概要
JuliaHubによる物理AIのベンチマークにおいて、Claude Fable 5が最高精度を記録する一方で、GPT-5.6 Solが圧倒的なコストパフォーマンスを示し、さらに実行基盤（ハーネス）の重要性が再確認されました。
詳細内容
### 物理AIモデリングにおけるフロンティアモデルの比較評価
JuliaHubは、OpenAIの**GPT-5.6**シリーズ（Terra, Sol, Luna）とAnthropicの**Claude Fable 5**を対象に、エンジニアリング分野の物理モデリングおよびシミュレーション能力を測定する厳格なベンチマークを実施しました。NASAのHL-20飛行体の動的シミュレーションを含む5つの難易度別問題（P1〜P5）を用い、物理法則の導出から検証までのプロセスを評価しています。
#### 主要な分析結果
- **最高性能**: Claude Fable 5が加重スコア0.889で首位。徹底した独立検証と高い精度が特徴ですが、1試行あたり9.60ドルと高額です。
- **最高コスパ**: GPT-5.6 Solがスコア0.814で2位。Fableの約5分の1のコスト（1.74ドル）で動作し、実務における最適なバランスを提供します。
- **期待外れの結果**: GPT-5.6 Lunaは、精度・コスト・速度のすべての軸において最下位という結果でした。
#### 「ハーネス（実行基盤）」の決定的役割
本調査の最も重要な結論は、モデル間の性能差（0.162ポイント）よりも、専用の**Dyad AIハーネス**を使用するかどうかの差（0.366ポイント）の方が大きいという点です。物理AIにおいては、単なるコード生成能力以上に、ソルバーのフィードバックをループさせる検証プロセスが「物理的に正しい」解を導くための鍵となります。