ブログ

Claude Opus 5 レビュー・評判：エージェント的コーディングに全振りしたフラッグシップ

Claude Opus 5 を実データでレビュー。総合5〜7位ですが、数学は2位、マルチターンは19位とカテゴリで大きく振れます。得意不得意、high と max の違い、日本語での位置づけ、コストまで正直に整理します。

Tencent の Hy3（295B、アクティブ21B）を日本語の5タスクで検証。「拝啓」と「敬具」を正しく対応させたメールなど、日本語の質は今回比べた中でもトップクラス。一方、推論の深さを指定しないと回答が返らないことがありました。

Z.ai のビジョン言語モデル GLM-4.6V を、日本語の5タスクとレシート画像の読み取りで検証。画像は647トークンで全項目を正確に抽出し、敬語や算数も正解でした。ただし推論が長く、応答は20秒〜2分かかります。

Qwen3-Next 80B-A3B Instruct を日本語の5タスクで検証。敬語の修正は理由まで正確で、要約も詳しく、応答は1〜4秒でした。一方、解けない算数の題では迷走して長い出力になりました。

Z.ai の GLM-5.2 を、GLM-5 からの変化・ベンチマーク・コスト・弱点まで正直にレビュー。長時間のコーディングタスクでクローズド勢に肉薄する、MIT ライセンスのオープンモデルです。

MiniMax M3 を、アーキテクチャ・ベンチマーク・コスト・弱点まで正直にレビュー。画像と動画をネイティブに扱いながら、コーディング系でもクローズド勢に並ぶ珍しいオープンモデルです。

Alibaba の Qwen3.7-Max を、ベンチマーク・エージェント性能・コスト・弱点まで正直にレビュー。長時間の自律実行に振り切った、クローズドのフラッグシップモデルです。

GPT-4.1 nano を日本語の5タスクと画像読み取りで検証。メールと要約は実用十分で、レシート画像も正確に読めました。一方、敬語の説明は混乱し、算数では途中から英語で答えました。

Meta の小型モデル Llama 3.2 3B Instruct を日本語の5タスクで検証。要約は形になりましたが、メールや敬語は不自然で、解けない算数の題には根拠のない答えを返しました。3B の使いどころを整理します。

DeepSeek V4 Pro と V4 Flash を、アーキテクチャ・ベンチマーク・コスト・弱点まで正直にレビュー。長文脈の推論コストを大きく下げた、MIT ライセンスのオープンモデルです。

21件中 1-10件を表示