GPT-5がRetellで利用可能になりました。
当社のプラットフォームにGPT-5ファミリーを追加しました。これはこれまでで最も高度な言語モデルです。これにより、エージェントの会話がよりスマートになり、多くの場合コストの削減にもつながります。
GPT-5はAI音声エージェントにとって何を意味するのか?
GPT-5は推論モデルであり、OpenAIのサイトの比較が示すように、従来のモデルよりも大幅に高い知能を発揮します。その高度な推論能力により、次のことが可能になります。
- 複雑な指示のより深い理解
- マルチターン会話における強力なコンテキスト保持
- さまざまなシナリオにわたる、より正確でニュアンスのある応答
推論モデルは通常、軽量モデルよりも動作が遅く、サブ秒単位の応答が重要となるリアルタイムアプリケーションに影響を及ぼす可能性があります。
これに対応するため、当社は音声エージェントのオプションにGPT-5 Minimalを統合しました。このバリアントはGPT-5の推論能力の一部を保持しつつ、より高速な応答時間に最適化されています。標準のGPT-5モデルほどの完全な知能レベルには達しませんが、向上した推論とリアルタイム利用に許容できるレイテンシ(遅延)とのバランスを提供します。
推論モデルをリアルタイムエージェントに導入するのは今回が初めてです。当社は品質を犠牲にせずにどこまで最適化を進められるかを積極的に検証しています。現時点では、GPT-5 Minimalは速度と知能のバランスを取るためにバックエンドで使用されており、実運用から学びながらアプローチを継続的に改善していきます。
どのモデルを選ぶべきか?
1. 高い知能を要する複雑なワークフロー向け
(例:高度なカスタマーサポート、予約のスケジューリング、多用な関数呼び出し)
| モデル |
GPT-5 (minimal) |
GPT-4.1 |
GPT-4o |
| モデルタイプ |
推論モデル |
推論なしテキスト優先LLM |
推論なしテキスト優先LLM |
| 知能 (IFBench) |
46% |
43% |
34% |
| レイテンシ |
中~高 (1000ms) |
中 (720ms) |
中 (750ms) |
| 料金 |
$0.04/min |
$0.045/min |
$0.05/min |
推奨:
GPT-5はGPT-4.1やGPT-4oと比べてわずかに高い知能を提供しますが、その推論能力ゆえに応答時間が遅くなるという代償があります。速度が重要となるほとんどのリアルタイム音声エージェントのユースケースでは、GPT-5miniまたはGPT 4.1がより良い選択肢となります。将来的な改善によってレイテンシが低減すれば、GPT-5はより実用的になります。
2. 軽量で高速なタスク向け
(例:リード選別、アンケート回収)
| モデル |
GPT-5 Mini (minimal) |
GPT-5 Nano (minimal) |
GPT-4.1 Mini |
GPT-4.1 Nano |
GPT-4o Mini |
| モデルタイプ |
推論モデル |
推論モデル |
推論なしテキスト優先LLM |
推論なしテキスト優先LLM |
推論なしテキスト優先LLM |
| 知能 |
このグループ内で最高 |
高 |
高 |
中 |
中 |
| レイテンシ |
中 (800ms) |
中 (700ms) |
低 (550ms) |
低 (500ms) |
中 (650ms) |
| 料金 |
$0.012/min |
$0.003/min |
$0.016/min |
$0.004/min |
$0.006/min |
推奨:
推論の恩恵を受けられる小規模なタスクには、GPT-5 Miniが有力な選択肢です。しかし、ワークフローが速度に敏感で、深い推論を必要としない場合は、GPT-4.1 Miniをお使いください。 コストが最優先事項であれば、GPT-5 Nanoは高い知能を維持しつつ最も安価な価格を提供します。
まとめ
- GPT-5:レイテンシが改善されれば知能の可能性が開ける
- GPT-5 Mini:低コストで高い知能、リアルタイムエージェントに適したバランス
- GPT-5 Nano:推論やレイテンシの向上を必要とせず、コストを重視するビジネスに最適
テストにおいて、GPT-5モデルはわずかに高いレイテンシを示しました。初期のトラフィックが多かったことが要因かもしれませんが、コスト効率と知能の向上により、試す価値は十分にあります。今後もパフォーマンスの監視を続けていきます。
今後の展望:GPT-5が可能にすること
GPT-5は、次のことができるエージェントへと私たちを一歩近づけます。
- 複雑な指示をより確実に実行し、より複雑な多段階ワークフローを可能にする
- ライブ通話中に多段階の推論をシームレスに実行する
- ユーザーの感情や意図に合わせて会話のスタイルを動的に適応させる
- 自然言語(JSONだけでなく)を使ってツールを作成・呼び出す ※これはすでに他のモデルでもサポートされているため、GPT-5に固有のものではありません。
これらの機能は成熟し次第、引き続き検証・展開していきます。