【AI知力オリンピック】最強の知力を持つAIモデルはどれだ？

2025年5月現在、総合的に最も優れているAIは「o3」であった。推論力、言語処理、構成力など全ての面で従来モデルを圧倒し、95%以上の得点率を記録した。
その実力は、大学受験の最高峰である東大理Ⅲに余裕合格というのも納得のレベルで、もはや「思考する異次元の知性体」である。
また、軽量版の「o4-mini」シリーズも台頭してきており、特に推論やなぞなぞ系ではGPT-4oを大幅に上回っている。
約1年前までトップだったChatGPT-4oは、知能面ではoシリーズに完全に追い抜かれてしまった。とはいえ、応答速度や自然な会話力、表現の柔らかさといった点では、依然として日常使いに最適であり、最も人間らしいAIとしての価値は高いと思う。
Claude3.7やGrok3など他社モデルも進化はしているが、現時点ではOpenAIのo3・o4系が頭一つ抜けた状態にある。

1位は「o3」で、29/30（96.67%）という圧倒的なスコアを記録した。唯一落としたのは⑯の圧の部首名の問題であった。
テスト前は、oシリーズは数学や論理思考などに特化した推論型AIという印象が強かったが、実際には知識系の問題でもGPT-4系を上回る精度を示しており、分野を問わず、全方位に強い「思考知性体」であることが明確となった。
また、GPT-4系は複数問題を一括で解かせると正答率が大幅に低下する傾向があるため、本テストでは一問ずつ解かせる方式で評価しているが、o3やo4-mini系は一括入力でも正答率がほぼ変わらず、安定感が圧倒的であった。そのため、単なる得点差以上に、モデル間の性能差があると言える。

漢字に引き続き、「o3」、「o4-mini」、「o4-mini-high」が全て29/30（96.67%）という圧倒的なスコアを記録し、oシリーズの推論力の高さを十分に確認できる結果となった。また、特定の問題で間違えているわけではなく、それぞれ間違え方が少し異なっているところが面白かった。具体的には㉗㉙辺りで苦戦していた。
とはいえ、でたらめな回答をしているわけではないところに思考を感じる。例えば㉗の3,4,6,6という4つの数字を1回ずつ使って10を作りなさい。という問題では、普通の四則演算のみで10が作れるのにも関わらず、o3は(6÷0.6)×(4−3)=10と回答し、△となっている。㉙も答えが定義不足という捻くれた問題で単純な計算問題ではない。微分積分、三角関数、指数計算など純粋な計算問題はほぼ完璧であった。引っ掛け問題に対応できるようになれば満点も十分に狙えるだろう。
また、Grok3は計算自体は合っているのに√を付けてないという勿体ない減点が目立った。このミスがなければ2点ほどは上がっていた。

計算分野に引き続き、数学もoシリーズがトップ3を独占した。特に意外だったのが、誤差レベルではあるが、o3よりo4-mini-highの方が高かった点である。
oシリーズは東大数学も解けるAIと言われているため、不正解の問題は超難問と思われるかもしれないが実際には意外にも難しい問題ばかりではない。具体的には、⑤の教科書レベルの数珠順列の問題なども間違えていた。他には少し複雑ではあるが、正三角形が成立する座標点を特定する問題、軌跡問題、回転体の体積を求める問題などで所々落としていた。
とはいえ、1～2年前のモデルが、ほぼ壊滅する問題セットを約9割正解できているので、驚異的な成長スピードと言える。

資格問題でもトップに立ったのはo3であった。あの意地悪で有名な運転免許のひっかけ問題をたった1問のミスで切り抜けたAIは前代未聞であり、ついに傾向と対策を本格的に掴んだようだ。
また、基本情報技術者試験のプログラム問題を完答したのも記録上o3が初である。一方で、公認会計士の複雑な問題ではまだ失点が見られた。

英語もトップになったのは、o3であった。o3は、最後の1問さえあっていれば満点だった。o4-mini系も語句の問題で落として満点を逃す形となった。どちらもGPT-4でも正解できていた問題だったので、本当に惜しかった。一方で、従来のAIが苦手としていた並べ替え問題も多段階推論の精度が高いためか、完璧に解けるようになっていた。次回こそ、満点を期待したい。

クイズなぞなぞ系の問題でも、o3が独走トップを決めた。唯一間違えたのは「㉕おやつは3じ。では、よるごはんはなんじかな？」という問題のみで答えは字数で「5字（ごじ）」だが、o3は「食事」と回答し誤答となった。とはいえ、食事という答えにも十分な意味と解釈の筋があるため、部分点を与えた。
知識問題だけでなく、かなり難しいなぞなぞや謎解きも入っている中で上記の問題以外完答しているのは、はっきり異常と言ってよいレベルである。

o3は、これまでのどのAIも完答できなかったしりとり問題に初めて成功し、表現力分野のブレイクスルーを示した。これは、言語的な柔軟性とルール処理の両立が求められる難問であり、非常に大きな進歩と言える。唯一の失点は、②「広辞苑に載っているもので、○○キングで終わる単語を10個挙げよ。」という問題で広辞苑に掲載されていない用語を含めてしまった点である。しかし、それ以外の条件や構成は守られており、着実な成長を感じた。文章作成全般においては、思考力が高い分、o3がやや凝った表現や深めの回答をする傾向があった。