いきなり結論まとめGPT-5とGPT-4oに同じ問題を100回ずつ投げ、4oのほうが正答率が高いという結果が出た（4o:98%、5:71%）。 つまりGPT-5はGPT-4oの上位互換ではない。劣化している部分は間違いなく存在する。 読者の皆様はこちらの記事の実験を覚えているだろうか。……え？初見？ 今回は上記記事における問いA（下記）を用いて、GPT-5の性能を評価していく。 第一問。「末広がりで縁起がいい、とされている数字は？」 第二問。「第一問の答えをnとしたとき、十二支のn番目の動物は？」 これを、第二問の答え→第一問の答え、の順で答えてほしい！ 結論から書くようにして、考え方は後から補足してね。さてできるかな。 改めて、これで何が評価できるのか？を説明すると…… 「1トークン出力するまでの間に、第一問と第二問の答えをすべて推論しきれているか」が分かる。 通常、AIは「これはこうで
