Ai Benchmark
トピックアーカイブ • 9 件
AI生成:要約はリンク先の情報源をもとにAIが作成しています。 AIの利用について
2026-11-10
テクノロジー
Google DeepMindはGemini Robotics 2.5を公開し、同社によれば一部のタスクで最大2倍の成功率を達成するという。あわせて「ASIMOV-jailbreak」と呼ばれるオープンな安全性ベンチマークも発表した。このリリースはロボティクスモデルの更新とジェイルブレイクに焦点を当てた安全性評価を組み合わせたものだ。
研究 • Ars Technica AI
パーマリンクThe Decoderによれば、AnthropicのFable 5.2はRemote Labor Indexにおいて実際のフリーランス業務の41.3パーセントをプロ品質で完了し、次点のOpus 5.5とGPT 6 Astraの2倍以上である。1年前の最高スコアは2.5パーセントだったが、製品デザインやアニメーションなどの分野は依然として弱点である。
モデルリリース • The Decoder
パーマリンク
2026-11-11
テクノロジー
トランスクリプトの抜粋に基づく:AI Explainedは、264ページのシステムカード、AI加速に関する30ページのMETRレポート、そしてクリエイター自身のテストに基づき、Fable 5.2とGemini Carbonモデルのリリースを分析している。この動画では、ベンチマーク結果、回答を暗記したモデルを捕捉するために設計された「Max Bench」テスト、リモート労働インデックス、AnthropicによるAIの改善ペースが加速するという主張、そしてベンチマーク結果が検証に耐えうるかどうかについて議論している。
AI News & Analysis • AI Explained
パーマリンク
2026-11-12
テクノロジー
Google DeepMindはGemini 4 Hydrogenをリリースした。これは6週間で3番目の新モデルであり、xhigh推論レベルを導入する。Artificial AnalysisのIntelligence Indexによると、HydrogenはClaude Sonnet 5.5およびGPT-6.1 Solとほぼ同等であり、コストはSonnetの3分の1だが、Solの約2.5倍である。このモデルはGoogle SearchおよびGoogle Antigravity内で展開されており、長期的タスク向けの新しいOrchestratorオプションも併せて提供される。
AIモデル • Techmeme
パーマリンク