各社のAIがリリース後にどれだけ性能変化したかがグラフでわかるベンチマーク「Nerf Bench」

最先端AIモデルがリリース後にひそかに劣化しているかどうかを検出するためのベンチマーク「livenerf」

GIGAZINE 10/01 06:05

AI・人工知能 リリース後 ベンチマーク AIモデル

AIベンチマーク「Intelligence Index v5」発表、2つの新しいベンチマークと3つのアップグレード

GIGAZINE 10/29 05:14

AI・人工知能 ベンチマーク AIモデル

同じ問題を解決してもAIによってコードの増加量に大きな差、AIモデルを比較するベンチマーク「Parsimony」が登場

GIGAZINE 10/20 14:00

AI・人工知能 AIモデル ベンチマーク

Jevが画像入力に対応＆長大コンテキストに対応＆意思決定モデルのベンチマークテストも発表

GIGAZINE 10/15 03:34

AI・人工知能 ベンチマーク AIモデル

生成AI時代に価値が高まるのは「気づき」の感性と「問い」への変換

日経メディカル 10/14 15:00

AI・人工知能 AIモデル ベンチマーク

jevやGPT-6 Luna Decisionsなどの素早い判断に特化した確率モデルがパックマンをプレイするベンチマーク「jevman」

GIGAZINE 10/09 11:00

AI・人工知能 ベンチマーク AIモデル

「Claude Sonnet 5.5」が登場、前モデルより30％高速・30％安価でGPT-6 Solより高性能

GIGAZINE 09/29 02:11

AI・人工知能 AIモデル ベンチマーク

AIに「StarCraft」をリアルタイムで戦わせる「Brood War Bench」が登場、全モデルが初心者レベルながらCodex Astraは18戦全勝

GIGAZINE 09/25 10:50

AI・人工知能 Bench ベンチマーク

「LLMじゃないAI」が来た! TypeSafe AI「Jev」はなぜ文字列生成を捨てたのか - Qiita

はてなテクノロジー 09/18 07:18

AI・人工知能 AIモデル ベンチマーク

AIコーディングエージェントにとってハーネスはどれほど重要なのか？

GIGAZINE 09/17 14:00

AI・人工知能 AIモデル ベンチマーク

Googleが音声会話AI「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」をリリース、リアルタイムで会話しながらコーディング可能

GIGAZINE 09/16 04:22

AI・人工知能 AIモデル ベンチマーク

Sakana AIが複数モデルの使い分けでGPT-6 Astra超えを達成する「Fugu Ultra v2」をリリース＆コスパに優れた「Fugu Max」も登場

GIGAZINE 09/14 03:52

AI・人工知能 AIモデル ベンチマーク

「DeepSeek-V4.1-Flash」が登場、複数テストでClaude Opus 5やGPT-5.6 Solを超える性能のオープンモデル

GIGAZINE 09/11 02:32

AI・人工知能 AIモデル ベンチマーク

小型かつ高性能で日本語応答も可能な中国製AIモデル「MiniCPM5-2B」が登場、2BモデルなのにGemma 4 12Bと同等のベンチマークスコア

GIGAZINE 09/08 01:47

AI・人工知能 ベンチマーク AIモデル

GPT-6 AstraがAIコーディング性能でトップ級の67点、圧倒的なトークン効率を示すもFable 5.1には届かず

GIGAZINE 09/07 11:00

AI・人工知能 AIモデル ベンチマーク

Metaも新AIモデル「Muse Spark 1.3」 1カ月で大幅強化し「Fable 5に匹敵」

Impress Watch 09/03 03:03

AI・人工知能 AIモデル ベンチマーク

Metaが「Muse Spark 1.3」を発表、ついにAnthropicやOpenAIの最先端モデルに追いつく性能を達成

GIGAZINE 09/03 02:14

AI・人工知能 AIモデル ベンチマーク

各種AIのiPhoneでの動作性能を測定した結果がArtificial Analysisによって公開される、コンテキスト長や応答時間を制限して実環境に近い性能を測定

GIGAZINE 08/25 02:26

AI・人工知能 AIモデル ベンチマーク

NVIDIAのAIエージェント「AVO」がARC-AGI-3で100％を達成、同じベースモデルの別条件での評価は約30％で「実行基盤(ハーネス)」の重要性が示される

GIGAZINE 08/24 23:00

AI・人工知能 ベンチマーク AIモデル

オープンモデルの「Gemma 4 31B」がタスクによっては「Claude Sonnet 5」と同じ品質を40分の1のコストで実現可能

GIGAZINE 08/23 13:05

AI・人工知能 AIモデル ベンチマーク