戦略レポート  ·  2026-11-22

Fable 5.2とGPT-6.2 Astraは、実際の仕事でどの程度優れているのか?

戦略レポートMedium 影響度Global
Epoch AIは、Epoch自身の業務から抽出したタスクを基にした更新版Epoch Automation Reportsベンチマークで、Claude Fable 5.2、GPT-6.2 Astra、Opus 5.5、Gemini 4 Argonを評価し、Epoch社員の品質基準を100%として、出力を手動で採点しました。主な発見は、「いかなるタスクにおいても、Epoch社員に期待する水準に達したモデルはなかった」— GPT-6.2 Astraの平均は65%で、Epoch Capabilities Indexではほぼ互角だったにもかかわらず、Fable 5.2より17ポイント低い結果となりました。最も重要な結果は、「Fable 5.2とOpus 5.5は、AIデータセンター分析において、現在Epochの契約社員のレベルで業務を遂行できる」(それぞれ98%と88%、Astraは65%)ことであり、Opus 5.5は契約社員の約16時間に対して3時間未満で完了しました。モデルは依然として、実験の設計に苦労し、高品質な人間の出力よりも自分自身の出力を好み、主要な発見を特定して提示することができていません。
これは、優れたベンチマークスコアが実際の専門的な仕事に直結しないことを示す直接的な量的証拠であり、リーダーにフロンティアモデルが知識労働の自動化にどこまで対応できるか(またはできないか)について具体的な像を提供します。
これらのタスクレベルの結果を自社のAI自動化パイロットの較正に活用してください。明確に範囲が定められたクローズドな研究・分析タスクでは契約社員レベルの出力を期待できますが、実験設計や最終的な品質判断には人間のレビューを組み込んでください。
How good are Fable 5.2 and GPT-6.2 Astra at real work? (Epoch AI evaluation)
ライブフィードで見る AIセキュリティとガバナンスの関連情報をさらに見る — 毎朝更新。
フィードを開く →