6.1 Sol、結構いいんじゃないか？この例では6 Astraや6 Solよりずっと優れてると思う。Opus 5.5には遠く及ばないけど、これまでGPTが越えられなかった壁を越えた感がある。まだ1例だけでは確かなことは言えないけど。

Sonnet 5.5もいい感じ。このタスクでは完全にAstraより上だな。2月以来OpenAIの優勢が続いてきたけど（Mythos / Fableで一瞬揺らいだのを除けば）、ここに来てAnthropicが逆転できるのすごいな。Fable 5.5は一体どんな性能になっちゃうんだ。

これまでで一番おもしろいゲームができたかも。魔法で戦うセミVRファンタジーFPS。Fable 5.1の考えた敵の多様性がすごい。1体ずつモーションも攻撃手段も違う。急降下、狙撃、瞬間移動、ステルス、砲撃など。素早い敵には追尾魔法など、魔法のビルドを考えて戦う。15-30分くらいでプレイ可。

世の中には様々なベンチマークがあるけど、「おもしろいゲームを自分で考えて作れるか」という観点では、各モデルの性能に有名ベンチマークと異なる傾向が見られる。個人的ベンチマークとして、各モデルに同じプロンプトを与えてゲームを作らせているので、僕の主観的評価をTier表にしてみた。多くのベンチマークは定量的かつ客観的だけど、それだと「おもしろさ」のように数値で捉えにくいものは評価しづらい。主観は信頼性に劣るけど、計測できないものを補うことができるので、こういうベンチマークも意味があるかと思い。 Opus 5はマジで素晴らしくて、Opus 5.5と遜色ないし、部分的には超えているかもしれない。とにかくレベルデザインが秀逸。新しい要素を追加するときは、まずはチュートリアル的にシンプルな形で導入し、その後より複雑な形で展開したりする。同じ内容の繰り返しにならず、緩急を付け、ステージのクライマックスで一番の盛り上がりを作る。全体を通して難易度上昇のカーブが絶妙で、プレイしていて楽しい。 Fableのゲームは一見手触りはいいんだけど、プレイしてみるとやや単調でおもしろみに欠ける。難易度も簡単すぎる感がある。ただし、3DになるとOpusよりも取扱いが上手い印象。Opus 5は3Dのゲームを作るときに難しくしすぎることがあるけど、そういうゲームでは、Fableだとちょうどいい難易度になったりする。特にFable 5.1は3Dが上手く、Fable 5よりもレベルデザインも上手で、単調さもいくらか軽減されている。5.1は、3Dのゲームではかなりいい感触を得てる。 Opus 5.5はFableの影響を受けている感じがある。Opus 5より3Dの扱いは上手いがやや単調・簡単になりがち。しかし、根っこはOpusなのでしっかりおもしろいゲームは作れる。まだ十分に評価できてないけど、かなりよさそうな印象。FableフレーバーのOpus 5進化版という感じ。 6 Astraは、3Dモデリングについては一番上手い。しかし、ゲームを作らせると壊滅的。延々と同じ要素を繰り返すだけのステージを作ったりして、プレイしていてまったくおもしろくない。6 Solや5.6 Solも同じで、おもしろいゲームを作ることができない。仕事で使っているとあんなに優秀なのに不思議。5.6 Solとか、コーディングのお供としては、仮にこれ以上のモデルが出てこなくても満足できそうだと思いながら使ってたのに。