Opus 5がArtificial Analysisのインテリジェンスリーダーボードで現在1位

Artificial AnalysisKモデルの比較: インテリジェンス、パフォーマンス＆価格分析 Microevals Playground 品質、価格、出力速度、レイテンシ、コンテキストウィンドウなど、主要なパフォーマンス指標にわたるAIモデルの比較と分析。 詳細な指標を表示するには、いずれかのモデルをクリックしてください。 方法論に関する詳細については、FAQをご覧ください。 インテリジェンス Claude Opus 5 (max) および Claude Opus 5 (xhigh) が最も高いインテリジェンスを持つモデルであり、それに Claude Fable 5 (with fallback) および GPT-5.6 Sol (max) が続きます。 出力速度 (トークン/秒) Mercury 2 (939 t/s) および HyperNova 60B 2605 (436 t/s) が最も高速なモデルであり、それに Granite 4.0 H Small および Gemini 3.5 Flash-Lite が続きます。 レイテンシ (秒) Gemini 2.5 Flash-Lite (0.35秒) および Command A+ (0.41秒) が最も低いレイテンシを持つモデルであり、それに Gemini 2.5 Flash および NVIDIA Nemotron 3 Nano が続きます。 価格 ($/M トークン) Devstral 2 ($0.00) および North Mini Code ($0.00) が最も安価なモデルであり、それに Gemma 3 4B および Gemma 3 27B が続きます。 コンテキストウィンドウ Llama 4 Scout (10M) および Grok 4.20 0309 (2M) が最も大きなコンテキストウィンドウを持つモデルであり、それに Gemini 1.5 Pro (May) および Grok 4.1 Fast が続きます。 ハイライト インテリジェンス Artificial Analysis Intelligence Index · 高いほど良い 速度 出力トークン/秒 · 高いほど良い コスト/タスク Intelligence Index タスクあたりの加重平均コスト (USD) · 低いほど良い プロンプトオプション インテリジェンス Artificial Analysis Intelligence Index コーディングインデックス エージェンティックインデックス Artificial Analysis Intelligence Index Artificial Analysis Intelligence Index v4.1 は 9 つの評価を含みます: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR 586 のうち 28 モデル 特定のプロバイダーからモデルを追加 推論モデルは電球アイコンで示されます Artificial Analysis Intelligence Index Artificial Analysis Intelligence Index v4.1 には以下が含まれます: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR。 各評価の詳細と実行方法については、Intelligence Index の方法論をご覧ください。 オープンウェイト / プロプライエタリ 推論 / 非推論 テキストのみ / マルチモーダル入力 Artificial Analysis Intelligence Index by Open Weights / Proprietary Artificial Analysis Intelligence Index v4.1 は 9 つの評価を含みます: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR 586 のうち 28 モデル 特定のプロバイダーからモデルを追加 プロプライエタリ オープンウェイト オープンウェイト (商用利用制限あり) 推論モデルは電球アイコンで示されます Artificial Analysis Intelligence Index Artificial Analysis Intelligence Index v4.1 には以下が含まれます: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR。 各評価の詳細と実行方法については、Intelligence Index の方法論をご覧ください。 オープンウェイト モデルのウェイトが利用可能かどうかを示します。 商用利用が制限されているモデルは、「商用利用制限あり」と表示されます（通常、有料ライセンスの取得が必要です）。 インテリジェンスの内訳 インテリジェンス評価 Artificial Analysis によって個別に測定されたインテリジェンス評価 · 高いほど良い 22 のうち 18 評価 586 のうち 28 モデル 特定のプロバイダーからモデルを追加 GDPval-AA v2 エージェンティックな実世界のタスク (Elo-500)/2000 𝜏³-Banking エージェンティックなツール使用 Terminal-Bench v2.1 エージェンティックなコーディングとターミナル使用 SciCode コーディング Humanity's Last Exam 推論と知識 GPQA Diamond 科学的推論 CritPt 物理学の推論 AA-Omniscience 精度 AA-Omniscience 非幻覚率 1 - 幻覚率 AA-LCR 長コンテキスト推論 AA-Briefcase エージェンティックな知識作業、Elo AutomationBench-AA エージェンティックな SaaS ワークフロー Harvey LAB-AA 法的エージェンティック作業、基準達成率 EnterpriseOps-Gym-AA 新規 エージェンティックなビジネスオペレーション IFBench 指示追従 APEX-Agents-AA 長期間エージェンティックタスク ITBench-AA Kubernetes インシデントの根本原因分析 MMMU-Pro 視覚的推論 推論モデルは電球アイコンで示されます インテリジェンス評価の関連性 モデルのインテリジェンスは一般的にユースケース間で転移しますが、特定の評価は特定のユースケースにより関連性が高い場合があります。 Artificial Analysis Intelligence Index Artificial Analysis Intelligence Index v4.1 には以下が含まれます: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR。 各評価の詳細と実行方法については、Intelligence Index の方法論をご覧ください。 AA-Briefcase AA-Briefcase Elo AA-Briefcase ルブリックスコア (%) 分析品質とプレゼンテーション Elo AA-Briefcase Elo AA-Briefcase Elo は、分析品質 Elo、プレゼンテーション Elo、およびルブリックスコアを統合した複合指標です。ルブリックパフォーマンスは、合成的なヘッドツーヘッドマッチを通じて Elo に変換されます。 Elo および 95% 信頼区間は 0 にクランプされます。 56 のうち 25 モデル 特定のプロバイダーからモデルを追加 推論モデルは電球アイコンで示されます AA-Briefcase Elo AA-Briefcase Elo は、分析品質 Elo、プレゼンテーション Elo、およびルブリックスコアを統合した複合指標です。ルブリックパフォーマンスは、合成的なヘッドツーヘッドマッチを通じて Elo に変換されます。 Elo および 95% 信頼区間は 0 にクランプされます。 AA-Omniscience AA-Omniscience Index AA-Omniscience Accuracy AA-Omniscience Hallucination Rate AA-Omniscience Index AA-Omniscience Index (高いほど良い) は、知識の信頼性と幻覚を測定します。 正解を報酬とし、幻覚を罰し、回答を拒否してもペナルティはありません。 スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解の方が多いことを意味します。 456 のうち 27 モデル 特定のプロバイダーからモデルを追加 推論モデルは電球アイコンで示されます AA-Omniscience Index AA-Omniscience Index (高いほど良い) は、知識の信頼性と幻覚を測定します。 正解を報酬とし、幻覚を罰し、回答を拒否してもペナルティはありません。 スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解の方が多いことを意味します。 オープンネス オープンネスインデックス オープンネスインデックスの構成要素 オープンネス vs. インテリジェンス Artificial Analysis Openness Index: スコア オープンネスインデックスは、0 から 100 の正規化されたスケールでモデルのオープンネスを評価します (高いほどオープン)。 291 のうち 13 モデル 特定のプロバイダーからモデルを追加 推論モデルは電球アイコンで示されます インテリジェンスインデックスの比較 インテリジェンスインデックス vs. コスト/タスク インテリジェンスインデックス vs. 時間/タスク インテリジェンスインデックス vs. 出力速度 インテリジェンスインデックス vs. エンドツーエンド応答時間 インテリジェンスインデックス vs. コスト/Intelligence Index タスク Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト (USD) 586 のうち 28 モデル 最も魅力的な象限 Xiami Google Anthropic MiniMax OpenAI NVIDIA Alibaba SpaceX AI DeepSeek Meta Mistral Z AI Kimi 推論モデルは電球アイコンで示されます コスト/Intelligence Index タスク Intelligence Index タスクあたりの加重平均コスト。 各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、Intelligence Index の重みで加重されます。 Artificial Analysis Intelligence Index Artificial Analysis Intelligence Index v4.1 には以下が含まれます: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR。 各評価の詳細と実行方法については、Intelligence Index の方法論をご覧ください。 トークン使用量 タスクあたりの出力トークン インテリジェンスインデックス vs. タスクあたりの出力トークン インテリジェンスインデックス トークン使用量 インテリジェンスインデックス vs. トークン使用量 タスクあたりの出力トークン数 Artificial Analysis Intelligence Index タスクあたりの加重平均出力トークン数 586 のうち 28 モデル 回答 推論 推論モデルは電球アイコンで示されます タスクあたりの出力トークン数 タスクあたりの出力トークン数