トピック

#Benchmark

Benchmark に関する最新ニュースと解説。

10件の記事

このトピックの記事

新しい順　1 / 1 ページ

ツール7月17日1分

PerceptionBenchは、Kimiチームが発表した次世代AI視覚評価ツールで、マルチモーダルモデルの原子感知能力（Atomic Perception）をテストするために設計されました。テスト結果によると、GPT、Kimi、Claudeなどのトップモデルであっても、純粋な視覚認識タス …

ツール5月29日1分

AI 生成画像の良し悪しはいつも主観的？Qwen チームは Qwen-Image-Bench と Qwen3.6-27B ベースの AI 審判 Q-Judger をオープンソース化しました。本記事では、その思考の連鎖の仕組みや 5 つの詳細な評価次元を解析。精緻な JSON 構造化評価の実 …

ツール12月2日1分

大規模言語モデルが「ビジュアルコード」に挑戦し始めたとき、真の勝者は誰なのか？この記事では、Claude Sonnet 4.5、GPT-5.1、Gemini 3.0など9つのトップAIモデルのSVG生成ベンチマークを詳細に解析し、30のクリエイティブなプロンプトでのパフォーマンスを探り、こ …

ツール11月5日1分

Geminiモデルが国際数学オリンピック（IMO）で金メダル基準を達成した後、Google DeepMindは正式にIMO-Benchをリリースしました。これは単なる評価ツールではなく、AIを「問題解決」から「深層推論」へと推進する新しい基準であり、AI分野をより堅牢で創造的な数学的推論の …

ツール10月21日1分

大規模言語モデル（LLM）を搭載したAIエージェントが万能だと思っていた矢先、美団のLongCatチームが発表した最新のベンチマーク「VitaBench」が業界全体に冷や水を浴びせました。この「最難関の模擬試験」とも言えるテストは、トップクラスのAIモデルでさえ、複雑な現実世界のタスクを処 …

ツール9月10日1分

私たちはAIが全能だと思っていましたが、単純なアナログ時計がGoogle GeminiやOpenAI GPT-5などのトップモデルを打ち負かしました。最新のClockBenchベンチマークによると、人間の正解率は89.1％にも上るのに対し、最強のAIはわずか13.3％でした。この発見 …

ツール9月2日1分

AIは十分に「従順」ではない？美団は、新しい指示追従評価ベンチマークであるMeeseeksをリリースしました。独自の多ターンエラー修正メカニズムを通じて、AIモデルが複雑な指示を真に理解して実行できるかどうかを深く評価します。この記事では、Meeseeksの3層評価フレームワーク、その技術 …

ツール8月21日1分

AIのコーディング能力はますます強力になっていますが、真の王者は誰なのかをどうやって知ることができるのでしょうか？TencentのHunyuanが発表したAutoCodeBenchは、20のプログラミング言語をカバーする、新しく難易度の高い評価ベンチマークです。この記事では、その技術的原則 …

ツール8月14日1分

AI界の競争は白熱しています！Design Arenaというベンチマークテストプラットフォームが、大規模なクラウド投票を通じて、プログラミング、ウェブサイト構築、画像、動画、さらには音声生成といった分野における主要AIの真の実力を全面的に検証しています。最新のランキングでは、総合力 …

ツール8月14日1分

AIはもはや冷たい機械ではありません。最新のEQ-Bench 3（感情知能評価）ランキングが発表されましたが、その結果はあなたを驚かせるかもしれません。本記事では、このランキングを深く掘り下げ、Horizon-Alpha、Kimi、GPT-5、Geminiといったトップモデルが「空気を読 …