Artificial Analysis

総パラ30B台・活性3B級という設計はもう定番で、Qwen3.6-35B-A3BやCohereのNorth Mini Code 30B-A3Bが同じ形を先に出している。

なぜ今かといえば、常時動くエージェントでは賢さより速度と単価が効くからで、約670トークン/秒はそこを狙った数字だ。

チップ会社が自ら重みを公開するのは自社GPU上の推論需要を自分で作る動きとみられ、これは性能競争というより市場づくりだ。

Apache 2.0 は Gemma 4 や Qwen3.6 が既に使う標準で、月間7億ユーザー条項を残した Llama 4 のほうがむしろ例外だった。

なぜ今かと言えば、旗艦 Muse Spark をクローズドで出した直後の方向転換であり、Alexandr Wang は Spark 1.2 のオープン版公開も予告している。

総合スコア35で Qwen3.6 27B の38に届かない以上、これは性能競争ではなく配布網の奪い返しとみられる。

この指標は直前のv4.1で、GDPval-AA v2の採点を単一モデルから持ち回りの審査団へ切り替えたばかりだ。

では今回なぜ逆に3つを1モデルへ寄せたのか、答え合わせ型の採点ではブレを消す一貫性が勝ると見たためだろう。

首位のClaude Opus 5（63点）を競合の採点役が測る構図であり、順位表の信頼は「誰が採点したか」の開示にかかる。

ほぼ同サイズのDeepSeek V4 Flashも同じ40点で、このサイズ帯の首位はすでに横並びだ。

旗艦の2週間後に出したのは、同社の稼ぎ口がモデルではなく微調整サービスTinkerで、小さいほど客が自社データで試しやすいからだろう。

見るべきは総合点より内訳で、難問推論は旗艦を上回るのに事実知識の指標は+2から-9へ落ちており、縮めて消えるのは考える力ではなく知識のほうだ。

オープンウェイトの総合順位ではZ AIのGLM-5.2(max)が51点で首位、Kimi K2.6やDeepSeek V4 Proが44点と中国勢が上にいる。

元OpenAI CTOムラティ氏の会社が初のモデルInklingを制限の緩いApache 2.0で全公開したのは、中国に明け渡した土俵を取り返す一手とみられる。

「米国最高」という但し書きこそが本質で、41点より1タスク25Kトークンという軽さが効くだろう。

最上位Solは知能指数59点でClaude Fable 5の最上位にわずか1点差まで迫り、しかも約3分の1のコストという点こそ見どころで、真の主戦場は社内3モデルの序列より他社との価格性能競争にある。

ではSolとLunaに常に負けるTerraをなぜ残すのか、この図が測るのは知能とコストの二軸だけで、速度や遅延などTerraが生きうる軸は映っていないとみられる。

中間モデルが割を食う「真ん中の埋没」であり、読者は使う軸を先に決めてから階層を選ぶべきだ。

記事のCoding Agent IndexではSolが全3評価をリードするが、SWE-Bench ProではFable 5が80%対64.6%と逆転し、どの物差しを取るかで勝者が入れ替わる。

なぜ今キャッシュ書き込み課金なのか——先行するAnthropicも書き込みに割増を課しており、OpenAIの追随は推論コストを価格へ映す業界の収れんとみられる。

見出しの「Fable 5に肉薄」より本質的なのは、最上位の知性が用途別に値付けされる商品化であり、競争軸は生の性能からコスト効率へ移った。