DeepMind出身者創業のAI企業、論文再現ベンチマークでClaudeとGPT-4.5を超えたと発表

Google DeepMind出身者が立ち上げたAI企業、主要モデルとの比較でトップを主張

今回の発表が注目される理由は、単なる新モデルの登場ではなく、既存の大手AIモデルとの直接的な性能比較という競合構図にある。Google DeepMind出身者が創業したAI企業が、論文再現（scientific paper reproduction）タスクのベンチマークにおいて、AnthropicのClaudeおよびOpenAIのGPT-4.5を上回る結果を出したと発表した。論文再現とは、既存の学術論文の実験や手法を再現できるかどうかを測る評価手法で、科学的・技術的な推論能力を測る指標として注目されている。参照記事によれば、同社はこの評価指標においてClaudeとGPT-4.5の双方を超えるスコアを記録したとしている。

このベンチマーク結果は独立した第三者によって検証されているのか？

現時点では、以下の重要な点が明らかになっていない。まず、今回の論文再現ベンチマークが自社評価なのか、独立した第三者機関による検証を経たものなのかが公式に説明されていない。ベンチマーク結果は評価設計や条件の設定によって大きく変わるため、比較対象となったClaudeおよびGPT-4.5のバージョンや評価条件の詳細も不明だ。また、同社のモデルがいつ・どのような形で一般公開または商用提供される予定なのか、料金体系や提供形態についても発表されていない。さらに、論文再現以外のタスクにおける汎用性能については、参照記事の範囲では確認できない。

新興AIモデルの「ベンチマーク優位」をビジネス判断にどう活かすか

科学・研究領域でAIを活用している日本企業や研究機関にとって、論文再現能力の高いモデルは実務上の訴求力を持つ。ただし、ベンチマーク上の優位性がそのまま自社ユースケースに当てはまるとは限らない。現段階では、同社のモデルへの切り替えや導入検討を急ぐ必要はなく、モデルの一般公開・提供条件の正式発表を待って判断するのが現実的だ。一方でClaudeやGPT-4.5を現在利用している企業にとっては、競合モデルの台頭が今後の価格競争やモデル改善サイクルを加速させる可能性があるため、市場動向として把握しておく価値がある。なお本記事は参照記事に基づく情報整理であり、詳細については一次情報（各社公式サイト・公式発表）での確認を推奨する。

本記事は公開情報をもとに、NEWGATA編集部で確認のうえ掲載しています。