アーティフィシャル・アナリシス（Artificial Analysis）は(現地時間)、複合ベンチマーク「Artificial Analysis Intelligence Index v4.3.2」を発表した。この指標は、数学、科学、コーディング、推論といったAIの多角的な能力を測定するため10種類の評価を統合しており、Claude Opus 5.5 (Max, Default Fallback)が最高の58点を獲得した。
Artificial Analysis Intelligence Indexは、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity’s Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1の10種類の評価を組み合わせて構築されている。この単一スコアは、汎用人工知能（AGI）に向けた進捗を追跡する目的で設計されており、全ての評価はアーティフィシャル・アナリシスによって独自に実施された。
最新の評価結果では、Claude Opus 5.5 (Max, Default Fallback)が58点を記録し、最高スコアを達成した。これに続き、Claude Sonnet 5.5 (Max, Default Fallback)とClaude Opus 5.5 (Xhigh, Default Fallback)がそれぞれ56点を獲得している。本インデックスは、スコア、タスクあたりのコスト、タスクあたりの出力トークン数、タスクあたりの時間など、多角的な側面からモデルの性能を評価するように設計されている。
今回の評価対象は、合計698モデルの中から選ばれた27モデルであった。一部のモデルには公開APIが存在しないため、全てのモデルがベンチマークの対象にはなっていない。評価対象となったモデルには、Anthropic、OpenAI、Google、Metaといった主要企業に加え、Kimi、SpaceXAI、Xiaomi、Alibaba、DeepSeek、Z AI、StepFun、MiniMax、Mistral、Reflection、NVIDIAなどの多様なAI開発企業や研究機関のものが含まれている。
参考: artificialanalysis.ai (アーカイブ) — 2026年10月25日 04:00 (JST)