HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

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)

409 pointsby apitman263 コメント

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。

新着

身体性AIの時代へようこそ:AA-Robotics v0.1 のご紹介

新着

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

新着

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

Optima

Artificial Analysis 提供

新着

独自のカスタムベンチマークを構築

モデルレコメンダー

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

変更履歴

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

[画像: Beam 1.0]Beam 1.0

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

[画像: Solar Pro 4]Solar Pro 4

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

モデルを探索

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

すべてのインデックス

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-Pro9 (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 Preview11 (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-Flash14 (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

すべての評価

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

さらに表示

公開されているAPIはありません

AA-Briefcase v1.1更新済み

エージェンティックな知識作業、(Elo-500)/2000

AA-Omniscience Accuracy

知識

AA-Omniscience Non-Hallucination Rate

1 - 幻覚率

AutomationBench-AA

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

Humanity's Last Exam

推論と知識

GDP.pdf

専門的な文書推論、全合格

Terminal-Bench 4.0

エージェンティックなコーディングとターミナル利用

AA-LCR v1.1

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

Terminal-Bench-Science 0.1新着

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

FrontierCode 1.1新着

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

AA-AnalystAgent

スプレッドシートとドキュメントに対する定量的分析

Harvey LAB-AA v1.1更新済み

法律エージェンティック作業、幻覚ゲート付き全合格率

EnterpriseOps-Gym-AA

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

ITBench-AA

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

MMMU-Pro

視覚推論

Artificial Analysisのその他の情報

Search API

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

プロバイダー

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

AA-3D

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

AA-Robotics

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

リーダーボードを見る

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

リーダーボードを見る

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

動画投票

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

動画リーダーボード

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

リーダーボードを見る

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

リーダーボードを見る

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

リーダーボードを見る

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

さらに表示

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

音声投票

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

音声間変換モデルを探索し、そのパフォーマンスを比較

テキスト音声合成

モデルを探索

音声間変換

モデルを探索

音声を探る

さらに表示

音声テキスト変換

モデルを探索