上位モデル間の差13ポイントに拡大

Intelligence Index v5は、スコアの入れ替わりではなく、複合指標の組み立て方における構造的な変化を示す。Indexの大半を非公開データセットで構築することで、Artificial Analysisはモデル開発者が出題される正確な問題に合わせて調整する可能性を減らす。これは、ランキングをマーケティング上の数字ではなく独立した検証として扱う人々にとって重要だ。2つの追加は異なる方向を向く。Cognitionが提供するFrontierCode 2.0は、あいまいに指定されたプロンプトをモデルに与えることで、仕様追従だけでなく判断力を測る。一方、Terminal-Bench-Scienceは70のエージェント研究タスクをターミナル環境に置く。

スコアの動きは両方向に及ぶ。OpenAIのモデルはv5でより高く評価される一方、MetaのMuse Wonder Full(max)やKimi K3 Proなど、v4.3で上位だった一部のモデルは順位を下げた。新ベンチマークの結果では、FrontierCode 2.0でClaude Opus 5.5 (max)が首位、GPT-6 Astra (max)が2位、Gemini 4 Carbonが6位。一方、Terminal-Bench-ScienceではGemini 4 Carbonが首位だ。

最大の帰結はクローズド対オープンの差で、3ポイントから13ポイントに広がった。執筆時点のトップオープンモデルはKimi K3.1 Proの46で、Gemini 4 Carbonの59を大きく下回る。このモデルはまだ公開されておらず、まもなく無償公開される予定のため、広く利用可能になればオープン側の数値は変わりうる。