最新LLMベンチマークでglm-5.3が首位獲得

大規模言語モデルの実務性能を評価するベンチマーク「Ed-o-meter」が2026年8月23日に最新版として公開された。Applied AIアーキテクトのEd Yau氏主導により、Kervが17つの主要モデルを対象に28件のリアル業務タスクを実施。学術指標ではなく実際のエージェントワークフローを想定し、コーディング、データ処理、実業務、セキュリティ、ツール連携の5カテゴリで厳密な単一試行テストを実行。フレームワーク「Featherbench」はMITライセンスで公開され、企業向けの独自評価やモデル比較を可能にしている。 測定結果では、glm-5.3が総合首位に輝き、全カテゴリで合格率100％を達成。課題処理コストは1タスクあたり約0.28ドルに収まり、比較対象であるgpt-5.5の約5分の1で抑えられた。応答速度を最優先する用途ではTTFT 13.2秒のgpt-5.5が優位であり、低リスクかつ再試行可能なバッチ処理にはgpt-5.6-lunaが最も経済的と判断された。初回精度が要求される業務にはhaiku-4-5を、品質と応答速度のバランスを取る場合はsonnet-4-6をそれぞれ推奨する指針を提示した。 本ベンチマークは実務ベースのモデル選定において、コスト、速度、精度のトレードオフを可視化する重要な指標となっている。全テストスイートの運用コストは約30ドルで済む設計であり、開発チームやアーキテクトが実際のLLM運用戦略を決定する際の標準的な参照データとして活用が期待される。