Theo氏のAIモデルティアリストランキング

T3 Codeの開発者Theo氏は、4つの評価軸に基づいて現在の15のAIモデルをSからFまでランク付けしたティアリストを公開した。- Sランク:Claude Fable 5(Anthropic)は、これまでで最高のモデルと評される。- Aランク:GPT-5.6 Sol(OpenAI、Aランクトップ、Sに近い)、GPT-5.6 Luna、DeepSeek V4 Flash。Solは彼の日常的なデフォルトであり、後者2つは高価値の実用モデル。- Bランク:Kimi K3(Moonshot AI)は、複雑なタスクをエンドツーエンドで完了する初のオープンウェイトモデル。- Cランク:GPT-5.6 Terraは、価格設定が不自然で明確なユースケースがない。- Dランク:GLM 5.3、Composer 2.5、Grok 4.6、Muse Spark、Opus 5、Sonnet 5。それぞれに優れた点はあるが、実際に選ぶ理由はない。- Fランク:Gemini 3.7 Flash、Gemini 3.1 Pro、DeepSeek V4 Pro。価格と効率のバランスが悪い、またはフラッグシップモデルにビジョン機能が欠けている。- 評価軸:トークン効率(トークン単位ではなくタスク単位のコスト)、実タスクコスト(Cursor Bench、Artificial Analysisデータに基づく)、ビジョン機能(2026年には画像入力対応が必須)、ワークフロー適合性(人間の監督なしで自律的に成果を出せる能力。Sランクの差別化要因)。
Key insights
トークン効率はトークン単価よりも重要
Theo氏は、100万トークンあたりの価格設定は意味がなく、真の指標はタスク完了に消費される総トークン数だと主張する。トークン単価が低くても消費トークン数が多いモデルは、全体として高コストになり得る。これにより、コスト評価が単価経済からタスクレベルの効率へと移行する。
2026年、ビジョン機能は必須要件
Theo氏は、自身のワークフローで頻繁にスクリーンショットを貼り付けるため、画像入力をサポートしないモデルに厳しいペナルティを課す。彼の枠組みでは、2026年にビジョン機能を持たないモデルは大幅に格下げされ、実世界でのマルチモーダルインタラクションの重要性の高まりを反映している。
ワークフロー適合性がSランクを他と区別する
Sランクモデルの決定的な特徴は、人間の監督なしで自律的に作業を完了できる能力である。Claude Fable 5のみがこの基準を満たし、唯一のSランクとなっている。この基準は、単なるベンチマークスコアよりも自律的なタスク完了を重視する。
Geminiモデルは価格と機能のギャップでFランクに
Gemini 3.7 Flash、Gemini 3.1 Pro、DeepSeek V4 ProはすべてFランクに位置付けられた。理由は、価格と効率のバランスの悪さ、およびフラッグシップモデルにおけるビジョン機能の欠如である。この評価は、コスト効率とマルチモーダルサポートに対するTheo氏の厳格な基準を浮き彫りにしている。