# AIランキングが再編：Artificial Analysis Intelligence Index v5とGemini 4 Carbon

- 番組: [The AI Daily Brief: Artificial Intelligence News and Analysis](https://ai-curator.jp/podcasts/shows/cmv40atyk00075j0zs7iqtm08)（Nathaniel Whittemore）
- 元のタイトル: The AI Rankings Just Got Reshuffled
- 配信日: 2026年10月30日
- 長さ: 27分
- 要約作成日: 2026年10月30日
- トピック: [#ベンチマーク](https://ai-curator.jp/topics/%E3%83%99%E3%83%B3%E3%83%81%E3%83%9E%E3%83%BC%E3%82%AF) [#LLM](https://ai-curator.jp/topics/LLM) [#Artificial Analysis](https://ai-curator.jp/topics/Artificial%20Analysis) [#オープンウェイトモデル](https://ai-curator.jp/topics/%E3%82%AA%E3%83%BC%E3%83%97%E3%83%B3%E3%82%A6%E3%82%A7%E3%82%A4%E3%83%88%E3%83%A2%E3%83%87%E3%83%AB) [#クラウド決算](https://ai-curator.jp/topics/%E3%82%AF%E3%83%A9%E3%82%A6%E3%83%89%E6%B1%BA%E7%AE%97) [#反トラスト](https://ai-curator.jp/topics/%E5%8F%8D%E3%83%88%E3%83%A9%E3%82%B9%E3%83%88)
- URL: https://ai-curator.jp/podcasts/cmvu1lzr900006t11ehu0ykvv

## 要約

AI Daily Briefのこの回は、Artificial Analysisが「Intelligence Index」をv5へ大幅更新し、順位が入れ替わった話題が中心。Google の Gemini 4 Carbon が59点で首位に立ち、オープンウェイトモデルとの差も3点から12点に拡大した。ヘッドラインではMicrosoft・Googleのクラウド決算とNvidiaへの反トラスト調査も扱う。司会のNLWは、ベンチマークは限界がありつつも重要だと位置づけている。

## ポイント

- Google は Gemini 4 Carbon を発表。Argon の2週間後で、新Index v5で59点と首位だが、一般提供前でサイバー防衛の一部にのみ提供されている。
- Index v5 は過半のベンチマークを非公開データにし、エージェント型のコーディング・知識労働・科学を重視。長文脈推論テストは外された。
- 順位は大きく変動し、GPT-6 Astra は6位から2位へ、Kimi K 3.1 Pro は4位から9位へ下がった。
- オープンウェイトとの差は3点から12点に広がった。一方でKyle Chan氏は、Kimiはコーディングエージェントでは強いと指摘している。
- MicrosoftのAzureは48%成長、Google Cloudは売上倍増。ただしGoogleは検索成長の鈍化が懸念された。
- 司会は、最大設定での評価や科学の重み付けに疑問を呈し、個別ベンチマークを見ることを勧めている。

## 章立て

- [00:00] **導入：ベンチマーク更新の意義** — Artificial Analysisの指標が更新され、新たな首位がGoogleになったことを紹介する。
- [01:01] **Gemini 4 Carbon の発表** — Argon の2週間後に登場したCarbonのベンチマークやコスト、限定的な提供、社内外の反応を紹介する。
- [06:10] **MicrosoftとGoogleの決算** — Azureの成長、Google Cloudの倍増、検索成長の鈍化、設備投資がピークに近い兆しを議論する。
- [09:20] **NvidiaへのDOJ調査** — Hugging Face買収への照会と、調査が広範囲に及ぶことが報じられた点を伝える。
- [15:25] **Index v5 の変更点** — 非公開データの増加、新旧ベンチマークの入れ替え、重み付けの背景を解説する。
- [20:30] **新ランキングとオープン対クローズド** — 順位の変動、コスト差、オープンウェイトとの差の拡大と、それに対する反応を紹介する。
- [24:30] **批判とProgress Index** — 重み付けや最大設定への批判と、新しいProgress Indexの内容、まとめを述べる。

## 解説記事

AI関連ニュースを日々伝える番組「The AI Daily Brief」で、司会のNLWがAIモデル評価の指標「Artificial Analysis Intelligence Index」のv5への大幅更新を取り上げた。あわせて、Google の新モデル Gemini 4 Carbon が新指標で首位に立ったこと、大手クラウドの決算、NvidiaをめぐるDOJの調査も扱った回である。

#### Gemini 4 Carbon が首位に

Google は Gemini 4 Argon のわずか2週間後に Gemini 4 Carbon を発表した。NLWは、新しいベースモデルがあるため、長い事前学習をやり直さずに強化学習で素早く改良できると説明している。Sundar Pichai氏は決算説明会で、AIが学習やリリースの速度向上に役立っており、今後12カ月で加速が続くとの見通しを述べた。

Carbon は Terminal Bench 4.0 などの主要ベンチマークで Argon から大きく伸び、8項目中6項目で首位とされる。新Index v5では59点で Opus 5.5 を上回った。1タスクあたりのコストは7.76ドルで、Opus 5.5 より23%安く、Astra より20%高いという。

ただし一般提供前で、まずはサイバー防衛の一部の関係者に限って提供される。実利用の証言は少なく、NLWも実際に触るまで判断を保留するとしている。Arenaの3Dデザイン系テストでは評価が芳しくなかったが、NLWは3Dデザインが LLM の適切な物差しとは思わないと述べている。

#### Index v5 で何が変わったか

Indexは約12のベンチマークを1つのスコアにまとめるものだ。かつてはチャットボットのアリーナ型ランキングなど「雰囲気」が重視されたが、コーディングや調査が主要用途になるにつれ、客観的なベンチマークが重みを増した。ただ、指標が飽和したり、ベンチマークに特化した最適化（bench-maxing）で順位が実態以上に上がったりする問題が続いてきた。9月の v4.2 は GPT-6 Astra の体感との乖離を受けた前倒し更新だったという。

v5では初めて過半のベンチマークが非公開データになった。Cognitionの実コード課題 Frontier Code 2.0 や、エージェント型の科学研究を測る Terminal Bench Science が加わった。一方、長文脈推論のAA-LCRなどは外された。NLWは、圧縮やメモリの改善で長文脈性能が当たり前になったことと、エージェント型の作業が中心になったことの表れだと解釈している。重み付けは知識労働、コーディング、科学などを均等にしており、科学の25%は将来を見据えた賭けのようだと述べた。

#### 順位の変動とオープンモデルとの差

v5では Opus 5.5 が58点、GPT-6 Astra が57点（6位から2位）で続き、Carbon の登場で Opus 5.5 は2位となった。一方、Kimi K 3.1 Pro は4位から9位へ下がった。Artificial Analysisによれば、オープンウェイトとの差は3点から12点に拡大した。上位は Anthropic、OpenAI、Google、Meta のモデルで、その後ろとの間にも明確な断絶が生じた。

OpenAIのDean Ball氏は自身の主観的な順位に初めて近づいたと評価した。一方、Brookings InstituteのKyle Chan氏は、Kimiは科学系で弱い（Terminal Bench Scienceで34%対Astraの63%）が、Terminal Bench 4.0では全モデル中首位の67%だと指摘した。結論として、中国モデルは特定のエージェント型タスクでは並ぶが、高度な科学推論や研究ワークフローでは差が残るという見方を示している。

#### 決算とNvidia調査

ヘッドラインでは、Azureが48%成長し、OpenAIが約100億ドルを寄与したと紹介された。Google Cloudは売上が倍増して307億ドルに達したが、検索成長は12%に鈍化し、AIモードの収益化の低さをPichai氏も認めた。設備投資は計画を据え置いたものの、実績は予想を下回った。NLWは、需要の減速ではなく電力や部品などの物理的制約が背景にあるとの見方を示している。

Nvidiaについては、DOJが130億ドルのHugging Face買収について照会した。調査はGroqとのライセンス・人材獲得型取引に限らず、他の買収や投資、販売慣行にも及ぶと報じられた。ただし起訴はなく、不正を示す事実もないと番組は強調している。

#### まとめ

NLWは、ベンチマークは限界があるが重要だと繰り返す。最大設定でのみ評価される点や、科学の重みが一般的な利用実態に合うかは議論の余地があるとして、総合点だけでなく自分の用途に近い個別指標を見ることを勧めている。日本の実務者にとっても、モデル選定ではリーダーボードの順位より、非公開データか、どのタスクを測っているか、コストや推論設定は何かを確認することが重要だと分かる回である。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The AI Daily Brief: Artificial Intelligence News and Analysis「The AI Rankings Just Got Reshuffled」