AIモデル12種をブログが独自評価、客観性に懸念
TryAIが自社で構築したベンチマークを用い、外部監査や第三者の検証なしでAIモデル12種を評価した。
- Claude Fable 5のみがルービックキューブの課題を5回すべて完遂した。
- GPT-5.6 Lunaは回答速度1.0秒、コスト1回あたり0.001ドルで最速かつ最安だった。
- Grok 4.5は難問でClaude Opus 4.8と同等の性能を示し、コストは大幅に低かった。
なぜ重要か評価基準の策定から採点までを同一組織が行っており、独立した客観的指標とは言い難い。
TryAI blog (official benchmark post) ↗ · 2026年7月10日26/7/10 · ✓ 確認済✓