モデルのベンチマーク1位なら使いやすい?総合ランキングに騙されるな

img-834a2b5dd4683086c25b9f16

著者注:d1.2-ultra は Decision Index v2.1 で 1 位に表示されます。この記事では、自分の仕事が伝票抽出なのか、ツール呼び出しなのか、それとも難しい問題への回答なのかをまず見極め、該当するサ … 続きを読む

Gemini 4 Oxygen は現在呼び出せますか?カタログにあるものだけを利用可能と見なします。

img-e635b1fd024f24a8d14c18f7

著者注:最近、Gemini 4 Oxygen をめぐる議論が広がっています。本記事では、Gemini 4 が呼び出せるかどうかを2つのカタログだけで判断します。Google AI Studio の公開モデルリストと、AP … 続きを読む

Hy4 flash 対 GLM 5.3 Flash:日常ブラインドテストとターミナルベンチマークを分けて見る

img-789c476ae4bb25cdd844f07f

著者注:本記事はTencent 混元(Hunyuan)の研究ページにあるブラインドテスト、付録ベンチマーク、製品側の証言を分解し、Hy4 flash と GLM-5.3-Flash を日常タスク、ターミナルコーディング、 … 続きを読む