真価が発揮されるのは「一発で正解を出さないといけない、やり直しが効かない場面」ですね。
o1が圧倒的に強い3つの場面
室谷MYUUUでの実体験で言うと、まず一番活躍したのが「複雑なバグの根本原因特定」です。症状だけ伝えて「なぜこうなるか考えて」と投げると、段階的に仮説を立てて検証していく過程が見えて、最終的に「このライブラリのバージョン間の非互換性が原因」みたいな根本解に辿り着く。
テキトー教師これ、講座でも実演するとめちゃくちゃ反応がいいんですよ。エラーログをそのまま貼って、o1に「なぜこのエラーが起きているか、Step by Stepで分析して」と投げると、推論のプロセスが見えながら解が出てくる。
室谷2つ目は「要件が複雑な仕様決定」ですね。「AとBとCの条件を全部満たしながら、Dという制約がある中でEを実現するには？」みたいな問いに強い。
GPT-4oだと一部の条件を無視したり、簡単な方向に流れがちなのが、o1はちゃんと全部の条件を保持しながら考えてくれる。
GPT-4oだと一部の条件を無視したり、簡単な方向に流れがちなのが、o1はちゃんと全部の条件を保持しながら考えてくれる。
テキトー教師3つ目は「数理的な分析が必要なビジネス判断」ですね。「この施策のROIを計算したい、変数はこれとこれで、前提はこう」という問いに対して、数式を立てて、数値を入れて、感度分析まで自分でやってくれる。
室谷ビジネス的に言うと、o1はコンサルタントというよりも「計算が得意なアナリスト」という感じですね。方向性を決めるのは人間で、その方向性に基づいた計算や分析をo1に任せると最強になる。
o1が苦手な場面
テキトー教師一方でo1が向いていない場面も明確にありました。まず「速度が要求される場面」。
o1はレスポンスに時間がかかるので、チャットボットのようにリアルタイムで会話するには向かない。
o1はレスポンスに時間がかかるので、チャットボットのようにリアルタイムで会話するには向かない。
室谷APIで使うときもここが問題で、o1のレイテンシ（応答時間）はGPT-4oと比べて何倍もかかります。ユーザー体験的にタイムアウトになるケースもあった・・・
テキトー教師「クリエイティブな発散」も苦手な場面ですね。「自由にアイデアを10個出して」みたいな問いは、GPT-4oの方が多様性があって面白いアイデアが出やすい。
o1は「正しいことを一つ導く」ことには強いですが、「あえて突拍子のないアイデアを出す」方向性とは相性が悪い。
o1は「正しいことを一つ導く」ことには強いですが、「あえて突拍子のないアイデアを出す」方向性とは相性が悪い。
室谷あと「短い返答でいい場面」もそうですね。「今日の東京の天気は？」みたいなのに、深く考えた長い回答をしてくる（笑）。
ここは完全にオーバースペックで、コストと時間の無駄遣いになる。
ここは完全にオーバースペックで、コストと時間の無駄遣いになる。
テキトー教師o1は「使う場面を選ぶモデル」だったと思います。でもだからこそ、使う場面にハマったときのインパクトが大きかった。
o1からo3・o4-miniへの進化
室谷o1の後継モデルの話をしましょう。これが面白くて、OpenAIはo2をスキップして「o3」を発表するんですよ。
テキトー教師o2の名前を使わなかった理由は公式には明言されていないですが、欧州の通信キャリア「O2」との商標問題が一つの理由として言われてますよね。
室谷o3が発表されたのは2025年4月で、o3とo4-miniが同時リリースでした。このときの発表が衝撃で、o3は「o1と同じ推論能力を持ちながら、ツール連携ができる」という内容で・・・
テキトー教師ここが大きな進化ですよね。o1は「テキストを考えてテキストを返す」という純粋な推論モデルでした。
o3は「推論しながら、必要に応じてWeb検索してPythonを実行して画像を生成して・・・」という、エージェント的な動きができるようになった。
o3は「推論しながら、必要に応じてWeb検索してPythonを実行して画像を生成して・・・」という、エージェント的な動きができるようになった。
室谷OpenAIの発表で「o3はo1より実際のタスクで20%エラーが少ない」というデータが出ていました。これは単に賢くなったというより、ツールを使って情報を補完できるようになったのが大きい。
テキトー教師o4-miniも面白くて、o3の軽量版なのに、AIMAの数学コンペティションでpass@1が99.5%という驚異的なスコアを出している。しかもPythonインタープリタを使える状態で、という条件付きですが。
室谷これがo1-miniからの進化と比べると面白くて。o1-miniはSTEMに特化するために広い知識を削った設計でしたが、o4-miniはツールを使って知識の不足を補える。
設計の哲学が変わってますよね。
設計の哲学が変わってますよね。
2026年時点でのo-seriesの現在地
テキトー教師2026年現在の状況を整理しておきましょう。ChatGPTのデフォルトはGPT-5.4系になっていて、o1は「レガシーモデル」の扱いになりました。
室谷正確には、2026年2月にOpenAIがChatGPT上でGPT-4o、GPT-4.1、o4-miniを含む古いモデルを段階的に退役させている、という状況ですね。o-seriesの最新は現在o3-proが最上位モデルです。
テキトー教師ただo1の意義は「歴史的な転換点だった」という点では変わらないと思います。o1が「推論にコンピュートをかけることで性能が上がる」という新しいスケーリング軸を証明したから、o3、o4-mini、そしてGPT-5.4の「Thinking」モードへの進化があった。
室谷海外のAI研究者の間では「The o1 moment（o1モーメント）」と呼んだりしますよね。GPT-3.5でChatGPTが一般に広まった「ChatGPTモーメント」に並ぶ、AIの歴史的転換点という評価です。
テキトー教師.AIのコミュニティでも、o1が出た直後の盛り上がりは特別でしたよね。「これはもう普通のAIじゃない」という感覚が共有されていた。
o-seriesの進化ロードマップ
室谷o-seriesのモデルの進化を時系列で見ると、こうなります。
| モデル | リリース | 主な改善点 |
|---|---|---|
| o1-preview | 2024年9月 | 推論モデルの初公開 |
| o1-mini | 2024年9月 | 軽量版、コーディング特化 |
| o1 | 2024年12月 | 正式版、安定性向上 |
| o3 | 2025年4月 | ツール連携、エージェント化 |
| o3-pro | 2025年6月 | o3の上位版、より長時間思考 |
| o4-mini | 2025年4月 | 軽量高性能、コスト効率最大化 |
テキトー教師このロードマップを見ると、o-seriesのコンセプトが一貫していますよね。「より良く考える」という方向性は変わらず、進化するにつれて「ツールを使った情報収集」「マルチモーダルな思考」「エージェント的な動き」が加わっていった。
室谷今後のAIはこの方向に進むと思っていて。「答えを記憶しているモデル」から「その場で考えて解決するモデル」へ。
o1がその最初の大きな一歩だったと感じています。
o1がその最初の大きな一歩だったと感じています。
ChatGPT Plusで使えるの？プランと利用可否
テキトー教師o1の使い方でよく聞かれたのが「どのプランで使えるか」でした。当時の状況で整理しておきますね。
室谷o1がリリースされた当時（2024〜2025年）のプラン別の状況ですが、まとめるとこうなります。
| プラン | 月額 | o1利用可否 | 制限 |
|---|---|---|---|
| Free | $0 | 不可 | - |
| Plus | $20 | 可（週制限あり） | 当初は週30回程度 |
| Pro | $200 | 可（高制限） | o1-proも利用可 |
| Team/Business | $30/ユーザー | 可 | チーム向け制限 |
テキトー教師講座でよく出た質問が「Plusで週30回制限があるって、足りますか？」でした。これが難しくて、普通の会話には30回もいらないんですよ。
でも「o1を使いこなしたい」というヘビーユーザーだと、複雑な問題を何度も試行錯誤するから足りなくなる。
でも「o1を使いこなしたい」というヘビーユーザーだと、複雑な問題を何度も試行錯誤するから足りなくなる。
室谷APIで使う場合は週制限がなくて、使った分だけ従量課金というモデルでした。MYUUUのエンジニアはAPI経由で使っていたので、週制限は関係なかったですね。
ただAPIコストはそれなりにかかるので、予算管理が必要でした・・・
ただAPIコストはそれなりにかかるので、予算管理が必要でした・・・
テキトー教師o1のAPIトークン単価はGPT-4oより高かったので、コスト意識は重要でしたよね。「賢いけど高い」というのが正直な印象で、使いどころを間違えると一気にコストが膨らむ。
室谷2026年現在でいうと、o-seriesの最新モデルへのアクセスはChatGPT PlusまたはProが前提です。特に「高度な推論モデル」へのアクセスはPlusプランから、という方針は変わっていない。
ChatGPTのプラン詳細はで確認できます。
ChatGPTのプラン詳細はで確認できます。
テキトー教師Freeプランにも今はGPT-5.3へのアクセスはありますが、制限付きで。「推論に特化したモデル」を本格的に使いたいならPlusは必須です。
o1のAPI料金（参考）
室谷当時のAPI料金も参考として見ておきましょう。o1のAPIは、入力トークン1Mあたり15ドル、出力トークン1Mあたり60ドルという設定でした。
o1-miniはそれぞれ3ドルと12ドルです。
o1-miniはそれぞれ3ドルと12ドルです。
テキトー教師この料金設定を見ると、「考えさせる = 出力トークンが増える = コストが増える」という関係が見えてきます。o1は深く考えた分だけ出力トークンも多くなるので、単純な問いでも出力量が増えやすい。
室谷だから「コスト最適化」の観点では、「o1は難しい問題にだけ使う」が基本になります。MYUUUでも、問題の複雑度に応じて自動でモデルを切り替えるロジックを作りましたよ。
ChatGPT o1 previewとo1の違いを徹底解説
室谷o1-previewとo1（正式版）の違いって、意外と「何が変わったの？」という質問が多かったですよね。
テキトー教師名前がほぼ同じで、しかもリリース時期も3ヶ月しか違わないので、混乱するのは当然だと思います。
室谷一言で言うと、o1-previewは「先行公開版」で、o1は「正式版（GA）」です。o1-previewはOpenAIが「まず使ってみてフィードバックをください」という形で出したモデルで、安定性や一部機能に制限がある状態でした。
テキトー教師実際に使い比べてみると、o1の方が回答の安定性が高いと感じる場面が多かったですね。同じ問いを複数回投げたときの回答のブレが少ない。
o1-previewは同じ問いでも毎回少し違う答えが来ることがあった。
o1-previewは同じ問いでも毎回少し違う答えが来ることがあった。
室谷o1-previewが出たのが2024年9月12日で、正式版のo1が同年12月5日です。この3ヶ月間でOpenAIは大量のフィードバックを受けて、安全性の改善と性能の向上を行ったとされています。
テキトー教師「o1 preview」というキーワードで検索している人は、「まずo1-previewで試してみた」という当時のユーザーか、「今からo1を使いたい」という人が多いと思います。2026年現在であれば、そもそもo1よりo3を使う方が良いので、o1-previewへの言及は歴史的な文脈で捉えるのが正確ですね。
室谷OpenAI側も「o1-previewを使っている人はo1に移行してください」というメッセージを出していましたよね。o1-previewはあくまで「プレビュー」だったので、正式版がリリースされたら乗り換えが推奨された。
テキトー教師このプレビュー→正式版という段階的なリリース方法は、o3やGPT-5系でも踏襲されていますよね。「先に小さいグループで試して、フィードバックを得てから正式リリース」という手法です。
o1 modelとしての技術的な位置づけ
室谷「o1 model」という視点から見ると、o1はOpenAIのモデルファミリーの中でどういう位置づけだったか、という話もしておきたいですね。
テキトー教師2024年時点でのOpenAIのモデルラインナップは、大きく3系統に分かれていました。GPTシリーズ（汎用）、o1シリーズ（推論特化）、そして画像・音声系の特殊モデルです。
室谷o1シリーズが「o-series」として独立したモデルラインになったことで、「汎用AI」と「推論AI」という分類が生まれました。これはユーザーが「どのモデルを使うか選ぶ」という新しい体験の始まりでした。
テキトー教師海外の開発者コミュニティでは「GPT-4oはeverythingモデル、o1はthinkingモデル」という整理をよくしていましたね。日本でも徐々にその理解が広まった印象があります。
室谷このモデルの多様化は、今でも続いていますよ。GPT-5.4（汎用フラッグシップ）、GPT-5.4 Thinking（推論特化）、GPT-5.4 mini（コスト効率重視）という3系統が並存する形になっている。
o1がその「分岐点」を作ったということですね。
o1がその「分岐点」を作ったということですね。
ChatGPT o1を使いこなすプロンプトのコツ
テキトー教師せっかくなので、o1を使うときのプロンプトのコツを話しましょう。o1はGPT-4oと同じプロンプトを使っても、最高のパフォーマンスが出るわけじゃない。
室谷これは重要ですね。o1のプロンプトは「Chain of Thoughtを指示しなくていい」という点が一番大きな違いで。
テキトー教師GPT-4oのときは「ステップバイステップで考えてください」「まず分析して、次に判断して」という指示を入れることが多かった。でもo1はそれが内部で自動的に起きるので、むしろ「簡潔に問題を伝える」だけでOKです。
室谷o1へのプロンプトで意識したいポイントをまとめると、こういう感じです。
- 問題の背景情報を正確に伝える（コンテキストが多いほど推論の質が上がる）
- 「何を達成したいか」ではなく「今どんな状況か」を詳しく説明する
- 「ステップバイステップで」「まず〇〇して」という誘導プロンプトは不要
- 制約条件は全て最初に伝える（途中で追加すると推論がやり直しになる）
- 出力形式は具体的に指定する（「JSONで出力」「箇条書きで」など）
テキトー教師あと面白いのが「Don't explain, just do it」的な短いプロンプトよりも、「背景を全部伝えた上で問いを投げる」方がo1は力を発揮する。GPT-4oとは逆の傾向があるんですよね。
室谷これは本当にそうで。短いプロンプトだと「どういう意図なのか」を自分で考えて推測する部分が増えてしまって、意図とズレた深い考えをしてしまうことがある。
テキトー教師「情報を全部渡して、あとは考えてもらう」というスタンスがo1には合っている。コンサルタントにブリーフィングをするイメージですよね。
情報が多ければ多いほど、良いアドバイスが返ってくる。
情報が多ければ多いほど、良いアドバイスが返ってくる。
o1の料金と無料で使う方法
室谷o1の料金について、改めて整理しましょうか。「o1 free」で使えるのか、という質問も多かったので。
テキトー教師結論から言うと、o1が現役だった時期にFreeプランで使える状況はなかったです。基本的にChatGPT Plusプラン（月20ドル）が必要でした。
室谷ただ「無料で試す方法はゼロか」というと、期間限定のキャンペーンや、Plusの14日無料トライアルがあった時期に限れば触れることはできた。ただし常設の無料枠はなかったですね。
テキトー教師o1のAPIに関しては、OpenAIのAPIアカウントを作ると最初に無料クレジットが付いていたので、そこで少しだけ試すことはできました。ただ本格的に使うにはクレジットが尽きるのが早かった。
室谷コスト感でいうと、o1のAPIは当時入力1Mトークンあたり15ドル、出力1Mトークンあたり60ドルという設定でした。GPT-4o（同じ頃の価格で入力2.5ドル/出力10ドル）と比べると数倍高い。
テキトー教師でも「費用対効果」で見ると、1回のo1の回答で解決できることが、GPT-4oだと5回試行錯誤しないとできないケースがある。そういう場面では実は割高じゃない、という見方もできます。
室谷MYUUUでも最初は「o1はコストがかかりすぎる」と思っていたんですが、「エンジニアの時間をどれだけ節約できたか」で計算し直すと全然ペイするという結論になりましたね。難しいデバッグが30分から5分に短縮されるなら、APIコストなんて誤差です。
テキトー教師これは教える側でも同じで。「AIツールへの投資をどう考えるか」というのは、.AIのコミュニティでもよく議論になりますよね。
o1のrate limit（制限）の詳細
室谷o1のrate limit（使用量制限）についても整理しておきましょう。これも「o1 limit」という形でよく検索されていましたね。
テキトー教師当時の制限は、ChatGPTでの利用とAPIでの利用で異なっていました。
室谷ChatGPT側では、リリース当初の制限はこうでした。
| モデル | プラン | 制限 |
|---|---|---|
| o1-preview | Plus | 週30メッセージ |
| o1-mini | Plus | 週50メッセージ |
| o1 | Plus | 週50メッセージ（正式版リリース後） |
| o1-pro | Pro | より高制限（明確な数値は非公表） |
テキトー教師この「週制限」が実は使い方を変えましたよね。「制限があるから、本当に使いたいタスクに絞って使う」という意識が自然に生まれる。
室谷逆説的ですが、制限があることで「o1を使うべきタスクの判断力」が鍛えられた側面があります。「これはo1を使う価値があるか？」と毎回考えるようになった。
テキトー教師API側のrate limitは別の体系で、Tier（使用量レベル）に応じて1分間あたりのリクエスト数や1日あたりのトークン数が変わる設定でした。ビジネス利用では上のTierに移行することでより多く使えましたね。
よくある質問（FAQ）
テキトー教師ここで、コミュニティでよく聞かれた質問に答えていきます。
室谷.AIのコミュニティでもo1が出た後しばらくは関連質問が毎週来てましたね。
Q1: o1とo3はどちらを選べばいいですか？
テキトー教師2026年現在の状況でいうと、答えはシンプルで「o3を使ってください」です。o1はレガシーモデルになっているので、新規に選ぶ理由はほとんどない。
室谷o3はo1の機能を全て包含した上で、ツール連携やより高い推論能力を持っています。「o1でできることはo3でもできる」という関係なので、o3に移行するのが正解です。
Q2: o1-miniとGPT-4o-miniはどちらが優れていますか？
テキトー教師これも面白い質問で、「何に使うか」によって答えが変わります。数学・コーディング・科学的な推論ならo1-mini、日常的な文章生成・要約・翻訳ならGPT-4o-miniの方が向いている場合が多い。
室谷コスト面ではGPT-4o-miniの方が安いことが多いですが、STEMの推論精度はo1-miniが圧倒的に高い。「何を解かせるか」でモデルを選ぶという考え方が重要ですね。
Q3: o1はプログラミングに本当に強いですか？
室谷強いです、間違いなく。ただ「長いコードをそのまま貼って直して」というような使い方よりも、「このロジックのどこが間違っているか分析して」「この設計の問題点を列挙して」という分析的な使い方の方が真価が出る。
テキトー教師コミュニティのメンバーさんで「o1でバグ修正してもらったらめちゃくちゃ的確だった」という声が多かったですね。単にコードを書かせるより、「推論が必要な問題」に使うと力を発揮する。
Q4: o1は日本語でも同じように機能しますか？
テキトー教師基本的な推論能力は言語によらないので、日本語でも英語と同等の思考はしてくれます。ただベンチマークは英語で取られているものが多いので、厳密な性能比較は難しい。
室谷実体験で言うと、数学や論理問題の推論では言語の差はほぼ感じませんでした。ただ日本特有の文脈（日本の法律、商慣行など）が絡む問いは、英語ソースベースの訓練データという限界が出てくることもある・・・
まとめ：ChatGPT o1が残したもの
室谷最後にまとめましょうか。ChatGPT o1は「2024年のAI史に残る一本」だったと思っています。
テキトー教師ですね。単に「賢いモデルが出た」ではなくて、「AIが賢くなる方法が変わった」という意味での転換点でした。
室谷o1が証明した3つのことをまとめると：
- 「推論時のコンピュート（Test-time Compute）」がAIの性能向上の新しい軸になる
- 強化学習でモデルに「考え方のパターン」を学習させることができる
- 「即座に答える」だけがAIの価値ではなく、「じっくり考える」価値があるタスクが存在する
テキトー教師この3つが証明されたことで、o3、o4-mini、そして現在のGPT-5.4 Thinkingへの道が開かれた。o1がなければ、今の「考えるAI」の普及はなかったと思いますよ。
室谷.AIのコミュニティで言えば、o1登場後に「このタスクはo1に投げよう」という判断ができる人とできない人で、AI活用の質に大きな差が生まれた。「どのモデルを使うか選ぶ」という新しいスキルが重要になったのが、o1以降だったと思います。
テキトー教師今からo1を単独で使う機会は少なくなりましたが、「o1の考え方」はo3にも、GPT-5.4 Thinkingにも生きています。「難しい問題ほど時間をかけて考えさせる」という使い方の基本は変わっていない。
室谷AIは「道具」ですが、道具の使い方を理解してこそ価値が出る。o1はその意味で、「推論モデルをどう使うか」というリテラシーを普及させたモデルだったんですよね・・・
テキトー教師次回は、o1の後継であるo3を中心に「推論モデルの2026年最前線」を深掘りしていきたいと思います。
