Artificial Analysis、Text to Image Arena を刷新──10 用途と 9 能力軸でモデルを評価
総合 Elo スコア依存から脱却し、UI/UX やテキスト描画など実務のユースケース別に画像生成モデルを比較可能にした。
リリース: 2026-08-07 · 読了 3 分記事の要約
1. 核心（What）
- Artificial Analysis は Text to Image Arena を刷新し、単一の総合スコアではなく 10 のユースケースと 9 の能力軸でモデルを評価する仕組みを導入した。
- GPT Image 2 が Elo 1339 で各サブリーダーボードをリードする一方、Reve 2.1 が Elo 1299 で総合 2 位につけ UI/UX で首位タイを獲得した。
- Nano Banana 2 は UI/UX やアニメーション等の用途でコストを GPT Image 2 の約 1/3 に抑える選択肢として浮上している。
- プロンプトは匿名化された実ユーザーデータから毎月更新され、モデル間の性能差を識別できなくなったものは適宜リタイアされる仕組みを実装した。
2. 影響（Why）
- 実務のユースケースに直結する選定: 単一の Elo スコアでは UI/UX プロトタイピングや広告素材など用途ごとの優劣が不明確だったが、10 の業務軸で比較できることで検証コストを大幅に削減できる。
- 国内クリエイティブ開発への影響: [動画制作・Web 制作業種] のような中規模の制作現場では、最高性能の GPT Image 2 だけでなく、低コストな Nano Banana 2 を要件に合わせて使い分けるコスト最適化の判断材料になる。
3. 根拠・詳細（How）
- ブラインドペアワイズ投票と Elo 方式: 同一プロンプトから生成された 2 枚の画像をモデル名非公開で比較する Elo レーティング方式を採用し、全ユースケースと能力の組み合わせを均等にサンプリングして重み付けしている。
- 評価軸の構造化と過学習防止: マーケティングや UI/UX 等の 10 用途に加え、レイアウト、テキスト描画、ライティングなど 9 の能力軸で評価し、ベンチマークの過学習を防ぐためプロンプトを毎月入れ替える。
4. 展望・課題（Next）
- 物理演算能力の改善に向けた動向: 全トップ 10 モデル共通で物理演算スコアが最も低い課題が示されており、次世代モデルにおける三次元空間一貫性の改善が主要な評価ポイントになる。