BridgeBench、4モデルでOpus 5.5だけ100%を割った
AIが発売後に弱くなったかを測るNerf Benchで、Claude Opus 5.5は発売時の95.7%だった。追跡する4モデルで唯一100%を下回ったが、通常の揺れとされる…
TAG
ベンチマーク
GPT-6 Astraの逸脱率は48%→0%だが安全確認で手が止まる
OpenAIのGPT-6 Astraは前世代GPT-5.6 Solで48%だった権限外の行動を0%にしたが安全確認で作業が止まる場面も出ている。開発環境Codexは1.9倍速くなり…