Artificial Analysis
Artificial Analysis、視覚ファイルを扱うエージェント評価MKAを公開。首位はClaude Fable 5.2の57%
Fable 5.2は1タスク平均31.97ドルと、2位Gemini 4 Carbon（6.29ドル）の5倍超のコストで差は約2ポイント
Artificial Analysis
Artificial Analysisの最新ニュース・記事を、日本語の要約とエキスパートエージェントのコメントつきでお届けします。
Artificial Analysis
Artificial Analysis、Meta の Muse Ember を評価。1タスク$0.14で同スコアの Claude Haiku 5.5 の約3分の1のコスト
入出力の単価は Haiku 5.5 と同じで、コストの大半を占めるキャッシュ済み入力が60%安く、出力トークン数も約3分の1
Artificial Analysis
Artificial Analysis、Decision Index v2を公開。私有データ比率45%、判断モデル上位3種は1ポイント差
同点73のGLiDE v1.2は質問ごとに入力課金され、100万タスク$780とDrex Max v1.1の約8倍
Artificial Analysis
Artificial Analysisの科学画像評価VIALS-AA、3回全正解率64%でGemini 4 Carbon (high)が首位
GPT-6.1 Sol (max)は59%で1タスク$0.06、61%のClaude Opus 5.5 (max, with fallback)の約30分の1のコスト
Artificial Analysis
Thinking MachinesのInkling 2 Small、スコア18ポイント増でGemini 3.8 Flash (high)に並ぶ
評価タスク1件あたりの費用は1.18ドルで、Gemini 3.8 Flash (high)の7.77ドルより安いが、Inkling Smallの約6倍
Artificial Analysis
Artificial AnalysisがNanbeige4.3-33Bを評価、総パラメータ33BでIntelligence Index 20
同じ20のQwen3.8 27Bに対し、ターミナル操作を測るTerminal-Bench 4.0では30%対6%と大差をつける
Artificial Analysis
GoogleのGemini 4 Carbon、Intelligence Index v5で首位。コーディングではClaude Opus 5.5に次ぐ2位
Gemini 4 Argonのときと同様、一部ユーザーへの段階提供で、まだ一般公開されていない
Artificial Analysis
Artificial Analysis、Copilot Fusion を評価。タスク単価 $5.59 で Claude Code の約半分
Terminal-Bench 4.0 では71で首位に立つ一方、SWE-Atlas-QnA-AA は57と伸び悩む
Artificial Analysis
Artificial AnalysisがIntelligence Index v5を公開、Indexの60%を非公開データに基づく評価で構成
新基準の総合首位はClaude Opus 5.5 (max)の58で、GPT-6 Astra (max)の57、GPT-6.1 Sol (max)の55が続く
Artificial Analysis
Artificial Analysis、OpenAIのGPT-6.1 Terraを評価。GPT-5.6 Terraより賢くタスクあたりコストは3分の1未満
AA-Omniscienceで答えを知らない問題に推測で答える割合が88%から38%に下がり、正答率も2ポイント上昇
Artificial Analysis
Artificial Analysis、ワイヤーフレームビルダーのデモを描く約7.3秒の映像プロンプト。カメラ固定でズームなしと指定
タイトルからUIへの切り替えも含め、場面の切り替えはすべてフェードや緩急なしの瞬時のハードカットで指定するのが基本
Artificial Analysis
Moonshot の Kimi K3.1 Pro、Intelligence Index で前モデル比11ポイント上昇し Terminal-Bench 4.0 で全モデル首位
重みは未公開だが、公開されればオープンウェイトで最高スコアとなり、商用の首位モデルとの差は12から3ポイントに縮まる
Artificial Analysis
Artificial AnalysisがHealthBench Professionalの順位を公開、GPT-6 Astraが66.0%で首位
素点首位のClaude Opus 5.5（71.4%）は回答が平均約5,900字と長く、長さ補正後は59.9%で6位に転落
Artificial Analysis
Artificial Analysis、エレベーターで見知らぬ人と目を合わせない「儀礼的無関心」を奇妙な社会慣習の筆頭に挙げた
1962年のCandid Cameraで役者が奥の壁を向くエレベーターに乗った人も黙って向きを変えた例を挙げ、この慣習は驚くほど恣意的だと指摘
Artificial Analysis
Artificial Analysis、ReflectionのBeamを評価。Intelligence Index 30で米国製オープンウェイト2位
1タスクあたりの出力は約26kトークンで、1ポイント上のK2 Horizon（約52k）の半分で済む
Artificial Analysis
NVIDIA Vera Rubin NVL72、AA-AgentPerfでGB300 NVL72比MWあたりスループット最大約5.7倍
最大処理量で比べた差は1.14〜1.45倍にとどまり、大差が出るのは1ユーザーあたり出力速度を上げるとGB300の効率が急落する領域
Artificial Analysis
Artificial Analysis、RTX SparkノートのAIエージェント処理速度を計測。DGX Sparkとほぼ同等
Qwen3.8 27Bでの完了時間は18.7分で、MacBook Pro（M5 Pro）の2.0倍、Ryzen AI Haloの1.8倍速い
Artificial Analysis
NVIDIAのNemotron 3.5 Super VL、Intelligence Index 26で米国製オープンウェイトモデル首位
それでも中国のMiMo-V2.6-Pro（46）やUAEのK2 Horizon（31）には及ばず、米国勢は依然後れを取る
Artificial Analysis
Artificial Analysis、ロボットアーム操作ベンチマーク「AA-Robotics v0.1」を公開。最先端モデルは簡単な作業をこなせるが人間の約100倍遅い
首位GPT-6 Astraは1タスク$16.36、2位GPT-6.1 Solは$1.93と8分の1以下でスコア差は4点のみ
Artificial Analysis
Artificial Analysisが決定モデル評価のDecision Index v1.0を公開。LLMより安く速いが知識・推論で劣る
ツール呼び出しの判断ではGLiDEが84点とClaude Haiku 5.5 (Low)の73点を上回り、分類でも同等以上