Qwen3.8 Max、エージェント系インデックスで首位に#
AIモデルの独立評価機関であるArtificial Analysisが、Qwen3.8 Maxを「Agentic Index（エージェント系インデックス）」における総合最高モデルとして記録しました。同機関は2025年8月5日にQwen3.8 Maxの評価結果を公開しています。
Artificial AnalysisのIntelligence Indexとは#
Artificial AnalysisはAIモデルとAPIプロバイダーを独立した立場で分析するプラットフォームです。現在公開されているIntelligence Index v4.1.1では、以下の9つの評価項目を組み合わせた総合スコアを算出しています。
- GDPval-AA v2
- 𝜏³-Banking v1.0.1
- Terminal-Bench v2.1
- SciCode
- Humanity’s Last Exam (HLE)
- GPQA Diamond
- CritPt
- AA-Omniscience
- AA-LCR
v4.1.1では、𝜏³-BankingがバージョンをV1.0.1に移行するとともに、HLE・AA-LCR・AA-OmniscienceのグレーダーがGPT-5.6 Luna（medium）にアップグレードされています。
インデックスは「インテリジェンス（知能）」「スピード（出力トークン数/秒）」「タスク当たりのコスト（USD加重平均）」の3軸で評価されており、ユーザーはこれらの優先度に応じてパーソナライズされたモデル推薦を受けることができます。
評価の仕組みとコストの位置づけ#
コスト評価については、入力トークン・キャッシュヒット・キャッシュライト・推論・回答トークンそれぞれの価格を考慮した加重平均コストが算出されます。なお、同プラットフォームは2025年7月30日にコスト算出の方法論を更新しており、コスト絶対値はわずかに上昇したものの、モデル間の相対的な順位への影響は最小限としています。
また、同プラットフォームは新たにEndpoint Accuracy Indexも公開しています。これは、各プロバイダーのAPIエンドポイントが、参照モデルと同等の品質を実際に提供しているかを測定するものです（同じモデル名でもプロバイダーによって精度が異なりうる点に注目）。
注目のポイント：活発なモデル評価の動き#
Artificial Analysisのチェンジログを見ると、2025年7月末から8月初旬にかけて、複数の新モデル評価が矢継ぎ早に公開されています。
| 公開日 | 主な評価・記事 |
|---|---|
| 8月6日 | Intelligence Index v4.1.1 リリース、Ling 3.0 Tiny 評価 |
| 8月5日 | Qwen3.8 Max 評価、Ling 3.0 Flash、Muse Spark 1.2 評価 |
| 8月4日 | Endpoint Accuracy Index 公開 |
| 7月31日 | DeepSeek V4 Flash 0731、Celeris-1 評価 |
| 7月30日 | Inkling Small、Kimi K3 (low) 評価 |
| 7月24日 | Claude Opus 5 評価・記事公開 |
この期間だけでも多数のモデルが評価対象となっており、AI言語モデルの開発競争が非常に活発であることが分かります。
なお、同プラットフォームは推論（Reasoning）モデルを「電球アイコン」で区別して表示しており、モデルのオープンウェイト（重みの公開）有無や商用利用制限の有無についても情報を提供しています。
まとめ#
Artificial Analysisの最新評価において、Qwen3.8 MaxがAgentic Indexの総合首位に位置づけられました。同プラットフォームはIntelligence Index v4.1.1を基盤に、9項目の多角的な評価と、速度・コストを組み合わせた総合的な分析を提供しています。
筆者の見解: 単一のベンチマークだけでなく、コスト効率や速度も加味した多軸評価は、実際のビジネス・開発現場での意思決定に役立つアプローチです。Qwen3.8 Maxがどの評価項目で特に優れているかといった詳細スコアの内訳については、各種評価の具体的な数値情報が本ソースからは確認できないため、詳細は元記事を参照してください。
出典: Qwen3.8 Max now ranked as the best overall model by agentic index
