Benchmark

3件の記事

「Claudeを超える」は本当だったか。Grok 4.5公開46日で見えた数字

7月5日、Grok 4.5はSpaceXとテスラの社内で動いていた。3日後に一般公開され、「Claudeを超える」という主張の検証が始まった。SWE-Bench Proではクロードに届かず、職業的推論では上回った。46日で揃った数字とGrok 4.6が示す現在地を整理する。

西田航Aug 20

Muskが「Opus級」と呼んだGrok 4.5。幻覚率2倍で公開した答え合わせ

7月8日、イーロン・マスクはGrok 4.5を「Opus級のモデルだ」と断言した。Artificial Analysisの独立テストが示した実像は4位、幻覚率54%、コーディングコスト80%減。3つの数字を並べると、この1カ月で何が正しくて何が外れていたかが見えてくる。

西田航Aug 12

価格半額のClaude Opus 5がAI知能指数で首位に、競争の物差しが「最強」から「費用対知能」へ移り始めた

7月24日に公開されたAnthropicの新モデル「Claude Opus 5」が、独立評価機関Artificial Analysisの知能指数で61を記録し首位に立った。注目されたのは順位そのものより価格である。100万トークンあたり入力5ドル・出力25ドルという設定は、これまで首位だったFable 5のおよそ半額にあたる。安いモデルが高いモデルを性能で上回るという逆転が起きた。7月に入ってGPT-5.6系の一般提供、Gemini 3.6 Flashの投入と主要3社の新モデルが出そろい、競争の軸は「最も賢いモデル」から「同じ知能をいくらで買えるか」へ移りつつある。日本企業のAI予算にとって何が変わるのかを、複数の評価機関と海外メディアの報道から読み解く。

西田航Jul 26

いま読まれている記事

「彼氏と結婚したくて起業した」20歳で10億、21歳で総務。ザッパラス創業者・玉置真理の3時間

Startup

AIとは？定義・種類・仕組み・活用例をわかりやすく解説【2026年最新】

ゼレンスキーが「戦線を凍結する」と言い出した。プーチンが応じない本当の訳

Opinion

ニュースを追うより、変化をつかむ。

毎週月曜、読むべきものだけを3分で。いつでも解除できます。