AI 調査会社の SemiAnalysis は、新しいベンチマーク「GDPx」を公開し、Google の Gemini 4 Carbon が Anthropic の Claude Opus 5.5 に僅差で続く 2 位になったことを明らかにしました。
また、1 タスクあたりのコストは Claude Opus 5.5 が約 51 ドルなのに対し、Gemini 4 Carbon は 16 ドル強であったことも分かりました。
Gemini 4 Carbon は Google が 10 月 28 日 (現地時間) に発表した最新モデルで、開発者や企業、一般ユーザー向けには「近日中に」提供するとしています。
Claude Opus 5.5 に僅差の 2 位、コストは約 3 倍の開き
GDPx は、金融、材料科学、サイバーセキュリティ、ソフトウェア開発、法務、生物学など複数の分野にまたがる 206 件のタスクで構成されるベンチマークです。
SemiAnalysis は、価値の高い分野でエージェント能力を測るためのものと説明しており、最先端水準のベンチマークとして、最高のモデルでもスコアは 12% だとしています。
公開されたランキングには、OpenAI、Anthropic、Meta など主要なモデルが並び、スコアと 1 タスクあたりのコストが載っています。
首位は Claude Opus 5.5 で Gemini 4 Carbon は 2 位となっており、両者のスコア差はわずかですが、コストには約 3 倍の開きがあります。
3 位の GPT-6 Astra は、スコアが Gemini 4 Carbon を下回りながら、コストは約 54 ドルと 3 モデルの中で最も高くなっています。
SemiAnalysis のレポートによると、サイバーセキュリティ、生物学、アライメント (AI を人の意図に沿わせる取り組み) の 3 分野を除くと、順位が入れ替わり、GPT-6 Astra が首位となり、GPT 6.1 Sol と Claude Sonnet 5.5 が Gemini 4 Carbon を上回るとしています。
Claude と GPT のモデルに設けられた安全対策 (ガードレール) が順位に関わっており、SemiAnalysis はこちらのほうが各モデルに対する主観的な印象に近いとしています。
Google の既存モデルである Gemini 4 Argon は、3 分野を含む順位でも除いた順位でも 8 位で、Meta の Muse Wonder を上回りましたが、Wonder Full は下回っています。このベンチマークでの Gemini 4 Argon のコストは、Gemini 4 Carbon よりわずかに低い程度です。
サイバーセキュリティ分野では Meta の Muse が首位
SemiAnalysis は、サイバーセキュリティ分野に絞った結果も投稿しており、Gemini 4 Carbon と Gemini 4 Argon はどちらも OpenAI と Anthropic のモデルを上回りましたが、Meta の Muse シリーズには及ばず、Muse が有意な差をつけて最も優れていたとしています。
なお、Google が自社で公開した Gemini 4 Carbon のベンチマークでは、GPT-6 Astra と Claude Opus 5.5 を上回る項目が多いとされています。
