【Bedrock】最新の VLM は外観検査で専門家に追いついたのか? MMAD で測り直してみた
Hiroba による自動要約
外観検査ベンチマーク MMAD の1,050問で、Bedrock 上の Claude Sonnet 4.6・Claude Haiku 4.5・Nova 2 Lite を比較した検証。Sonnet 4.6 の平均正答率は74.98%で2024年の GPT-4o と同水準、専門家との差は約12ポイントのまま。欠陥の説明・分析は専門家並みである一方、異常の判別は58.52%と最低で良品の誤検知に偏る傾向。費用は計5.66 USD、画像系の業務適用を検討する開発者向け。
読んで良かったら、シェアしてみてください。
同じタグの記事が他に 6729 件あります。
関連する記事
同じタグの記事


GPT-6.2 Sol ($2/$10) と Claude Opus 5.5 ($4/$20) の価格・ベンチマーク差から考えるモデル階層ルーティングの設計基準
QiitaGPT-6.2 Sol と Claude Opus 5.5 の API 単価 (入力/出力 per 1M で $2/$10 と $4/$20) と AA Intelligence Index (57.3 と 59) を比較した個人投稿。Sol で試作・一次切り分け、Opus 5.5 で整合性検証・最終レビューを行う 2 段階ルーティング構成を提案。Sol のコンテキスト長等は未確認。マルチモデル運用のコスト設計を検討する開発者向け。


Claude ConsoleのIP許可リスト(ベータ)とAdmin APIの強制サインアウトを解説
Qiita2026年11月5日のリリースノートで追加された2つのベータ機能の解説。Claude Console の組織単位 IP 許可リスト (IPv4/IPv6/CIDR、最大1,000件) と、Claude Enterprise メンバーを全デバイスからサインアウトさせる Admin API エンドポイント `POST /v1/organizations/users/{user_id}/sign_out` の仕様と注意点を整理。API キー漏えいや端末紛失時の対応を担う組織管理者・セキュリティ担当向け。