新しいAIはどれがいい？自分専用のベンチマークで見分ける方法(ep.111)

おちつきAIラジオ第111回（EP.111）／配信日: 2026.10.09／再生時間: 01:10:19

この回の概要

トーク内容

新しいAIモデルが出るたびに、「生成AI、どれがいい？」と迷います。AI比較の記事やベンチマークのスコアを見ても、自分の仕事にどれだけ役立つかまでは分かりません。今回は、現役AIエンジニアのしぶちょーに、自分専用のAIベンチマークの作り方を聞きます。

しぶちょーが新モデルのたびに試すのは、「旋盤のゲームを作ってください」と一言だけ渡す旋盤ゲームベンチです。条件は、自分の専門分野であること、30分ほどで回せること、結果が一目で分かること。有名な「自転車に乗るペリカンのSVG」が引退しつつある話、同じお題を3〜5回走らせる理由、性能が落ちる「ナーフ」の見え方を経て、最後は「いいベンチはいつか死ぬ」という話まで。

後半は、AI素人のかねりんが自分のベンチを探します。なかでも話が膨らんだのは、かねりんの声が欠けた伝説の回（ep.31）をAIに面白く補完させるお題と、人間より面白い対話をAIができたらMC引退を考える「引退ベンチマーク」。途中の脱線では、ビデオポッドキャストに意味はあるのか、しぶちょーのショートがインスタで3〜4万再生された話もしています。

目次（タイムスタンプ）

00:00:00 オープニング／しぶちょーの旋盤ゲームベンチ・月10万円ベンチ
00:09:58 脱線：ビデオポッドキャストに意味はある？
00:14:59 ショートがインスタで3〜4万再生／動画は動画に振り切る
00:23:22 切り貼りベンチ／定量より定性でいい／ペリカンベンチ引退
00:31:49 本題：自分流AIベンチマークを作る5つの視点
00:37:14 固定課題と派生・採点は3〜5回／いいベンチはいつか死ぬ
00:44:16 かねりんのベンチ探し／工場シミュレーター・名古屋弁・刑事
00:52:22 伝説の欠損回をAIに補完させる／引退ベンチマーク案
01:04:40 まとめ：公式スコアはお勉強、自作ベンチは自分の物差し／エンディング
01:08:27 アフタートーク

今回の要チェックキーワード

ベンチマーク: AIモデルの性能を、同じお題で測って比べるためのテスト。
定量評価・定性評価: 数字で測る評価と、見た目や手応えで判断する評価。自作のベンチは定性でもよい。
LMアリーナ: 2つのAIの回答を人が見比べて投票し、順位をつけるサイト。
旋盤（せんばん）: 金属を回しながら削る工作機械。しぶちょーの自作ベンチのお題。
SVG: 線や図形を式で描く画像形式（ベクター形式）。拡大しても粗くならない。
ペリカンベンチマーク: 自転車に乗るペリカンのSVGを描かせる有名なベンチ。差が出にくくなり、番組では「ほぼ引退」と紹介。
固定課題とシャドウ課題: 毎回同じお題と、表に出さない秘密のお題。お題への最適化を見抜くために両方を持つ。
ナーフ: 提供中のAIの性能が、公開時より下がること。ゲーム用語から。
TTS: 文字を音声に変える技術（Text to Speech）。
インセプションのトーテム: 映画『インセプション』で、夢か現実かを確かめるために自分だけが持つ小道具。 —----------------------------

この回を聴く

「おちつきAIラジオ」は、日々のAIトピックを現役のAIエンジニア（しぶちょー）と元刑事のポッドキャストプロデューサー（かねりん）がやさしく解説する対談番組です。