Qwen3.8 Maxがエージェンティックインデックスで総合トップモデルにランクイン
Qwen3.8 Max now ranked as the best overall model by agentic index (artificialanalysis.ai)
要約
Artificial Analysisは、最新のインテリジェンスインデックスv4.1.1を発表し、Qwen3.8 Maxが総合モデルとして最高位にランクインしたことを明らかにしました。このインデックスは、AIモデルの知能、速度、コストを評価するもので、Qwen3.8 Maxは複数の評価項目で高いパフォーマンスを示しました。また、Claude Opus 5もエージェンティックな知識作業においてリーダーとして評価されています。
全文翻訳
Qwen3.8 Maxがエージェンティックインデックスで総合トップモデルにランクイン
Artificial Analysis によるAIの独立分析
ユースケースに最適なモデルとプロバイダーを選択するために、AIの状況を理解しましょう。
身体性AIの時代へようこそ:AA-Robotics v0.1 のご紹介
AA-3Dを発表:インタラクティブな3D体験のためのベンチマーク
Artificial Analysis Decision Index v1.0
インテリジェンス
Artificial Analysis Intelligence Index · 高いほど良い
速度
1秒あたりの出力トークン数 · 高いほど良い
タスクあたりのコスト
インテリジェンスインデックスのタスクあたりの加重平均コスト(USD) · 低いほど良い
Artificial Analysis 提供
新着
独自のカスタムベンチマークを構築
インテリジェンス、速度、コストの優先順位を最適化するパーソナライズされたモデルレコメンデーションを入手
新記事公開 · 10月19日
HealthBenchおよびHealthBench Professional:現実的な健康に関する会話におけるモデルの評価
新しい言語モデル評価 · 10月19日
[画像: MiniMax-M3.1-Flash]MiniMax-M3.1-Flash
新しい言語モデル評価 · 10月18日
[画像: DeepSeek V4.1 Flash 1017 (Max)]DeepSeek V4.1 Flash 1017 (Max)
新記事公開 · 10月16日
Reflectionが初のモデルローンチであるBeamをリリース
新しい言語モデル評価 · 10月16日
新記事公開 · 10月15日
NVIDIAがNemotron 3.5 Super VLおよびNemotron 3.5 Bolt 74B A9Bをリリース
新しい言語モデル評価 · 10月15日
新しい言語モデル評価 · 10月15日
[画像: Muse Spark Open (Xhigh)]Muse Spark Open (Xhigh)
新しい言語モデル評価 · 10月15日
[画像: Nemotron 3.5 Super VL]Nemotron 3.5 Super VL
新しい言語モデル評価 · 10月15日
[画像: Nemotron 3.5 Bolt 74B-A9B]Nemotron 3.5 Bolt 74B-A9B
新記事公開 · 10月14日
身体性AIの時代へようこそ:AA-Robotics v0.1 のご紹介
新記事公開 · 10月13日
Artificial Analysis Decision Index v1.0
新記事公開 · 10月12日
Muse WonderおよびMuse Wonder Full:前世代Metaモデルからの知能における大きな飛躍
新記事公開 · 10月12日
FrontierCode on Artificial Analysisを発表:AIモデルはメンテナーがマージするコードを書けるか?
新記事公開 · 10月12日
AA-3Dを発表:AIモデルがインタラクティブな3D体験を構築するためのベンチマーク
新しい言語モデル評価 · 10月12日
[画像: Muse Wonder Full (Max)]Muse Wonder Full (Max)
新しい言語モデル評価 · 10月12日
[画像: Muse Wonder (Max)]Muse Wonder (Max)
新しい音声テキスト変換モデル · 10月12日
[画像: Zoom Scribe V2 Pro]Zoom Scribe V2 Pro
新記事公開 · 10月8日
Artificial Analysis Cyber Indexへの信頼アクセスモデルの導入
新記事公開 · 10月8日
Harvey LAB-AA v1.1を発表:幻覚チェックを追加し、エージェンティックな法律業務の基準を引き上げるさらに表示
インテリジェンス
独立した評価に基づいた、主要言語モデルのインテリジェンス、速度、コスト
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10の評価を組み込んでいます。
公開されているAPIはありません
タスクあたりのインテリジェンスインデックスコスト
インテリジェンスインデックスのタスクあたりの加重平均コスト(USD) · トークンタイプ別にセグメント化 · 低いほど良い
インテリジェンスインデックス vs. タスクあたりのコスト
Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト(USD)
最も魅力的な象限
パレート線
インテリジェンスインデックス vs. タスクあたりのコスト、モデルリリース別
選択された各リリースのすべての推論および実行バリアント · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト(USD)
最も魅力的な象限
パレート線
フロンティア言語モデルのインテリジェンス、時系列
Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10の評価を組み込んでいます。
インデックス
Artificial Analysis Coding Agent Index
Artificial Analysis Coding Agent Index v1.5 は、DeepSWE v1.1、Terminal-Bench 4.0、SWE-Atlas-QnA の3つのベンチマークを組み込んでいます · 高いほど良い
色分け
ルーターモデル
Artificial Analysis Cyber Index
Artificial Analysis Cyber Index v1 は、CWE-Bench-AA、DeepsecBench-AA、CyberGym-E2E-AA の3つの評価を組み込んでいます。
成功
安全ブロック
信頼アクセスモデル(非公開)
Artificial Analysis Decision Index
AA-Omniscience-Decision、HLE-MultiChoice、When2Call、WildGuardTest の加重平均 · 高いほど良い
言語モデルを含める
能力インデックス比較
各能力インデックスにおける選択モデルのランク
能力インデックス比較
| ファイナンス & 会計 | 戦略 & オペレーション | 法務 | ヘルスケア & 医療 | エンジニアリング | 経済学 | |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 (Max, Default Fallback) | 1 (61) | 1 (64) | 1 (63) | 1 (61) | 1 (60) | 1 (66) |
| Claude Fable 5.1 (Max, Default Fallback) | 3 (56) | 2 (60) | 2 (60) | 3 (58) | 3 (56) | 2 (63) |
| Claude Sonnet 5.5 (Max, Default Fallback) | 2 (57) | 3 (60) | 5 (56) | 2 (58) | 2 (58) | 3 (61) |
| GPT-6 Astra (Max) | 4 (55) | 4 (57) | 3 (59) | 4 (52) | 4 (55) | 4 (60) |
| GPT-6.1 Sol (Max) | 5 (54) | 5 (57) | 4 (58) | 5 (51) | 5 (54) | 5 (59) |
| Grok 4.7 (Xhigh) | 6 (52) | 6 (54) | 6 (54) | 6 (47) | 6 (47) | 6 (56) |
| Kimi K3 (Max) | 7 (47) | 7 (50) | 8 (49) | 8 (45) | 13 (43) | 7 (53) |
| Gemini 3.8 Flash (High) | 8 (47) | 8 (48) | 7 (52) | 12 (42) | 14 (43) | 10 (52) |
| MiMo-V2.6-Pro | 9 (46) | 9 (48) | 11 (45) | 11 (42) | 8 (47) | 8 (53) |
| GLM-5.3 (Max) | 12 (45) | 10 (48) | 13 (42) | 7 (47) | 7 (47) | 12 (51) |
| Qwen3.8 Max (0902) | 10 (46) | 11 (47) | 10 (46) | 13 (41) | 9 (46) | 11 (52) |
| Step 5 Preview | 11 (45) | 12 (47) | 9 (46) | 14 (41) | 10 (45) | 9 (53) |
| Claude Haiku 5.5 (Max) | 13 (44) | 15 (40) | 12 (42) | 10 (44) | 11 (45) | 13 (51) |
| GLM-5.3-Flash | 14 (42) | 14 (45) | 15 (40) | 9 (45) | 12 (44) | 14 (49) |
| GPT-6 Luna (Max) | 15 (40) | 13 (46) | 14 (40) | 15 (37) | 15 (37) | 15 (45) |
ベンチマーク
評価
Artificial Analysis によって独立して測定されたインテリジェンス評価 · 高いほど良い
公開されているAPIはありません
エージェンティックな知識作業、(Elo-500)/2000
知識
AA-Omniscience Non-Hallucination Rate
1 - 幻覚率
エージェンティックなSaaSワークフロー
GDPval-AA v2.1更新済み
エージェンティックな実世界のタスク、(Elo-500)/2000
推論と知識
専門的な文書推論、全合格
エージェンティックなコーディングとターミナル利用
長文コンテキスト推論
SciCodeレビュー中
コーディング
CritPtレビュー中
物理学推論
ターミナルにおけるエージェンティックな科学研究ワークフロー
オープンソースリポジトリにおけるエージェンティックなソフトウェアエンジニアリング
スプレッドシートとドキュメントに対する定量的分析
法律エージェンティック作業、幻覚ゲート付き全合格率
エージェンティックなビジネスオペレーション
AA-3D新着
エージェンティックなインタラクティブ3D体験、(Elo-500)/2000
Kubernetesインシデントの根本原因分析
MLCR-AA更新済み
医療長文コンテキスト推論
視覚推論
Artificial Analysisのその他の情報
エージェント向けのWeb検索APIのベンチマーク、検索品質、レイテンシ、価格を比較
各モデルの速度、レイテンシ、価格、エンドポイント精度についてAPIプロバイダーを比較
AIモデルがインタラクティブな3D体験をどの程度うまく構築できるかを測定、採用されたパネルによるブラインド投票でランク付け
言語モデルがロボットアームを制御することで、物理世界をどの程度理解し、計画し、行動できるかを測定
テキストから画像へ
Image Arena Elo · 高いほど良い
テキストから画像へのコスト
画像1,000枚あたりのAPI価格(USD) · 低いほど良い
画像編集
Image Arena Elo · 高いほど良い
テキストから画像へ
テキストプロンプトから画像を生成するための主要モデルの品質と価格、ブラインド人間選好投票によるEloでランク付け
画像編集
テキスト指示で画像を編集するための主要モデルの品質と価格、ブラインド人間選好投票によるEloでランク付け
テキストから動画へ
Video Arena Elo · 高いほど良い
画像から動画へ
Video Arena Elo · 高いほど良い
動画編集
Video Arena Elo · 高いほど良い
主要モデルからの動画を比較投票し、リーダーボードを形成
品質と価格で主要動画モデルを比較、ブラインド人間選好投票によるEloでランク付け
テキストから動画へ
テキストプロンプトと音声から動画を生成するための主要モデルの品質と価格、ブラインド人間選好投票によるEloでランク付け
画像から動画へ
画像から音声付き動画を生成するための主要モデルの品質と価格、ブラインド人間選好投票によるEloでランク付け
動画編集
テキスト指示で動画を編集するための主要モデルの品質と価格、ブラインド人間選好投票によるEloでランク付け
動画を探索
音声テキスト変換
AA-WER v2 · 誤って文字起こしされた単語の割合 · 低いほど良い
テキスト音声合成
Controlled Voice Arena Preference Elo · 高いほど良い
音声間変換
Speech Reasoning、Agentic Performance、Arena Preference、Task Success Rate の結果の加重平均 · 高いほど良い
主要テキスト音声合成モデルからの音声を比較投票し、リーダーボードを形成
音声間変換モデルを探索し、そのパフォーマンスを比較