AIの「通信簿」として注目される比較サイトの数字が新しくなった。テック系ニュースサイトLAVX Newsは11月16日、AIモデルの性能を独自に測る米調査会社Artificial Analysisが、総合的な賢さの指標「Intelligence Index」や、作業にかかる時間・費用の測り方を更新したと報じた。GoogleのGemini 4 Carbonは総合2位に入っている。
総合点はFable 5.2が65点、Carbonが60点
新しいIntelligence Index(バージョン5.0.1)は、プログラミング、調べもの、専門知識など9種類のテストを組み合わせて点数を出す。上位はAnthropicのClaude Fable 5.2が65点、GoogleのGemini 4 Carbonが60点、AnthropicのClaude Opus 5.5が59点、OpenAIのGPT-6 Astraが57点、GPT-6.1 Solが55点と続く。MetaのMuse Wonder Fullは50点、中国Moonshot AIのKimi K3.1 Proは46点、AlibabaのQwen4 Maxは43点だった。
金融・会計、戦略・業務、法律、医療、エンジニアリング、経済の6分野を比べる指標では、Claude Fable 5.2が全分野で1位だった。Gemini 4 Carbonは金融・会計とエンジニアリングで2位、そのほかの4分野で3位と、幅広い分野で上位を保っている。
速さと費用では順位が入れ替わる
同社は今回、「1つの作業を終えるまでにかかる時間」を性能の主な物差しに加えた。時間ではDeepSeek V4.1 Flashが13.3分と最も短く、Gemini 4 Carbonは32.1分、最も賢いClaude Fable 5.2は41.8分と長めだった。賢いモデルほどじっくり考えるため、時間がかかる傾向がある。
1問あたりの費用も差が大きい。最も安いDeepSeek V4.1 Flashは0.60ドル、GPT-6.1 Solは1.27ドル、Qwen4 Maxは3.27ドル、Gemini 4 Carbonは5.48ドル、Claude Opus 5.5は10.04ドル、Claude Fable 5.2は26.54ドルで、最安と最高では約44倍の開きがある。Carbonは総合2位でありながら、費用はFable 5.2の約5分の1に収まっている計算だ。
当サイトでは、Gemini 4 Carbonが数学のランキングで首位に立ったことも報じた(Gemini 4 Carbon、MathArenaで首位)。ただし、こうした点数は特定のテストでの結果であり、普段の使い方で感じる使いやすさとは必ずしも一致しない。用途と予算に合わせてモデルを選ぶ目安として使うのがよさそうだ。










