UCバークレーの新AI評価「ALE」公開：GPT-5.5がClaude Fable 5を抑えて首位に
UCバークレーRDIが55業種の本格的なPC業務フローを検証する新ベンチマーク「Agents' Last Exam」を発表。OpenAIのGPT-5.5が合格率24.0%で首位に立ち、AnthropicのClaude Fable 5を抑えました。ただし最難関タスクでは全モデルが0%に沈んでおり、実務自動化の壁の高さを示しています。
UCバークレーRDIが55業種の本格的なPC業務フローを検証する新ベンチマーク「Agents' Last Exam」を発表。OpenAIのGPT-5.5が合格率24.0%で首位に立ち、AnthropicのClaude Fable 5を抑えました。ただし最難関タスクでは全モデルが0%に沈んでおり、実務自動化の壁の高さを示しています。