OpenAI が GPT-5.6 Sol の新機能として、自動ファインチューニング能力を実証した。従来は senior researcher の手によるモデル改善を、GPT-5.6 Sol が最小限のプロンプト指示で自律的に実行できるようになったという。さらに、Sol に搭載された 5 つの推論レベルと Max/Ultra モードの使い分けガイダンスも発表され、開発者が最適なトークン効率を実現する道が開かれた。

自動ファインチューニングが実現した「研究者の自動化」

OpenAI の internal Recursive Self-Improvement（RSI）ベンチマークで、GPT-5.6 Sol は前世代の GPT-5.5 を 16.2 ポイント上回った。従来であれば、このような成果は senior researcher チームが数週間にわたって試行錯誤を重ねた結果だ。今回、Sol は単一の「fairly underspecified prompt」（かなり不完全なプロンプト）に基づいて、Luna というより小さなモデルに対する最適なファインチューニング戦略を独力で発見・実行したという。

Sol が自動で行ったのは、以下のような作業である。

  • 適切な学習設定の特定
  • GPU 環境の選定と構成
  • 学習スクリプトの実行
  • パフォーマンス評価

OpenAI の research チームは、internal のメトリクスで daily token output per active researcher が前回測定時から 2 倍以上に増加したと報告している。pull request 数や実験サイクルも同様に加速しており、個別の researcher が leverage できるパワーが大幅に高まったと述べている。

一人の OpenAI 研究者は「previously, これはシニア研究者チームが何週間も費やすようなタスクだった。今は自動化された研究者がかなり近い」とコメントしている。

5 つの推論レベル + Max/Ultra モードで用途に応じた活用

GPT-5.6 Sol には 5 つの推論レベルが段階的に用意されている。OpenAI employee の Vaibhav Srivastav が、各レベルの適切な用途を整理した。

Light と Low は単純なタスク向け。事実の検索、簡潔な説明生成、定型作業の自動化などが該当する。応答速度を優先し、複雑な推論は不要なケースだ。

Medium は計画策定と分析。データの比較検討、複数ステップのワークフロー設計、戦略的な判断が求められるが、時間に余裕がある場合に適している。

High と xhigh は複雑な多段階タスク。数学の証明、複雑なコード設計、ドメイン知識を要する問題解析などが対象だ。xhigh に進むほど、推論の深さと精度が上がるが消費トークンも急増する。

さらに、Sol には通常の推論のいずれかのレベルに加えて、2 つの強化モードがある。

Max モード は単一の問題に対して extended processing time を割り当てる。より深い思考の連鎖を使って取り組むため、精度が上がるが応答時間が延びる。

Ultra モード は複数の sub-agent を並行で配置し、異なる部分を同時にアプローチする。大規模なコードセキュリティ監査やマルチファセットな分析が必要なケースで本領を発揮する。ここは agentic 時代を見据えた設計と言える。

開発者への推奨——「下から始めよ」

Srivastav の推奨は明快だ。begin with lower settings and escalate only when needed（下位レベルから始めて、必要に応じてのみ段階を上げよ）。特に前世代から移行するユーザーは「start one level lower than they’re used to（いつもより 1 段階下を選ぶこと）」と忠告している。

理由は単純。higher tiers は substantially more tokens を消費し、API コストに直結するからだ。ユーザー側で各自のユースケースに応じたベンチマークが必要になる見通しも示唆されており、「最適レベルの選択」は技術的な試行錯誤を伴う作業となる。

これは、OpenAI が単なる「高性能モデルをリリース」するのではなく、開発者が cost と performance のバランスを intentional に設計する権限を渡す戦略を採っていることを示している。

ユーザー・開発者にとっての意味

自動ファインチューニングが確立されれば、企業や開発チームが proprietary データに基づいて internal モデルを継続的に改善することが容易になる。これまでは external LLM provider の released model に依存するしかなかったが、自分たちのドメインに特化した model improvement が autonomous に進む可能性が開かれた。

同時に、推論レベルの explicit な使い分けは、API cost の最適化を開発段階から設計思想に組み込むことを促す。「使える」だけでなく「使い分ける」の文化が developer community に根付けば、LLM infrastructure の sustainability も向上する。