XNews

新モデルの発表とランキング/評価の動向

新モデルの発表とランキング/評価の動向

新モデルの発表、モデルランキング、フレームワークの影響力に関する複数の情報が含まれています。

Key insights

DeepSeekMath-V2の発表と数学コンペティション基準での優れたパフォーマンス

DeepSeekはDeepSeekMath-V2を発表し、IMO-ProofBenchおよび実際の競技(IMO 2025の5/6問題)およびPutnam 2024(118/120点)で優れたパフォーマンスを示しました。このモデルはGitHubおよびHugging FaceでApache 2.0ライセンスのもとオープンソースとして提供されており、ダウンロードと再現の手段が提供されています。

Claude Opus 4.5とClaude Codeフレームワークの違い:モデルは優れているが、フレームワークが鍵

Yam Pelegは、Opus 4.5がほとんどのコーディングタスクで優れたパフォーマンスを発揮する一方で、真の生産性向上はClaude Codeフレームワークから来ると述べています。このフレームワークは、ブラウザ制御、プロファイル管理、サブエージェントの協力、バックグラウンド自動化実行をサポートし、Opusを「全コンピュータ使用のエージェント」にしています。Pelegは、フレームワークが単一のモデルよりも革命的であると指摘し、高難度タスクには手動処理が必要なワークフロー実践や遭遇したメモリバグについても言及しました。

神秘的な動画モデルWhisper Thunderがランキングのトップに

Artificial Analysisのランキングにおいて、Whisper Thunder(別名David)という神秘的な動画モデルが1位に輝き、Veo 3、Veo 3.1、Sora 2 Pro、Kling 2.5などのモデルを打ち負かしました。現在、公開されている出所情報はありません。

Source posts