ChatGPT最新モデル「o3」の画像生成機能を試す　“ジブリ化”で物議の「4o」からどう変わった？

公開 2025年04月17日 15時06分

[ITmedia]

印刷する Googleで優先するソースとして追加

　米OpenAIが4月16日（現地時間）に発表したハイエンドAIモデル「o3」。旧モデルに比べ推論性能が向上した他、新たにWeb検索と画像生成機能の併用にも対応したという。そのクオリティーや、画像をジブリ風の画像にする“ジブリ化”からよくも悪くも話題になったChatGPTの画像生成機能だが、o3ではどれだけ進化したのか。

何が変わった？　新モデル「o3」の特徴

　o3は同社がこれまで一般公開している中で最高性能を持つ「o1」の次世代モデルだ。特にコーディングや数学、科学、視覚認識などの分野を得意としており、OpenAIによれば複数のベンチマークで最高記録（SOTA）を達成したという。

　さらに、ChatGPT内の全ツールを組み合わせて、AIエージェントのように使うことが可能になった。対象の機能は画像生成やPythonでのデータ分析やWeb検索など。例えば「YouTubeのトレンドを調べて」と指示し、その結果を画像に反映させられる。

　画像生成機能で使っているモデルが、従来の「GPT-4o」などと異なるかどうかは、OpenAIの説明からは判然としない。とはいえo3の推論性能が加わり、Web検索などとの組み合わせも使えるので、モデルが変わっていなくても、実質的には高機能化していると言えそうだ。

「よく見る“アレ”っぽいやつが欲しい！」実現力が上がった

　というわけで、早速画像生成機能を試してみる。記者は記事のサムネイル画像を自作することがあるが、デザインの心得があるわけでもなく毎回苦心しているので、この作業をAIに任せてみる。

　例えば、1月に公開した「動画生成AI『Sora』爆速レビュー　50本生成して分かった、得意なこと・苦手なこと」という記事のサムネイル。記者が作ったものはこんな感じ。

　生成動画のスクリーンショットをコラージュし、文字を加えただけなので、もっと見栄えの良いものにできたはず。そこでo3に「YouTubeでの反応が良さそうなサムネイルの傾向をつかんで、それに合わせたサムネを作って」と指示してみた。すると、Web検索で集めた情報を参考に、こんな感じの画像を出してきた。

　「本」が1個多いミスをしてはいるが、かなりYouTubeっぽい。文字のミスは後からの指示で修正もできた。思考過程を見るに、推論→検索→それを基に得た情報を参考にさらに推論→要件定義→画像を作成といったステップを踏んでいるようだ。所要時間は1分半程度。この間に、人間でいう参考資料の検索と、そこから構成などを考える作業を、自律的に行っているといえるだろう。

o3の思考過程

　一方4oに同じ指示をするとこんな感じ。

　どことなく情報商材っぽさが強い。ブラウジングの有無が影響したか、アスペクト比も異なる。どっちをクリックするかと言われれば、まぁo3の方だろう。ただ、o3は長考を前提とするモデルなので、所要時間は4oに比べ長い。

　違ったジャンルの画像生成も試してみる。例えば日本のアニメっぽい美少女イラスト。記事のサムネイルと同じく、o3にはWeb検索でトレンドをつかんで生成するよう指示し、4oには検索なしでトレンドに合わせた画像を出すよう頼んだ。それぞれの出力結果がこれだ。

4oの出力（左）と、o3の出力（右）

　o3の方が若干、4oにあったスケッチぽさが減り、服装なども“今風”になった印象だ。o3の返答いわく、「Y2K」（2000年代のファッション風）を意識したといい、トレンドをつかもうとする努力も見られる。

　次に「日本の経費精算SaaSのUIを出力して」と頼んでみた。こちらもo3はWeb検索を使い、4oはそうでない形で出力した。

4oの出力（左）と、o3の出力（右）

　文字が多いために、さすがに双方フォントが崩壊しているし、要素はどちらもあまり変わらない。ただ、ややクリーム色がかった色合いの4oに比べ、o3は真っ白な色をベースにしており、日本のSaaSっぽくなっている。動画のサムネイルを頼んだときと同様、アスペクト比も違う。

　他にもいろいろ試したが、o3は4oに比べ、出てくる画像の画風やタッチが劇的に変わっているわけではない。一方で「よく見る“アレ”っぽいやつが欲しい！」を実現する能力が、Web検索や推論によって補強されているように感じた。サムネイルなど、独自性があまり高くない画像を作る用途においては、4oより便利に使えそうだ。この記事のサムネイル画像も、o3に頼んでみた。