Tag
5 件の関連記事
CursorとxAIは2026年8月11日(現地時間)、新しいフロンティアモデル「Grok 4.6」をリリースした。このモデルは、既存の「Grok 4.5」を基盤に開発され、長期実行エージェントや複雑なインタラクティブ・ビジュアル作業に特化した性能を持つ。複数のエージェント型コーディングおよび知識作業ベンチマークにおいて、フロンティアインテリジェンスを達成しており、「Artificial Analysis Intelligence Index」では「GPT-5.6 Sol」と同等の性能を示したという。
Meta（メタ）は8月5日(現地時間)、大規模言語モデル「Muse Spark 1.2」を発表しました。同モデルは「Artificial Analysis Intelligence Index」において54点を獲得し、前バージョンのMuse Spark 1.1（51点）から3ポイント、Muse Spark 1.0（43点）からは11ポイント上昇しました。このスコアは「SpaceXAI」と並び米国のラボの中で3位タイに位置し、「GPT-5.5」（55点）や「Grok 4.5」（54点）と実質的に同等の評価を得ています。
Anthropicは2026年7月23日(現地時間)、生成AIモデル「Claude Opus 5」を発表した。同モデルは、同社の「Artificial Analysis Intelligence Index」において新たなリーダーとなり、独自のエージェント知識業務ベンチマーク「AA-Briefcase」でも首位を獲得した。最大努力設定でのAA-Briefcase Eloスコアは1720を記録し、これまでのリーダーだったClaude Fable 5を146ポイント上回った。また、タスクあたりのコストをClaude Fable 5から20%削減している。
tech-insider.orgは7月5日(現地時間)、Z.ai（ジー・エーアイ）が開発した大規模言語モデル「GLM-5.2」が、最新ベンチマーク結果でSWE-bench Proのオープンウェイト部門において62.1%のスコアを記録し、首位に立ったと報じた。GLM-5.2はArtificial Analysis Intelligence Indexでもオープンモデルで1位、総合で4位に位置している。一方、DeepSeek V4-ProはSWE-bench Verifiedで80.6%を達成し、Gemini 3.1 Proと同率首位となった。
Anthropic（アンソロピック）は2026年6月9日(現地時間)、新たなモデル分類「Mythos-class」に属する初の一般公開モデル「Claude Fable 5」をリリースしました。同モデルは、エージェントのリアルワールド知識作業を評価するベンチマーク「GDPval-AA」で1932点を獲得し、首位にランクインしたと発表しています。さらに、Artificial Analysis Intelligence Indexでも#1を獲得しており、同社は新たなAI技術の進展を示すものとしています。