AIToday
大規模言語モデルAI Weekly掲載日時: 2026年11月3日 1:00

GDPx、最高AIモデルでも12%止まりと発表

LINEで送る
GDPx、最高AIモデルでも12%止まりと発表

3つのポイント

  1. 何が起きたか

    GDPxは11領域を対象とし、Claude Opus 5.5がクオンツ取引・ハードウェア設計・チップ設計で首位、金融と法務は全モデルがゼロだった。

  2. なぜ重要か

    Opus 5.5とGPT-6 Astraは安全分類器によりサイバー・生物・アラインメント領域で回答を拒否しており、安全性の仕組みが競争上の不利になり得ると筆者は指摘する。

  3. 注目点

    Opus 5.5のタスク当たりコストは$51.41で、Gemini 4 Carbonの約3倍に上る。

誰に効くか先端モデルを業務に導入する企業の情報システム部門や調達担当は、精度だけでなくタスク当たりコストと拒否率を踏まえた選定を迫られる。金融・法務の自動化を検討する部門には、現行モデルでは実務処理が難しいという判断材料になる。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

GDPxの設計思想は、モデルに文脈を渡して答えさせるのではなく、現実に近い作業環境に置く点にある。金融部門では実在のPE取引を模した約2,000ファイルのディールルームを用意し、その中には$30 billion規模のメディア買収や$880m超のアーンアウト型買収が含まれる。クオンツ取引部門はThird Momentが構築し、Hudson River Tradingでオプション部門責任者を務めたJeffrey Yan氏が率いた。

もう一つの特徴は、タスク自体の品質管理だ。筆者らはTerminal Bench 4.0のような一般的なベンチマークに同じ品質検査を適用すると、タスクのほぼ50%が破損と判定されると述べている。GDPxはこの点を差別化材料と位置づける。

一方で、GPT-6 AstraとOpus 5.5の性能差は、サイバー・生物・アラインメントを除いたサブリーダーボードでは逆転し、AstraがOpus 5.5をわずかに上回る。安全性の作り込みが測定可能な競争要因として表れた形だ。Anthropicは直近90日で357件の報道記録があり、Karpathy氏がOpus 5.5でHackerTubeを約2時間で仕上げた事例など、実利用の話題も続いている。

よくある質問
GDPxはどのような点で既存ベンチマークと違いますか?
タスクが事前に完全指定され文脈も与えられるGDPvalに対し、GDPxは環境を構築する方式だ。金融部門は実際のPE取引の約2,000ファイルを再現したディールルームを用いる。
モデルが低スコアになった理由は何ですか?
筆者らは、Opus 5.5とGPT-6 Astraが安全分類器によりサイバー・生物・アラインメント領域で回答を拒否し、全体スコアを押し下げたと説明している。拒否の少ないMuse Wonder Fullがサイバー領域で首位となった。
コスト面ではどのような差がありますか?
Claude Opus 5.5はタスク当たり$51.41で、Gemini 4 Carbonの約3倍にあたる。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

マイクロソフトがAIエージェントで攻撃対抗サービス提供開始

Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

NEWPublickey4時間前

Windows Server 2028がパブリックプレビュー公開

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

NEWPublickey4時間前

AUMOVIOがLLMの唯一の経路をDatabricksに統一

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

NEWDatabricks AI Blog4時間前

CADMAGEDDON、5ベンチマークで最先端CADモデル超え

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

NEWAI Weekly4時間前

MIT Technology ReviewのAI指数、AIは遍在

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

NEWMIT Technology Review AI4時間前

Thomas Nagel、AI意識説を「馬鹿げている」と一蹴

哲学者トーマス・ナゲル氏はバーグルエン賞受賞後のインタビューで、大規模言語モデルが意識を持つ可能性を真剣に受け止めるのは「馬鹿げている」と述べ、AnthropicのClaudeへのアプローチを「犯罪的」と呼んだ

NEWWIRED AI4時間前
次の記事へ低遅延タスク苦手なLLMを測るベンチマーク公開