Latent Space、7 Frontier モデルの AEO 選定結果と対策を公開

当社の AEO に対する直感的な自動調査投資は、驚くべき ROI を生み出しました。そのため、当然のことながら、今こそ本格的に取り組む時だと判断しました。私たちは「Claude Code が実際に何を選ぶか」という記事にインスパイアされ、それをベースに自らのニーズに合わせて拡張・調整を行いました。

数兆トークン規模のプロトタイピング、アライメント、スケーリングパイプラインを経て完成したのが、今回の Latent Space Frontier AEO トラッカーです。この手法は AmplifyingAI のアプローチを発展させたもので、コーディングエージェントから AI ポッドキャスト、AI 砂漠（サンドボックス）、管理型データベース、音声認識モデルに至るまで、さらにエンジェル投資家や企業支出管理、給与システムといった奇抜なカテゴリーも含めた全 161 カテゴリにおいて、7 つのモデルに対してそれぞれ 6 パターンのプロンプトをテストしています。

回答の抽出は Astra によって行われ、独自の AEO スコアで評価されました。このスコアは、最初の選択肢や代替案、言及された内容に重みを付与する一方で、推奨を避ける旨の記述（軽微なものから強いものまで）には負の重みを設定しています。こうした否定的な評価は稀ですが、確かに存在します。

読者の皆様にもご関心いただくと想定し、エージェントの推薦に影響を与える主要な情報源の上位リストと、主な失敗事例の分析も抽出・掲載しています。

基本結果

ここでは、各カテゴリで世界をリードする最も支配的な製品を紹介します。

リストには馴染み深い名前も含まれていますが、これにより「データ汚染（コンタミネーション）」の疑問が自然と湧きます。私たちはこれを検証済みです。隠すものなど何もないため、すべてのプロンプトと回答ペアは誰でも確認可能です。

ただし、バイアスも確かに存在します。コーディングエージェントの推奨を求めた際、Fable/Opus 系は Claude Code を、Sol/Astra 系は Codex を、Grok は Cursor を、Muse は Muse Code と SWE-1.7 をそれぞれ推す傾向があります。なぜそうなるのか不思議なものです。他にも「ソフトなバイアス」が浮かび上がってくるのが分かります。

とはいえ、GPT モデルが Claude を推奨する顕著な例も存在します。これは評価に値する非バイアスの現れです。

調査対象となった最先端モデルすべてにおいて、主要な選択肢が明確に統一されているカテゴリは、全161項目のうち28あります。

「接戦」と「いつも雰囲気は良いが、結局は失敗する」カテゴリーなど、AEO（Action Execution Optimization）の主要な争点となる領域はさらに増えています。

Sol と Astra、Opus と Fable の対決です。

新しいモデルクラス向けの新たな事前学習は、各ラボがデータと強化学習の優先順位でどこへ向かっているのかを確認する絶好の機会であり、スタートアップ企業が AEO への投資に見合った成果を上げているかも検証できます。私たちは特別レポートを用意し、ランキング分析を行いました。その結果、同じラボから登場するモデル世代間で、非常に重要なモデル選択の転換がいくつも確認されました。

Opus から Fable へ、Sol から Astra への移行に関するサマリーページはそれぞれ別々に用意しています。いくつかのケースでは、各シナリオで競合他社がより優れた点について中立的な分析を強調しました。

効率性と自信、そして情報源の選定について

Sol から Astra へ、Opus から Fable へと移行する過程で得た最も驚くべき発見の一つは、Anthropic がモデルをより多くの情報源を検索するようにバイアスしている可能性があるという点です。具体的には、Sol の中央値が 9 件であるのに対し、Astra は 5 件、Opus は 11 件、Fable は 15 件となっています。Astra は全体的に「自信」があるか、「効率的」と言えるモデルで、質問を軽く言い換えられた際にも、他のモデルに比べて考えを変える可能性がはるかに低いです。

このように選択肢のランダム性が低下するほど、AEO（Answer Engine Optimization）自体の価値が高まると考えられます。

情報源の分析は、各ラボが何を優先し、何を軽視しているかをある程度強く予測する指標にもなっています。

ただし、今回のサンプル数は限られており、試行されたツール呼び出しから収集できたデータのみを反映したものであり、事前学習データ全体を表すものではありません。しかし、Ora や Vercel が測定する AEO（検索エンジン最適化）の慣習、例えば Markdown を活用したコンテンツネゴシエーションなどは実際に機能しており、これらの失敗がモデルによるコンテンツ読解を阻害していることは検証可能です。

ただの遊びです

LLM による世界のトップエンジェルランキングをご紹介します（まだ重複除去作業が残っています）。

さらに詳しく知りたい方は、ぜひご覧ください。

また、読者の事前知識と実際のデータが一致しているかを確認できる、家族間の小競り合いのようなゲームも作成しました。とても楽しいですよ！

このプロジェクトの発展にご興味があれば、さらなるご提案やビジネスのご相談を歓迎いたします。Latent Space Podcast の@latentspacepod までご連絡いただくか、business@latent.space までメールをお送りください（現在、専任のマネージャーが担当しています！）。

方法論に関する以前の投稿でも触れた通り、Gemini/Antigravity、GLM/Zcode、DeepSeek/DeepCode についても可能な限り掲載を試みましたが、エラーやレート制限の影響により、今回の初回分析では含めることができませんでした。これらの企業を代表される方は、レート制限の引き上げ方法についてぜひご教示ください。