インテリジェンス指数は、Artificial Analysisが発表するモデルの総合スコアです。正式名称はArtificial Analysis Intelligence Indexで、各大規模言語モデルの総合能力を0から100の1つのスコアに圧縮し、一目で順位を比べられるようにしたものです。2026年11月17日のランキングでは、Claude Fable 5.2が65点で首位、同日発表されたOpenAIのGPT-6.2 Astraが62点で2位、GoogleのGemini 4 Carbonが60点、より軽量なGemini 4 Hydrogenが54点でした。これは単一テストの成績ではなく、一連の評価を加重合成したものです。
65点はどう計算されるのか
現行バージョンv5.0.1は9つの評価からなり、知識労働、コーディング、科学、総合の4カテゴリーに分かれ、それぞれ25%を占めます。知識労働は実際のオフィス業務の遂行度を測り、AA-Briefcase v1.1が15%。コーディングはコード変更とターミナル操作を測り、FrontierCode-AA 2.0とTerminal-Bench 4.0で合計25%。科学はターミナルでの研究タスクと物理推論を測ります。総合は知識の広さとハルシネーション率を測り、AA-Omniscience v1.1が15%で、内訳は正答率10%、ハルシネーションしないこと5%です。多くの評価はpass@1で採点され、最初の試行で正解しなければ得点になりません。AA-Briefcaseのような自由形式の課題は審査員が採点してEloに換算します。65点とは、この9つの評価の加重合成スコアであり、満点は100点です。
わずか2〜3点の差は何を意味するのか
上位モデル同士の差はわずか2〜3点です。Artificial Analysisによれば、指数全体の95%信頼区間は±1%未満ですが、それは統計誤差にすぎず、2〜3点の差が能力の実質的な違いを意味するわけではありません。より見るべきは、同じモデルが推論の強さによってどう変わるかです。GPT-6.2 Astraは最大設定で62点、高設定で約60点と、設定を下げれば順位も動きます。兄弟モデルのGPT-6.2 Solは最大設定で57点です。見落とされがちなのがコストです。指数を1回走らせるのに、Claude Fable 5.2は約26.5ドル、GPT-6.2 Astraは約4ドル。スコア差はわずか3点なのに、コストは6倍以上違います。スコアだけ見てモデルを選ぶのは、価格を無視することと同じです。
この指数では測れないもの
インテリジェンス指数は主に英語のテキスト評価です。マルチモーダル、音声入力、多言語能力は別途測定され、スコアには含まれません。「このモデルは自分の仕事に合うか」という問いにも答えません。知識労働の課題は一般的なオフィス業務に寄っており、カスタマーサービスや法律、医療といった専門分野は含まれていないからです。バージョンも変わります。2026年11月にv4.3.2からv5.0.1へ移行し、重みも30/20/20/30から4カテゴリー各25%に変わったため、新旧バージョンのスコアを直接比べることはできません。モデル選びの出発点として使うのが正解です。自分の業務に合わせて細目を見て、コードを書くならコーディング類、研究なら科学類をチェックし、推論設定とコストも確認する。スコアは遅れているモデルを切り捨てるのには役立ちますが、上位5モデルの間では、差をつけるのは2〜3点のスコアではなく、価格と具体的な場面での性能です。