概要
最新のAIモデル群（GPT-5.6、Grok 4.5、Claude Fable 5、Muse Spark等）を、レイキャスターや3Dルービックキューブといった4つのコーディング課題で比較検証したベンチマーク報告。
詳細内容
TryAIによる最新の大規模言語モデル（LLM）の比較記事です。新たにリリースされたGPT-5.6（Sol, Terra, Luna）、MetaのMuse Spark 1.1、Grok 4.5、Claude Fable 5、そしてQwen 3.7 PlusやDeepSeek V4 Proといったオープンウェイトモデルを含む12モデルを対象に、コーディング能力をテストしました。課題は「レイキャスター」「3Dルービックキューブ」「電卓」「ライフゲーム」の4種類で、各モデル5回の試行が行われました。
主な結果として、GPT-5.6 Solはレイキャスターで最高の結果を残し、複雑なタスクへの強さを示しました。一方、Claude Fable 5は3DルービックキューブやSVGレンダリングで非常に高い完成度とデザインセンスを発揮。Grok 4.5は低コストながらClaude Opusレベルの性能を示し、実用性の高さが目立ちました。オープンウェイトモデルはライフゲームのような一般的なタスクでは健闘したものの、独自性が求められる複雑な開発では依然として最先端商用モデルに及びませんでした。