Artificial Analysis、6つの能力指数をv2.0に更新、Claude Opus 5.5が全指数で首位

Artificial Analysisは6つの能力指数をv2.0に更新し、Intelligence Index v5.0との整合を図るとともに、Non-HallucinationとAgentic Tool Useの重視度を高めた。指数はFinance & Accounting、Strategy & Ops、Legal、Healthcare & Medical、Engineering、Economicsの6分野を対象とする。Claude Opus 5.5 (max)が全6指数で首位となり、GPT-6 Astra (max)がFinance & Accounting、Legal、Engineeringで2位となった。
イベントのバージョン 1.
Key insights
Intelligence Index v5.0との整合
6つの能力指数は、Artificial Analysis Intelligence Index v5.0の評価と整合させるためv2.0に更新された。今回の更新では、Non-HallucinationとAgentic Tool Useの重視度が高められている。
ベンチマークと能力の変更
全指数においてHLEはHLE-Diamondに、AA-Omniscienceはv1.1にアップグレードされた。GDPval-AAは全6指数のAgentic Knowledge Workから削除され、AA-LCRはFinance & Accounting、Strategy & Ops、LegalのLong-Contextから削除された。
EngineeringとEconomicsの調整
Engineeringでは、CritPt v2 (Hard Subset)とTerminal-Bench-Science 0.1を由来とするScienceが新たな能力として追加され、Agentic CodingにFrontierCode 2.0が追加された。EconomicsではAgentic Knowledge WorkとLong-Context Reasoningの重みが増加し、AA-LCRがGDP.pdfに置き換えられた。
上位モデルのランキング
Claude Opus 5.5 (max)が全6指数で首位となった。GPT-6 Astra (max)がFinance & Accounting、Legal、Engineeringでこれに続く。
オープンウェイトモデルの結果
重みが未公開のKimi K3.1 Proが、オープンウェイトモデルの中で全6指数の首位となり、順位は#5から#8となった。MiniMax-M3.1-FlashはStrategy & Opsで#10の首位、DeepSeek V4.1 Flash 1017 (max)はHealthcare & Medicalで#12の首位となった。