AI モデル選定はベンチマークスコアで決めていいのか ― 実業務で測るオフライン評価（offline evals）の作り方
年間1億ドル規模で AI に支出しながら、「オフライン評価（offline evals）」——実業務のタスク集で本番前にモデルを比較するテスト——を持たない企業が少なくないと [Mercor](https://mercor.com/) CEO の Brendan Foody が指…
「オープンソースモデル」の論考
2 articlesオープンソース LLM はクローズドモデルにいつ追いつくのか ― 追従期間が世代ごとに半減する SemiAnalysis の時代区分
GLM 5.3やKimi K3といったオープンソースモデルが、コーディングやエージェント領域でClaudeと同等の実用能力を獲得。[Fireworks](https://fireworks.ai/)は日次40Tトークン処理（3月時点の[OpenAI](https://openai…