欧州のAIモデルは、米国勢や中国勢に比べて「どれだけ賢いか」だけでなく、「実際に使える速度か」「企業の業務に載るか」でも見られるようになってきた。Multiverse Computingが発表したQuasar 438Bは、その文脈で自社の旗艦モデルを強く売り込む内容だ。単なる新モデルの紹介ではなく、ベンチマークの数字を前面に出して「欧州で最も高性能」と主張している点が目を引く。性能と実用性の両方を押し出すこの発表は、欧州AIの立ち位置を知るうえでも面白い。
Multiverse Computingは、Quasar 438Bを自社の旗艦 reasoning model として紹介した。対象は enterprise-scale の agents と coding で、英語とスペイン語で動くという。会社側の説明では、これは Multiverse Computing が出した最初の大規模モデルでもある。
性能面で強調されているのは、Artificial Analysis の Intelligence Index v4.1.1 で 43 を記録し、欧州モデルとしては最高水準だという点だ。この指標は GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity’s Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR の9つの評価をまとめた複合指標で、Quasar は Mistral Medium 3.5 の 30、NVIDIA Nemotron 3 Ultra の 38、Inkling の 42 を上回ったとされる。一方、最上位の Claude Opus 5 は 63 で、Quasar はその領域には届いていない。
同社は速度も強調している。Quasar は推論時間を含めて 500 tokens を 15.3秒で返す。比較対象の中でこれより速いモデルは3つだけで、そのうち Quasar より高いスコアを持つのは Gemini 3.7 Flash だけだという。別の見方をすると、Mistral Medium 3.5 は 30点で 18.8秒、Nemotron 3 Ultra は 36点で 25.7秒、Inkling は 42点で 48.3秒かかる。つまり Quasar は、少なくともこの比較では「遅くない大規模モデル」として押し出されている。
さらに長文文書の読解力を測る AA-LCR では 75.0 を出し、Grok 4.6 (high) の 75.0 と並び、Claude Opus 5 の 75.7、Qwen3.8 2.4T A95B の 75.3 にかなり近い。Terminal-Bench v2.1 では 69.3 で、Mistral Medium 3.5 を 18.7点、Nemotron 3 Ultra を 15.4点上回ったが、Claude Opus 5 の 89.1 には届かない。
Multiverse Computing は、Quasar を CompactifAI API から試せると案内している。企業は自前で基盤を立てずに、API経由で評価を始められる、という売り方だ。
この発表でいちばん印象に残るのは、43というスコアそのものよりも、15.3秒という応答時間を同じくらい前に出していることだと思う。大規模モデルの紹介記事は、性能スコアだけを盛って終わることが多い。だが Quasar は、比較的高い能力を持ちながら、インタラクティブな用途に耐える速度もあると見せようとしている。ここに、Multiverse Computing の「efficient AI」を売りにしてきた会社らしさが出ている。研究用のベンチマークで勝つだけではなく、業務の画面で待たせないことまで評価対象に入れているわけだ。
ただし、この手の数字は見方に注意が要る。Artificial Analysis の複合指標は便利だが、9つのテストをまとめたものなので、実運用の全部を代表するわけではない。しかもモデル比較は、評価の切り方や入出力の条件で印象がかなり変わる。Quasar が「欧州で最も高い」と言われても、それがあらゆる業務で最強という意味にはならない。むしろ、欧州製としての存在感を作るための、かなり戦略的な見せ方だと受け取るほうが自然だ。
Quasar の説明で地味に重要なのは、AA-LCR と Terminal-Bench の結果だと思う。長文文書の中から情報を拾い、つなぎ合わせ、推論する能力は、企業の文書検索や調査、法務、営業資料の読み込みで効いてくる。一方、Terminal-Bench は端末環境での作業を評価するので、コード生成だけでなく、コマンドを打ちながら進める agent の実用性に近い。つまり Quasar は、雑談が上手いモデルというより、仕事を最後までやるタイプのモデルとして設計されている。
この方向性は、今の企業AIの需要とも噛み合う。多くの現場では、派手な会話性能より、既存の文書やコードベースの中で迷子にならず、複数ステップの処理を破綻させないことのほうが大事だ。そこに 43B ではなく 438B という巨大クラスを持ってきたのは、性能の底上げだけでなく、長い文脈や複雑な手順を崩さない安心感を狙っているのだろう。私はここに、単純な「巨大化競争」ではない実務志向を感じた。
Quasar の数字は確かに強いが、記事全体を読むと、最前線のモデル群にはまだ差があることもはっきりしている。Claude Opus 5 はスコアでも Terminal-Bench でも上だし、AA-LCR でも Quasar をわずかに上回る。Gemini 3.7 Flash は Quasar より速く、しかもスコアも高い。つまり Quasar は「欧州で突出している」のであって、「世界全体をひっくり返した」わけではない。
それでもこの発表が意味を持つのは、欧州のモデル企業が、単なる追随者ではなくなったと示しているからだと思う。しかも Multiverse Computing は、研究室向けのデモではなく、CompactifAI API で実際に試せる形にしている。企業にとっては、ベンチマークの順位より、既存システムに入れて壊れないかのほうが大事だ。Quasar はその入口に立っている。
私は、こうした発表は「欧州にも強い選択肢がある」と示す意味で価値がある一方、今後は数字の良さだけでなく、実際の導入事例やコスト、安定運用の話が出てこないと、本当の評価にはつながりにくいとも見ている。モデルの点数は目立つが、企業は点数だけでは払わない。
