数か月ぶりに、AnthropicがText Arenaのランキング首位の座を明け渡した。このランキングは、数学、コーディング、創造的ライティングなどのタスクにおけるAIモデルの性能をリアルタイムで評価している。Gemini 4 Argonが首位を獲得し、Metaが公開したMuse Wonderがそれに続いた。GoogleはこのGemini 4 Argonを有料購読者向けに展開している。Claudeの開発元であるAnthropicは、それでもトップ10に6モデルをランクインさせている。
10月初旬に発表され、当初はサイバー防衛分野のごく一部の関係者のみが利用できたGemini 4 Argonは、Arenaコミュニティで明らかに高い評価を得た。Arenaは、ユーザーが匿名化された2つのモデル間の対決を裁定する協働型ベンチマークである。マウンテンビューに本拠を置く同社の最先端モデルは、複数段階にわたる長く複雑なタスクを処理するために設計されており、同じ特長を謳うMuse Wonderを上回った。
最高性能の20モデル
トップ2に続く上位陣は、ほとんどがAnthropicによって占められている。Claude Opus 5.5が3位、Claude Fable 5が4位、Claude Opus 4.6の「High」版、Claude Fable 5.1、Claude Opus 4.7、そして標準版のClaude Opus 4.6がそれに続く。最後のモデルは2月のリリースにもかかわらず、トップ5内の地位を維持している。トップ10はGemini 3.8 FlashとMuse Spark 1.3によって締めくくられる。
一方、OpenAIは後れを取っている。同社の最初のモデルであるGPT-5.6 Solは21位にしか登場しない。MoonshotのKimi K3が18位に入ったことを除けば、トップ20はMeta、Google、Anthropicのモデルで構成されている。
カテゴリー別最高モデル
Arenaはまた、Web検索、画像分析、文書分析など、より特化したタスクにおけるモデルの評価も行っている。Web検索では、GPT-5.6 Solの「xHigh」版が首位となり、Qwen 3.8 MaxとClaude Opus 4.6 Searchがそれに続く。このカテゴリーのトップ10のうち、9つの座はAnthropic（5モデル）とOpenAI（4モデル）が占めている。
画像分析では、Claude Fable 5が首位となり、Qwen 3.8とClaude Opus 4.6がそれに続く。Anthropicはトップ10に5モデルをランクインさせた。文書分析では、Claude Opus 5が首位となり、Anthropicが1位から7位までを独占した。OpenAIは、標準版GPT-5.5、「High」版GPT-5.5、GPT-5.6 Solでトップ10を締めくくっている。
ランキングの仕組み
AI分野の主要な関係者や観察者が注視するArenaは、ユーザーの投票に基づいてモデルをランク付けしている。1つのクエリが匿名化された2つのモデルに提示され、それぞれが回答を生成し、ユーザーがより適切な回答を選択する。各モデルはこれらの対決の結果に応じて変動する一種のレートであるEloスコアを受け取る。
上位ランクの相手に勝利するとポイントが加算され、下位ランクの相手に敗れるとポイントが減算される。首位のモデルもスコアを向上させ続けることは可能だが、その進歩はより緩やかになる。
