#model benchmarking のAIニュース

4件の記事

Anthropic、信頼できるエージェント評価の構築に関する知見を公開

Anthropic の技術スタッフであるマリアス・ブレンドラ氏は、生産環境で有効なエージェント評価の構築について講演し、モデル性能向上の評価において転写記録の確認が重要であると報告した。

AIモデルの評価・比較プラットフォーム「Arena」は、設立から8ヶ月で累計資金調達額が1億ドルに達した。

Anthropic は、SpaceX との提携から約 1 ヶ月後に、Opus よりも大規模な「Mythos クラス」モデルを一般公開した。この新モデルは安全性を保ちつつ、利用に際して論争を呼ぶ特定の条件を課している。

Google が I/O デイで発表した Gemini 3.5 Flash は、特定の速度帯において最速の性能を発揮するモデルであり、高速処理が優先される用途では有力な選択肢となる。ただし、それ以外の場面では Opus 4.7 や GPT-5.5 に劣る可能性があると指摘されている。