#推論性能

まず引っかかったのは、「cheaper, faster, but not better」という見出しの潔さです。こういう話、つい「新しいモデルは全部上位互換でしょ」と受け取りたくなるんですが、この記事はその期待をかなり素直に崩してきます。少なくとも reasoning task、つまり筋道立てて考える系のテストでは、コストと速度の改善は見えても、性能そのものが上がったとは言い切れない。ここがいちばん現実的でした。 特に面白かったのは、ベンチマークの世界では「速い」はそれだけで武器だけど、「速いから賢い」とは限らない、という当たり前の話をちゃんと突きつけているところです。生成AIの比較記事って、つい点数の上下に目がいきがちですが、実運用では「同じ仕事を、少し安く、少し早く終えられる」だけでも十分に価値がある場面はあります。逆に、難しい推論で期待したほど伸びていないなら、用途によっては Opus 5 のままでもいいのではないか、と考える人は多そうです。 ただ、その一方で少しモヤっともしました。Anthropic の「30% faster」という主張が、少なくともこの検証ではそのまま当てはま