XNews

最近のモデルリリースとベンチマークニュース

最近のモデルリリースとベンチマークニュース

主要なモデルリリースとベンチマークの更新がベンダー間の競争の波を示しています。

Key insights

OpenAIが大幅なベンチマーク向上を伴うGPT-5.2をリリース

OpenAIは、GPT-5.2の思考結果を発表し、GPT-5.1に対して顕著な向上を示しました。SWE-Benchソフトウェア工学で55.6%、GPQAダイヤモンドで92.4%、CharXiv科学的推論で82.1%、FrontierMath全体で40.3%、AIME 2025の満点100%、ARC-AGIベンチマークとGDPval知識タスクで大きな飛躍を記録しました。このリリースは推論性能の大きなステップとして宣伝されました。

OpenAIがエージェントプログラミング向けのGPT-5.2-Codexをリリース

OpenAIは、長期タスク向けのアップグレード、サイバーセキュリティ機能の強化、視覚的UI理解の改善に焦点を当てたGPT-5.2-Codexをリリースしました。ベンチマークは、SWE-Bench Proで56.4%、Terminal-Bench 2.0で64.0%であり、強力なコーディングアクションのための追加のデプロイメント安全対策が施されています。

Anthropicが計算と価格の改善を伴うOpus 4.5を発表

Anthropicは、SWE-Bench Verifiedで80以上、OSWorldエージェントスコア66.3%を持つClaude Opus 4.5(claude-opus-4-5-20251101)をリリースしました。Opus 4.5は、長期タスクにおけるトークン使用量を最大65%削減し、1百万トークンあたりの価格は以前のはるかに高い料金に対して、入力が$5、出力が$25に低下しました。Opus 4.5は複数のクラウドプラットフォームを通じて利用可能で、'努力パラメータ'による混合推論制御をサポートしています。

Qwen3とQwen3-OmniがFP8およびオムニモーダルバリアントでオープンエコシステムを拡大

Alibaba Qwenは、迅速な推論のためのQwen3-Next-80B FP8ファミリーと、テキスト、画像、音声、動画を統合するQwen3-Omniを発表しました。多くの音声/AVベンチマークでSOTAを達成しています。いくつかのQwen3モデルがオープンソース化され(30Bバリアント)、Hugging FaceおよびModelScopeと統合されています。

MetaがオープンリサーチCode World Model (CWM) 32Bをリリース

Meta FAIRは、パス@1メトリクスを持つ32Bの研究モデルCode World Model (CWM)を発表しました。SWE-bench Verifiedで65.8%、LiveCodeBenchで68.6%、Math-500で96.6%、AIME 2024で76.0%の結果を示しています。Metaは研究コミュニティにオープンウェイトの使用を奨励しました。

GoogleがFunctionGemmaをリリースし、Google AI Plusを拡大

Googleは、自然言語を実行可能なデバイスコマンドに変換する小型のデバイス上のGemma 3バリアントFunctionGemmaを導入し、Google AI Plusを36か国に拡大しました。これにより、Nano Banana画像生成やその他のマルチモーダルサービスへのアクセスが増加しました。

Source posts