Intelligence Index v4.2発表：より現実的なAI評価へ
Judul asli: Artificial Analysis Intelligence Index v4.2
Mengapa Ini Penting
非公開テスト比率の拡大はAI評価の信頼性向上に直結し、業界基準策定に影響する。
Artificial Analysisは2026年9月4日、Intelligence Index v4.2を公開。エージェント型知識作業評価「AA-Briefcase」追加や非公開テストセット比率を40%に倍増させた。
Artificial Analysisは、AI性能評価指標「Intelligence Index」のバージョン4.2を2026年9月4日に発表した。本アップデートは、計画中のv5リリースに向けた中間更新として位置づけられている。
主な変更点は3つ。第一に、自社開発の「AA-Briefcase」の追加。業界専門家が構築した複雑なプロジェクトにおける多週間にわたる知識作業タスクをモデルに評価させるもので、非公開テストセットを使用する。第二に、Surge AIが作成した「GDP.pdf」の追加。4,592ページに及ぶ100件のPDFを対象に、テキスト・表・グラフ等を横断した文書推論能力を評価し、1,275件の専門家基準で採点する。第三に、飽和状態に達したとして「GPQA Diamond」を削除した。
Index全体のウェイトにおける非公開テストセットの割合は、v4.1の2倍となる40%に引き上げられた。ランキングでは、Anthropicの「Claude Fable 5.1」が首位、OpenAIの「GPT-6 Astra」が2位、以下Meta、SpaceXAI、Moonshot/Kimi、Z.AI、Googleと続いた。