Artificial Analysis、総合指標v5で首位はOpus 5.5

結局、いまいちばん賢いAIはどれなのか。答えを出すときによく使われる物差しが、10月27日に作り直されました。

AIモデルの評価を手がけるArtificial Analysisは、総合指標「Intelligence Index」をv4.3からv5に改めました。首位はClaude Opus 5.5の58、2位はGPT-6 Astraの57、3位はGPT-6.1 Solの55。上位5つは、AnthropicとOpenAIのモデルが占めています。

9つの評価を、4つの分野に25%ずつ

v5は、知識の仕事、コーディング、科学、一般の4つの分野に、25%ずつ重みを分けています。中身は9つの評価で、CognitionのFrontierCode 2.0と、科学の作業を端末で進めるTerminal-Bench-Scienceが新たに入りました。問題を公開しない評価や、答えを伏せた評価は、全体の6割に増えています。¹

どの評価でも首位のモデルはありません。Claude Opus 5.5は3つ、GPT-6 Astraは2つの評価で首位でした。業務の自動化を測るAutomationBench-AAでは、Gemini 4 Argonが78%で首位に立っています。

重みを公開したモデルとの差が、3点から12点に

違いがはっきり出たのは、重みを公開するオープンなモデルです。v4.3では首位との差が3点でしたが、v5では12点に開きました。しかも、その最上位のKimi K3.1 Proは、まだ重みを公開していません。すでに公開されたモデルでは、DeepSeek V4.1 FlashとGLM-5.3の32が最上位で、首位との差は26点です。Claude Haiku 5.5の36にも届いていません。²

推論の設定による差も大きくなりました。Claude Opus 5.5は、いちばん浅いlowの設定だと35点で、1課題の費用は$0.98。maxにすると58点で、費用は$10.04です。1課題で出力するトークンの中央値も、3万5千から5万9千に増えました。

使いどころ（編集部の見方）

正直なところ、目を引くのは首位争いより費用の差です。GPT-6.1 Solは、Claude Opus 5.5との差が4点以内で、費用は約8分の1。上位10の中では、GPT-6.1 Terraが$0.96でいちばん安く、Claude Fable 5.1が$13.04でいちばん高い値でした（Artificial Analysis、GPT-6.1 Terraは推測が半減）。同じモデルでも設定しだいで20点以上動くので、ほかの比べを見るときは、どの設定の数字かを先に確かめたいところです。オープンなモデルを手元で動かしたい人には、わりと厳しい結果でした。Kimi K3.1 Proの重みが出れば、この差は少し縮まるかもしれません。

YOBITSUGI AIでは、表にあるAnthropicのClaude Opus、Claude Sonnet、Claude Haikuを使えます。OpenAIのGPT-6 AstraとGPT-6.1 Sol、GoogleのGemini 4 Argon、DeepSeekのDeepSeek V4.1 Flashも使えます。Kimi K3.1 Proは、現時点の対応モデルには含まれていません。