AI戦争がさらに面白くなってきた。新たなモデルが王座を主張し、LMArenaのテキストリーダーボードの推論モードで1483 Eloという驚異的な数値を叩き出した。これは、最も近い非系列の競合モデルに対して31ポイントの差だ。推論用の特別な機能がなくても、堂々の2位を獲得している。

この飛躍を支えているのは何か？このモデルは、あらゆるベンチマークを塗り替えているようだ。複雑な論理チェーンの処理でも、微妙なクエリの理解でも、そのパフォーマンスの差は無視できない。リーダーボードは嘘をつかない——この差で既存のプレイヤーを上回っているなら、アーキテクチャに根本的な変化があったということだ。

ただし、注意点もある。制御されたテストでの圧倒的な強さが、実世界での優位性に必ずしも直結するわけではない。過去にも、ベンチマークで高得点を出しながら、実際にユーザーが気にするエッジケースで失敗するモデルもあった。それでも、これらの指標は重要だ。技術的な上限がどこに向かっているのかを示しており、今、その上限は急速に上昇している。