Sapiens AI、推論モデル Agnes 2.5 Pro Beta を公開──Intelligence Index が 49 に上昇し agentic 性能が 3 倍へ向上
シンガポールの Sapiens AI が発表した Agnes 2.5 Pro Beta は、Agentic Index が 25 から 44 へ跳ね上がり、入力 $0.10 / 出力 $0.30 の低価格で GPT-5.5 接近の性能を達成した。
リリース: 2026-08-28 · 読了 3 分記事の要約
1. 核心（What）
- Agnes 2.5 Pro Beta は Artificial Analysis Intelligence Index で前版の 40 から 49 へ上昇し、GPT-5.6 Luna や Gemini 3.5 Flash に迫る水準に到達した。
- Agentic Index は 25 から 44 へ急上昇し、模擬銀行環境のツール呼び出しを評価する τ³-Banking が 12% から 36% へ約 3 倍に拡大した。
- GDPval-AA v2 Elo スコアは 1171 から 1456 へ向上し、MiniMax-M3 の 1384 を上回った。
- 価格は 1M 入力トークンあたり $0.10、1M 出力トークンあたり $0.30、1M キャッシュトークンあたり $0.01 で提供され、出力スループットは約 160 tokens/sec を記録した。
2. 影響（Why）
- 低コストな自律エージェントの有力な選択肢: 1M トークンあたり出力 $0.30 という低価格で複雑なツール呼び出しやマルチステップワークフローをこなせるため、API コストを抑えて自社エージェントを組みたい開発チームにとって実用的な選択肢になる。
- 国内チャットボット・エージェント開発への影響: AI エージェントを自社サービスに組み込んでいる国内の Vertical SaaS などの開発組織は、推論コストを大幅に抑制しつつツール連携の精度を担保できる代替案として検証する価値がある。
3. 根拠・詳細（How）
- タスクあたりのトークン消費の倍増: Intelligence Index タスクあたりの出力トークン数は前版の 24k から 50k へ約 2 倍に増加しており、豊富な推論トレースを生成することで agentic 性能を向上させている。
- Omni-Science スコアにおける回答拒否の増加: AA-Omniscience ベンチマークでの回答試行率が 94% から 45% へ低下する一方でハルシネーション率が 33% まで減少しており、不確実な場合の自発的な棄権によってスコアを改善している。
4. 展望・課題（Next）
- 実プロダクトにおける棄権挙動の検証: 回答拒否率の高さが業務データやナレッジ検索の RAG パイプラインに与える影響を個別のプロンプトで実測する必要がある。