A.I.AI
コンピュータ利用における、モデルと同等に重要なハーネス
For Computer Use, the harness matters as much as the model
YHacker News
AIが原文を翻訳・要約しています
コンピュータ利用におけるモデルのパフォーマンスを、精度、コスト、速度の観点から比較したベンチマーク結果。15回の実行結果が精度順にランク付けされている。Claude Opus 5.5が精度89.0%で1位、326秒、0.510ドル。GPT-6 Astraが精度87.0%で2位、320秒、3.073ドル。Claude Fable 5.1が精度84.0%で3位、552秒、1.631ドル。GPT-6 Lunaは速度268秒で1位、コスト0.0225ドルで1位を獲得している。
KEY POINTS要点記事から抽出した重要情報
- コンピュータ利用ベンチマークで15回の実行を精度順にランク付けした結果、Claude Opus 5.5 が精度89.0%・326秒・0.510ドルで総合1位となった。
- GPT-6 Astra は精度87.0%で2位ながらコストは3.073ドルと、首位 Claude Opus 5.5 の約6倍に達した。
- Claude Fable 5.1 は精度84.0%で3位、552秒・1.631ドルとなり、上位陣より実行時間が長い。
- GPT-6 Luna は速度268秒とコスト0.0225ドルでそれぞれ1位を獲得し、精度以外の指標で優位に立った。
CONTEXT文脈編集部による背景整理
モデル単体の性能ではなく「ハーネス」と呼ばれる実行基盤側の設計がエージェントの精度・コスト・速度を大きく左右する点が核心。Claude Opus 5.5 が精度89.0%で首位、GPT-6 Astra が87.0%で2位、Claude Fable 5.1 が84.0%で3位と精度上位は拮抗する一方、コストは0.510ドル対3.073ドルと約6倍の開きがあり、GPT-6 Luna は精度で劣るものの最速268秒・最安0.0225ドルを確保している。つまり精度・速度・コストのトレードオフが明確に分かれ、用途別のモデル選択と推論コスト最適化の余地が大きい。AI導入企業の粗利とAPI消費量の配分に直結する指標であり、モデル提供各社の値付け戦略とシェア変動を読む材料として注目する。
原文を読むAnalyzed at 2026年9月26日 17:41