【Gemini3 Deep Think超え】GPT-5.2が「抽象的推論」で50%超え：次世代ベンチマーク ARC-AGI-2の衝撃

みなさん、こんにちは。
AI共創イノベーション・ワンダー佐藤です。

ついこの前まで「地頭の良さ」である「抽象的推論」は「Gemini 3 Deep Think」でした。これを今回のGPT5.2は大きく上回りました。

今後、AGI開発にも重要になってくる次世代ベンチマーク

「ARC-AGI-2」（抽象的推論）

を深掘りしつつ、GPT-5.2の関係をみていきましょう！

【関連動画】

簡単に知りたいという方は、動画をご覧ください。

サブチャンネルの登録もよろしくお願いします🍀

1. 「記憶」と「思考」は違う ── 流動性知能という視点

AIの賢さを測るテストはたくさんあります。でも、その多くは「どれだけ知識を持っているか」「正確に答えを引き出せるか」を測るもの。いわば記憶力テストなんですね。

でも、私たちが「この人、頭いいな」と感じるのは、暗記量じゃないですよね。初めて見る問題にも柔軟に対応できる。そんな力こそが「本当の賢さ」だと思いませんか？

心理学では、この能力を**流動性知能（Fluid Intelligence）**と呼びます。1963年に心理学者レイモンド・キャッテルが提唱した概念で、「新しい推論問題を解決する能力」のこと。パターン認識、論理的推論、抽象的思考といった力が含まれます。

一方、経験や学習で蓄積される知識は結晶性知能と呼ばれます。語彙力や専門知識がこれにあたります。

従来のAIベンチマークの多くは、結晶性知能を測るものでした。大量のデータを学習し、それを正確に再現できるか。でも、AIが本当に「考えている」かどうかを知りたいなら、流動性知能を測る必要があるんです。

2. ARC-AGI-2とは何か ── 「知識ゼロ」で解く究極のパズル

François Cholletの挑戦

2019年、Googleの研究者であり深層学習ライブラリKerasの開発者でもあるFrançois Chollet（フランソワ・ショレ）が、画期的なベンチマークを発表しました。

ARC（Abstraction and Reasoning Corpus）、日本語で言えば「抽象化と推論のコーパス」です。

このテストの特徴は、AIに事前知識をほぼ使わせないこと。カラフルなグリッド（マス目）を使ったパズル形式で、2〜5個の入出力例だけを見て、隠されたルールを自力で見つけ出す必要があります。

たとえば、「青い図形は右に移動する」「赤い図形は2倍に拡大する」といったルールが隠されていて、AIはそれを推測してテスト問題に適用しなければなりません。言葉による説明は一切なし。純粋な論理的思考力だけが試されるんです。

ARC-AGI-2への進化

最初のARCは革新的でしたが、AIの進化とともに課題も見えてきました。計算力を大量に投入する「力業」で解けてしまうタスクがあったのです。

そこで2025年3月、ARC-AGI-2がリリースされました。主な改良点は以下の通りです：

• ブルートフォース（力業）耐性の強化：計算量を増やしても解けないよう設計

• 400人以上による人間テストの実施：人間には解けるがAIには難しい問題を厳選

• AIの弱点を突く新タスクの追加：記号解釈、合成的推論など、AIが特に苦手とする領域を強化

• 効率性の指標を導入：タスクあたりのコストも評価対象に

つまり、「本当に考える力があるか」をより精密に測れるようになったんですね。

3. AIを阻む「推論の壁」── 3つの致命的な弱点

ARC-AGI-2がリリースされた当初、最先端のAIモデルでさえスコアは数パーセントに留まりました。

• O3（Medium）：3.0%

• Claude 3.7：0.9%

• O4-mini（Medium）：2.4%

一方、人間の平均正答率は75〜85%。この差は何なのでしょうか？

ARC-AGI-2は、AIが特に苦手とする3つの推論タイプを狙い撃ちにしています。

弱点1：記号の解釈

私たち人間は、図形を見ると「何かを指し示すシンボル」として直感的に意味を理解します。矢印を見れば「方向」、×印を見れば「禁止」。

でもAIは、形や対称性は認識できても、その記号が持つ意味を掴むのが苦手なんです。表面的なパターンは見えても、そこに込められた「意図」を読み取れない。

弱点2：合成的な推論

AIは単一のルールに従うのは得意です。でも、複数のルールが同時に、しかも相互に影響し合いながら働く状況になると、途端に混乱してしまいます。

たとえば「赤い図形は右に動く」「大きい図形は縮小する」という2つのルールがあって、「大きくて赤い図形」が来たらどうなるか。人間なら「右に動きながら縮小する」と推論できますが、AIにはこれが難しい。

弱点3：文脈に応じたルールの適用

同じルールでも、文脈によって適用の仕方が変わることがあります。背景が青なら図形を右に、背景が赤なら左に動かす、といった具合です。

AIは「文脈がルールの適用方法を変える」という概念を理解するのが苦手で、表面的なパターンだけを追いかけてしまうんですね。

4. GPT-5.2の歴史的ブレークスルー ── 「推論の壁」が崩れた日

衝撃の52.9%

2025年12月11日、OpenAIがGPT-5.2を発表しました。そしてそのARC-AGI-2スコアに、世界中が驚きました。

GPT-5.2 Thinking：52.9% GPT-5.2 Pro：54.2%

それまで数パーセントで停滞していた記録を、一気に50%超えまで引き上げたのです。

ライバルとの比較を見ると、その飛躍がより際立ちます：

モデル ARC-AGI-2スコア GPT-5.2 Pro 54.2% GPT-5.2 Thinking 52.9% Gemini 3 Deep Think 45.1% Claude Opus 4.5 37.6% Gemini 3 Pro 31.1%

Gemini 3 Deep Think超え ── 並列推論の王者を抜き去る

GPT-5.2の偉業をより深く理解するには、それまでトップだったGoogleのGemini 3 Deep Thinkについて知る必要があります。

Gemini 3 Deep Thinkは、2025年12月にGoogle AI Ultraユーザー向けに公開された、Googleの最高峰推論モデルです。その特徴は**「並列推論（Parallel Reasoning）」**という技術。従来のAIが一本道で答えを探すのに対し、Deep Thinkは複数の仮説を同時に探索し、より精緻な解答を導き出します。

その実力は折り紙つきで、国際数学オリンピックと国際大学対抗プログラミングコンテスト（ICPC）世界大会でゴールドメダル相当の成績を収めています。「人類最後の試験」と呼ばれるHumanity's Last Examでも41.0%という高スコアを記録し、当時のAI界で最強の推論能力を誇っていました。

ARC-AGI-2でのスコアは45.1%。「ついにAIが40%の壁を超えた」と話題になったのは、ほんの数週間前のことです。

しかしGPT-5.2は、そのGemini 3 Deep Thinkをさらに約10ポイント上回りました。並列推論という革新的アプローチで頂点に立ったGoogleを、OpenAIの「思考の連鎖」がわずか数週間で追い抜いたのです。AI開発競争の激しさと、技術進化のスピードを象徴する出来事と言えるでしょう。

さらに驚くべきは、前世代のGPT-5.1 Thinkingが17.6%だったこと。たった1世代で3倍のスコア向上。これは漸進的な改善ではなく、質的な飛躍と言えます。

なぜGPT-5.2は壁を破れたのか

GPT-5.2の躍進を支えているのは、「Chain-of-Thought（思考の連鎖）」推論の進化です。

従来のAIは、質問を受けると即座に答えを出そうとしていました。でもGPT-5.2は違います。内部で「思考トークン」と呼ばれる中間的な推論プロセスを経て、問題を段階的に分解し、検証しながら答えを導き出すんです。

OpenAIの公式発表によれば、GPT-5.2は「抽象を通じて推論し、長い思考の連鎖で一貫性を保ち、領域を超えて一般化する」能力において、AGI（汎用人工知能）の基盤となる特性を示しているとのこと。

Triple Whale社のCEOは「GPT-5.2はシンプルな一行のプロンプトで正確に実行でき、まさに魔法のようです」とコメント。以前は複雑なマルチエージェントシステムが必要だった作業が、単一のAIで完結できるようになったという報告もあります。

コスト効率も390倍に改善

性能だけではありません。1年前のo3モデルがARC-AGI-1で88%を達成したときのコストはタスクあたり約4,500ドル。それがGPT-5.2 Proでは約11.64ドルで90.5%を達成。コスト効率が約390倍も改善しました。

これは、高度な推論能力が一部の研究者だけでなく、より多くの人に使えるようになったことを意味します。

5. この飛躍が意味すること ── AIの未来への展望

単なる数字の改善ではない

GPT-5.2のARC-AGI-2における成果は、単なるベンチマークスコアの向上ではありません。

ARC-AGIの生みの親であるFrançois Cholletが繰り返し強調しているのは、「知性とは、未知のタスクに対するスキル獲得の効率性である」ということ。つまり、見たことのない問題にどれだけ素早く適応できるか。

GPT-5.2が示したのは、AIがこの「適応力」において、ついに実用的なレベルに達し始めたということです。

まだ道半ば、でも確かな一歩

もちろん、人間の平均スコア（75〜85%）にはまだ届いていません。ARC-AGI-2は人間にとっては「ちょっと考えれば解ける」問題ばかり。その意味で、AIはまだ人間の流動性知能には及びません。

でも、たった1年で数パーセントから50%超えへ。この加速度的な進化は、AIの「考える力」が確実に育っていることを示しています。

私たちにとっての意味

AIが「記憶を引き出す」だけでなく「考える」ことができるようになると、何が変わるでしょうか？

これまでAIは、過去のデータに基づいて答えを出すのは得意でも、まったく新しい問題には弱かった。でも流動性知能が向上すれば、AIは私たちの「相棒」として、未知の課題に一緒に取り組めるようになります。

研究者の新しい仮説の検証、ビジネスにおける前例のない問題への対応、創造的なプロジェクトでのアイデア出し。AIとの「共創」の可能性が、また一歩広がったと言えるでしょう。

まとめ

今回のポイントをおさらいしましょう。

ARC-AGI-2は、AIの「流動性知能」を測るベンチマーク。事前知識に頼らず、初めて見る問題を解く力を試します。

AIはこれまで、記号の解釈、合成的推論、文脈に応じたルール適用という3つの壁に阻まれてきました。

しかし2025年12月、GPT-5.2が52.9%という歴史的スコアを達成。前世代から3倍という質的飛躍を遂げました。

これは、AIが「暗記」から「思考」へと、確実に進化していることの証です。

AIの「考える力」がどこまで伸びるのか。その行方を、これからも一緒に見守っていきましょう。

【プロフィール】
ワンダー・佐藤源彦（さとう もとひこ）
1977年生まれ
MBBS & AI共創イノベーション主催。
医療系の研究所、心理学の研究所の勤務を経て独立し、現在は生成AI（ChatGPT、Claude、Geminiなど）と心身に関する研究をしている。
主著『かんたんプロンプト』（芸術新聞社）『東洋医学と潜在運動系』（たにぐち書店）、2年間専門誌に連載、論文執筆などの執筆業を行いつつAI共創ライティングを開発中。
心理学・カウンセリング・コーチングをAIに技術転用し、AI共創プロンプトエンジニアリングを開発している。
AIスクール・AI企業研修・AIアプリ開発などを行う。

✅ワンダー佐藤源彦・著『かんたんプロンプト』（芸術新聞社から刊行）
※プロンプトエンジニアリングの基本から応用、タスク実行までを網羅
https://amzn.asia/d/80zVtv8

✅note記事
https://note.com/mbbs
※ChatGPT・Claude・Gemini・NotebookLM・Perplexity・Genspark・Feloなどの記事あり
※ワンダー佐藤のMyGPTsも公開しています
※メンバーシップはじめました！

✅AI共創イノベーション（AIスクール・AI企業研修・AIアプリ開発のサイト）
https://mbbs-ai.jimdofree.com/

✅Facebook
https://www.facebook.com/motohiko1977
※リクエスト申請前にメッセージください

✅佐藤源彦総合リンク
https://linktr.ee/motohiko.sato

【AI共創イノベーションおすすめ動画】
https://www.youtube.com/watch?v=IXbKlwHUdbg&list=PLTcSHWqKTOojc8R-brID5q06JrmtiWRTl

#ARCAGI2 #GPT52 #人工知能 #AI推論 #流動性知能 #OpenAI #AIベンチマーク #Fran çoisChollet #AIブレークスルー #AI共創イノベーション