AIの能力

AIシステムはいまやコードを書き、専門職の試験に合格し、科学研究を手伝うことができ、その能力は驚くほど速く向上している。しかし、AIに何ができて何ができないかを正確に測るのは本当に難しい。ベンチマークは進歩に追いつくのに苦労しており、現実世界での性能がテストのスコアと食い違うことも多い。

Epochは、さまざまなタスクとベンチマークにわたってAIの能力を追跡し、進歩がどれほど速いか、どれほど予測可能か、そしてそこからこの技術の行く先について何が分かるかを調べている。

• データ能力とベンチマーク
• データインサイトEpoch能力指数（ECI）は、難易度の幅広いベンチマークをつなぎ合わせている
  
• データインサイト推論モデルの登場以降、ECIのフロンティアは年14ポイントのペースで上昇している
  
• レポートAI は IKEA 家具の組み立てを考える力を大きく伸ばしている

  Epoch AIのIKEA家具組み立てベンチマークでのAIモデルのスコアは、10か月で28%から80%に跳ね上がった。オープンウェイトモデルはクローズドウェイトモデルに約7か月遅れている。3種類の家具の組み立てを撮った60枚の写真で、視覚的・空間的な推論をEpoch AIが試した。

  
• レポート急落する思考の価格

  数学、科学、技能を競うゲームにわたる5つのベンチマークで、一定水準のAIの性能を得るための費用がどれほどの速さで下がっているかを、Epoch AIが測定した。2023年以降、四半期に約47%、つまり年13分の1のペースで下がっており、これは電気、計算資源、電池、DNAシーケンシングの費用がかつて下がったどの速さよりも速い。

  
• データインサイトGPT-6 Astraは数学のベンチマークでは首位だが、ソフトウェアエンジニアリングではそうではない

  OpenAIのGPT-6 Astraは、Epoch能力指数（ECI）で166のスコアを記録して首位に立ち、Claude Fable 5.1の164、GPT-5.6 Solの162を上回った。Math-ECIの170は新記録だが、ソフトウェアエンジニアリングのベンチマークでは、SWE-ECIの164がFable 5.1の167になお及ばない。

  
• お知らせFrontierMath Erdős を発表する

  2026年8月時点で未解決の、重要なエルデシュ問題68問からなるベンチマーク。Thomas Bloomが選定し、Leanで形式化した。AIシステムは、決められた予算の範囲内で各問題を証明または反証しなければならない。

• ニュースレターベンチマークが答えを出す助けになる9つの大きな問い

  よいベンチマークは、「AIはこの特定のタスクをこなせるか？」以上のことを問う。

• データインサイト深刻なサイバー脆弱性の公表件数は7月も増え続けた

  主要な組織が2026年7月に公表した深刻度「高」と「緊急」のCVEは約2,500件で、Mythos以前の月間の最高記録の約5倍だった。AnthropicのProject Glasswing以降の脆弱性の公表を、Epoch AIが最新のデータで内訳を示して分析する。

  
• ニュースレターOpenAIが誤ってHugging Faceをハッキングした――予見できたはずではないか？

  専門家の評価とサイバー関連のベンチマークから、私たちはフロンティアモデルがこの種のサイバー攻撃を実行できると予想していた

  
• データインサイトAI検出ツールは人間の文章をほとんどAIと誤判定しないが、実在の著者を模倣したAIの文章を見逃すことがある

  Pangram、GPTZero、Originality.aiを、人間とAIの文章で試した。3つとも、単純なプロンプトから書かれた文章はほぼすべて見抜いたが、特定の著者の文体を模倣した文章はおよそ5本に1本を見逃した。