動察 Beatingのモニタリングによると、モデル評価機関のArtificial AnalysisがAPI精度ランキングを発表しました。同じオープンソースモデルをテストし、異なるサービスプロバイダーに切り替えた際にどれだけ能力が維持されるかを検証します。初回テストではGLM-5.2、gpt-oss-120b、DeepSeek V4 Proを対象に、合計44のAPIエンドポイントをカバーしています。
サービスプロバイダーには、AWS、Microsoft Azure、Google Vertex、Cloudflareに加え、Fireworks、DeepInfra、CoreWeave、SiliconFlowなどのAI推論プラットフォームが含まれます。Artificial Analysisは公式モデルを自社でデプロイし、そのスコアを100%として記録し、同じ問題を使用して各社のAPIをテストします。
結果によると、GLM-5.2の最悪のエンドポイントはわずか52%で、ほぼ半減しています。gpt-oss-120bのスコアは70%から101%の範囲です。DeepSeek V4 Proは最も安定しており、9社のサービスプロバイダーすべてが97%から107%の範囲で、公式APIのスコアが最高でした。
差は主に量子化、出力長、推論設定、ツール呼び出し処理に起因しています。同じモデル名でも、実際の能力はまったく異なる可能性があり、APIを選ぶ際には価格と速度だけを見ることはできません。