Artificial Analysis AIトレンド

Name: 大手テクノロジー企業の設備投資額の推移
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

AIの現状と進歩を牽引する主要トレンドを分析。モデルの知能、効率、アーキテクチャ、推論速度とコストを取り上げます。

AIの進歩

AIの継続的な進歩と、主要AI企業の位置付けを追跡します。

Artificial Analysis Progress Index v1の推移

Item response theory estimate of general capability across Artificial Analysis evaluations · Highest-scoring effort variant shown

Jul 2026Oct 2026

Artificial Analysis Progress Index v1 は、項目反応理論を用いて算出しています。この手法では、私たちが実施したベンチマークの結果から、モデルの能力とタスクの難易度を同時に推定します。これにより、異なるベンチマークで評価されたモデルを時系列で比較できます。

どのモデルがタスクに成功し、どのモデルが失敗したかからタスクの難易度を推定すると同時に、各モデルのさまざまなタスクでの結果からその能力を推定します。

例えば、古いモデルは比較的易しいベンチマークで、新しいモデルはより難しいベンチマークで評価されているかもしれません。両方のベンチマーク群で評価されたモデルの結果を使うことで、難易度の差を推定し、古いモデルと新しいモデルを同じ尺度で比較できます。

各ラボの線は、その時点で利用可能なそのラボのモデルのうち、最もスコアが高いモデルを示します。各モデルには、effort 設定の異なるバリアントのうち最もスコアが高いものを使用します。Progress Index v1 の算出方法を読む。

大手テクノロジー企業の設備投資額の推移

四半期ごとの設備投資額（10億USD）

Represents major investments by tech companies in infrastructure, including AI hardware (like GPUs and data centers). Capex is a strong indicator of a company's commitment to AI development, as training and running frontier models requires significant computing resources.

Note: Capex data is sourced from publicly available financial reports, news articles, and primarily from the SEC.

Artificial Analysis Progress Index v1とリリース日

Item response theory estimate of general capability across Artificial Analysis evaluations · Highest-scoring effort variant shown

Most attractive region

その時点の最高スコア

各モデルについて、effort 設定の異なるバリアントのうち最もスコアが高いものを表示します。Progress Index v1 の算出方法を読む。

AIラボ別の主要モデル

各AIラボが達成したArtificial Analysis Intelligence Indexの最高値

No publicly available API

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

効率

AIの効率がどのように向上しているかを分析します。特定の知能水準を実現するコストと、その知能を利用できる速度の変化も検討します。

Artificial Analysis Progress Index v1しきい値別の言語モデルのIntelligence Indexタスクあたりのコストの推移

Intelligence Indexのタスクあたりのコスト（USD。各評価をインデックス内の重みで加重平均）。しきい値にはArtificial Analysis Progress Index v1を使用。

各線は、その Progress Index v1 のしきい値以上のスコアを持つすべての effort バリアントの中で、それまでに達成された Intelligence Index のタスクあたりの最小コストを示します。Progress Index v1 の算出方法を読む。

Artificial Analysis Progress Index v1しきい値別の言語モデル出力価格の推移

出力トークン100万あたりの価格（USD）。しきい値にはArtificial Analysis Progress Index v1を使用。

各線は、その Progress Index v1 のしきい値以上のスコアを持つすべての effort バリアントの中で、それまでに達成された最低出力価格を示します。Progress Index v1 の算出方法を読む。

Artificial Analysis Progress Index v1しきい値別の言語モデル出力速度の推移

1秒あたりの出力トークン数。しきい値にはArtificial Analysis Progress Index v1を使用。

各線は、その Progress Index v1 のしきい値以上のスコアを持つすべての effort バリアントの中で、それまでに達成された最高出力速度を示します。Progress Index v1 の算出方法を読む。

国別分析

AIは世界的な現象です。AIの進歩がどこで起きているか、各国の主要モデルをどう比較できるかについて分析します。AI開発の二大拠点である米国と中国を詳しく取り上げます。

国別のArtificial Analysis Progress Index v1の推移

Item response theory estimate of general capability across Artificial Analysis evaluations · Highest-scoring effort variant shown

Jul 2026Oct 2026

各国の線は、その時点で利用可能なその国のモデルのうち、最もスコアが高いモデルを示します。各モデルには、effort 設定の異なるバリアントのうち最もスコアが高いものを使用します。Progress Index v1 の算出方法を読む。

オープンウェイト：国別のArtificial Analysis Progress Index v1の推移

Item response theory estimate of general capability across Artificial Analysis evaluations · Highest-scoring effort variant shown

Jul 2026Oct 2026

各国の線は、その時点で利用可能なその国のオープンウェイトモデルのうち、最もスコアが高いモデルを示します。各モデルには、effort 設定の異なるバリアントのうち最もスコアが高いものを使用します。Progress Index v1 の算出方法を読む。

国別の上位モデル

Artificial Analysis Intelligence Index · Leading models

No publicly available API

オープンソースモデル

オープンウェイトモデルには、柔軟にデプロイでき、特定のユースケースに合わせてファインチューニングできる利点があります。主要なオープンウェイトモデルと、独自モデルとの知能の違いを分析します。

オープンウェイトとプロプライエタリ：Artificial Analysis Progress Index v1の推移

Item response theory estimate of general capability across Artificial Analysis evaluations · Highest-scoring effort variant shown

Jul 2026Oct 2026

各線は、その時点で利用可能な各ライセンス区分のモデルのうち、最もスコアが高いモデルを示します。各モデルには、effort 設定の異なるバリアントのうち最もスコアが高いものを使用します。Progress Index v1 の算出方法を読む。

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Artificial Analysis Intelligence Index：オープンウェイトとプロプライエタリ

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

モデルアーキテクチャ

AIモデルのアーキテクチャは、性能と効率に影響します。このセクションでは、Mixture of Experts（MoE）アーキテクチャの普及など、モデルのアーキテクチャに関するトレンドと、モデルの能力との関係を検証します。

モデルアーキテクチャ別のArtificial Analysis Progress Index v1とリリース日

Artificial Analysis Progress Index v1、オープンウェイトモデルのみ。各モデルについて、スコアが最も高いバリアントを表示しています。

Most attractive region

各モデルについて、effort 設定の異なるバリアントのうち最もスコアが高いものを表示します。Progress Index v1 の算出方法を読む。

モデルサイズ：総パラメータ数とアクティブパラメータ数

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Intelligence Indexと有効パラメーター数

Artificial Analysis Intelligence Index · Active parameters at inference time (billions)

Most attractive quadrant

Pareto line

Intelligence Indexと総パラメーター数

Artificial Analysis Intelligence Index · Size in parameters (billions)

Most attractive quadrant

Pareto line

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

コンテキスト長（トークン）の四半期中央値

コンテキスト長の中央値（トークン）

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Artificial Analysis AIトレンド

AIの進歩

Artificial Analysis Progress Index v1の推移

Progress Index v1 の算出方法

大手テクノロジー企業の設備投資額の推移

Capital Expenditure (Capex)

Capex Data Sources Note

Artificial Analysis Progress Index v1とリリース日

Progress Index v1 の算出方法

AIラボ別の主要モデル

Artificial Analysis Intelligence Index

効率

Artificial Analysis Progress Index v1しきい値別の言語モデルのIntelligence Indexタスクあたりのコストの推移

Progress Index v1 の算出方法

Artificial Analysis Progress Index v1しきい値別の言語モデル出力価格の推移

Progress Index v1 の算出方法

Artificial Analysis Progress Index v1しきい値別の言語モデル出力速度の推移

Progress Index v1 の算出方法

国別分析

国別のArtificial Analysis Progress Index v1の推移

Progress Index v1 の算出方法

オープンウェイト：国別のArtificial Analysis Progress Index v1の推移

Progress Index v1 の算出方法

国別の上位モデル

Artificial Analysis Intelligence Index

オープンソースモデル

オープンウェイトとプロプライエタリ：Artificial Analysis Progress Index v1の推移

Progress Index v1 の算出方法

Open Weights

Artificial Analysis Intelligence Index：オープンウェイトとプロプライエタリ

Artificial Analysis Intelligence Index

Open Weights

モデルアーキテクチャ

モデルアーキテクチャ別のArtificial Analysis Progress Index v1とリリース日

Progress Index v1 の算出方法

モデルサイズ：総パラメータ数とアクティブパラメータ数

Total Parameters

Active Parameters at Inference Time

Intelligence Indexと有効パラメーター数

Artificial Analysis Intelligence Index

Active Parameters at Inference Time

Intelligence Indexと総パラメーター数

Artificial Analysis Intelligence Index

Total Parameters

コンテキスト長（トークン）の四半期中央値

Context Window for RAG

Context Window