AIニュース
公司内部站点 · 页面资源保存在本地（2026-10-17 11:55 UTC）· 独立 X 采集尚未配置；互动计数仅限本站

#model-evaluation

すべてのAIニュースを見る
TGRSSフィード全 12 件

DatabricksのテストでOpus 5.5とGPT-6 Lunaがコーディングのコストと品質のフロンティアを拡大

Patrick Wendell氏によると、Databricksが2,400人のエンジニアのオンラインワークロードを分析し、オフライン評価も行った結果、Opus 5.5とGPT-6 Lunaがコストと品質のフロンティアを広げている。Opus 5.5は同一タスクのコストをOpus 4.8比で20%削減し、Databricksはコーディングの日常的な既定モデルとして推奨している。

論文、富裕と推定した利用者に個人AIエージェントが高額な選択肢を勧めると指摘

新しい論文は、13モデルのうち8つが、依頼内容が同一でも、富裕と推定した利用者に対し、より高額な航空券、医療保険、または大学院課程を選んだと報告している。Claude Opus 4.8では、差は航空券1件あたり198ドル、保険は月284ドルに達する。

Arena.ai、GPT-6 Sol（Max）をAgent Arenaで6位、+7.7%、タスクあたり0.75ドルと位置づける

Arena.aiによると、OpenAIのGPT-6 Sol（Max）は4,000件超の実世界エージェントセッションで純改善率+7.7%を記録し、タスクあたりの中央値コストは0.75ドルだった。Claude Fable 5（High）を0.60ポイント下回り、タスクあたりのコストは56%低い。

Artificial Analysis、9言語のTTSリーダーボードを追加

Artificial AnalysisはControlled Voice Arenaを拡張し、日本語、標準中国語、ヒンディー語、スペイン語、ドイツ語、フランス語、ポルトガル語、ベトナム語、アラビア語向けに、それぞれ独立したテキスト読み上げのリーダーボードを設けた。順位は各言語で書かれたプロンプト、標準化されたクローン音声、母語話者による選好投票に基づく。

Artificial Analysisが9言語のテキスト読み上げリーダーボードを追加

Controlled Voice Arenaは、日本語、標準中国語、ヒンディー語、スペイン語、ドイツ語、フランス語、ポルトガル語、ベトナム語、アラビア語のテキスト読み上げモデルを順位付けするようになった。CartesiaのSonicファミリーが9つのボードのうち8つで首位に立ち、Inworld AIのRealtime TTS-2は標準中国語で1位となった。