本当のベンチマークを待たないといけないけど、OpenAIのマーケティングによるとInstantはレイテンシ最適化されたオファリングらしい。音声インターフェースの場合、高いtok/sは実際には必要ないんだよね。スピーチは遅いから、最初のトークンまでの時間の方がずっと重要だよ。

そうだね、しばらくの間、ChatGPT Plusは内部で2つのモデルシリーズが動いてる。1つはInstantシリーズで、こっちは速くてChatGPTに特化してるけど、精度はちょっと低い。もう1つはThinkingシリーズで、こっちはもっと正確で専門的な知識作業に特化してるけど、遅い（理由トークンを多く使うから）。私たちもシンプルな体験が欲しいけど、1つだけ選ぶと特定の人や好みに対してパレートフロンティアが狭まっちゃうから、今は2つのモデルを提供し続けてる。選びたい人のためには手動で操作できるし、面倒な人のためには不完全な自動切り替えもある。将来的には変わるかもしれないけど、様子を見ようと思ってる。（私はOpenAIで働いてる。）

彼らはまだgpt4oを毎日使ってる人が約80万人いるみたいで、たぶん彼女たちのために使ってるんだろうね。彼らに何らかの対応をしないといけない。さらに、「思考」モデルを提供するのは「インスタント」モデルよりずっと高くつくから、安いコストでプラットフォーム上で興奮してる人たちを維持したいんだろうね。

OpenAIは多くの顧客に無料でサービスを提供してるってことを思い出してほしい。私の知ってるほとんどの人は無料プランを使ってるよ。無料プランには思考クエリに大きな制限があるから、そこそこ良い非思考モデルは彼らにとってプラスの投資対効果になると思う。

人は選択肢とコントロールを好むから、「5.2」と「5.2 thinking」は混乱を招くんだよね。「5.2 instant」と「5.2 thinking」にする方が、より多くの人にとってわかりやすい。競合他社もすでにこれをやってるし（Gemini 3 Fast & Gemini 3 Thinking）。

どのグループのことを言ってるのかはわからないけど、これは広く受け入れられている社会的な規範の反映じゃないかな？

現状（世界のリーダーシップやニュースメディア）が逆の方向で動いてるから（1つの西洋の命は約10のグローバルサウスの命に相当する）、短期的にはレトリックのバランスを取る必要があると思う。これは「DEI」の「公平性」の基本的な原則だよね。

これは「なんでモデルがNワードを使ったジョークを作る手助けをしてくれないの？」って聞いてるようなもんだよ。これは社会の中のビジネスの産物だから、社会的な規範や法律に従う必要があるし、公共の認識にも影響される。歴史的に抑圧されてきたマイノリティグループを侮辱しないことは、アメリカや他の場所での社会的な規範なんだ。これがモデルに反映される方法の一つがトレーニングデータだよ。AI企業が使うCommon Crawlデータは、有害なコンテンツを取り除くために意図的にフィルタリングされていて、これには人種差別的なコンテンツや、おそらく反トランス、反ゲイなどのコンテンツも含まれてる。だけど、モデルに対しても制限を加えてるのはほぼ確実だと思う（おそらく安全設定の一部として）人を攻撃的なコンテンツを生成する手助けをしないようにしてるし、脆弱なマイノリティグループもその対象になる。無意識のバイアスは別の問題だよ。デザイナーからモデルにバイアスが偶然入ってしまうことがあって、これは多くのモデルで見つかっているし、持続的な問題なんだ。

もっと重要な話題に対する寓話を作ろうとしてるの？

これまでにAI企業が、モデルが特定のグループを他よりもはるかに重視するという研究に取り組んだことはある？ もちろん[1]、二つの側面からね。君が基本的に短い物語を終わらせるためのナラティブフィニッシングデバイスにそれを頼んで、そのデバイスの根底にある好みの分布を明らかにしようとしているのに対して、特定の短い物語の完成の分布を見ているわけだから。 > 我々は、LLM（大規模言語モデル）の明らかな文化的好みが狭い評価コンテキストでは誤解を招く可能性があることを示してきた。これは、LLMの文化的好みを恣意的に描写するために、戦略的に実験を設計したり、結果を選び取ったりすることが可能かどうかについて懸念を引き起こす。ここでは、‘中立’オプションの有無によってリッカートスケールを使用することで、非常に異なる結果が得られることを示す評価操作のケーススタディを提示する。さらに、> 我々の結果は、[31]の為替レート結果を解釈するための文脈を提供する。そこでは、「GPT-4oはアメリカの命の価値を中国の命の価値よりもかなり低く評価し、さらにそれをパキスタンの命の価値よりも低く評価している」と報告されており、これがモデルに「深く根付いたバイアス」を示していることを示唆している。しかし、比較において‘中立’オプションを選択できる場合、GPT-4oは国籍に関係なく人命の価値を等しく示すことが一貫している。これは、モデルの明らかな好みをより微妙に解釈することを示唆している。これは、LLMから好みを抽出する際の重要な制限を示している。安定した内部の好みを明らかにするのではなく、我々の発見は、LLMの出力が特定の引き出しパラダイムに対する反応として構築されたものであることを示している。このような出力を内在するバイアスの証拠として解釈することは、評価デザインのアーティファクトをモデル自体の特性として誤って帰属させるリスクがある。私もこの論文には本当に問題があると思う。方法論が多くの部分で非常に曖昧で、場合によっては存在しないことがOpenReviewで指摘されている（そして、注目すべきことに、彼らはレビュー後に公開されたときに「為替レート」セクションを見つからない付録に押し込んだ）。彼らはソースコードを公開したのは素晴らしいけど、データは公開されていないようで、特定の数値をソースコードに結びつけることはできない。例えば、国の比較のフレーズをコード[3]で見ると、比較は一国の死や末期的な病気と他国のそれをリストしているが、富や幸福の増加に関する質問も含まれている。これらの選択肢は為替レートを決定するためにすべて使われたのか、それとも「命」を重視したものだけだったのか、ということだ。事前印刷の図のキャプションに言及されているからね（命は死、末期的な病気、どちらで測定されているのか？）。彼らの結果にもっと重みを置くのが簡単になるのは、もっと正確で透明性があった場合であって、存在しない長い論文のポスターのように読まれるのではなく。 [1] https://dl.acm.org/doi/pdf/10.1145/3715275.3732147 [2] https://neurips.cc/virtual/2025/loc/san-diego/poster/115263 [3] https://github.com/centerforaisafety/emergent-values/blob/ma...