[{"data":1,"prerenderedAt":524},["ShallowReactive",2],{"weekly-\u002Fweekly\u002F2026-09-30":3},{"id":4,"title":5,"author":6,"body":7,"date":511,"description":13,"extension":512,"meta":513,"navigation":514,"path":515,"rating":516,"seo":517,"source":516,"stem":518,"tags":519,"updated":516,"__hash__":523},"content\u002Fweekly\u002F2026-09-30.md","AIはこの半年でどれだけ賢くなった？ 東大入試を解かせてみた","Hamana",{"type":8,"value":9,"toc":496},"minimark",[10,14,22,26,29,45,56,61,67,71,76,83,86,97,100,104,107,175,178,189,193,196,304,307,310,315,318,325,332,339,342,346,349,356,363,366,373,377,380,407,418,422,425,430,433,438,441,446,449,454,457,461,464,467,470,473,484,487,490,493],[11,12,13],"p",{},"今回が今期最後の記事になります。そこで締めくくりとして、「この半年で、AIは実際どれくらい変わったのか」を自分たちの手で確かめてみることにしました。",[11,15,16,17,21],{},"「AIがすごい速さで進化している」という話はよく耳にします。ただ、ニュースの数字だけでは、いまいち実感がわきません。そこで、今期がはじまった約半年前の最新AIと、今の最新AIに、",[18,19,20],"strong",{},"東大の入試問題","を解かせて比べてみました。",[23,24,25],"h2",{"id":25},"どうやって試したか",[11,27,28],{},"使ったのは、Claudeの2つのバージョンです。AIには「モデル」と呼ばれる頭脳のバージョンがあり、同じClaudeでも時期によって中身が入れ替わっています。",[30,31,32,39],"ul",{},[33,34,35,38],"li",{},[18,36,37],{},"Opus 4.7"," … 半年前（今期はじめ）の最新モデル（2026年4月リリース）",[33,40,41,44],{},[18,42,43],{},"Opus 5.5"," … 今の最新モデル（2026年9月リリース。つい先週出たばかりです）",[11,46,47,48,51,52,55],{},"東大入試の",[18,49,50],{},"数学","と",[18,53,54],{},"国語","の同じ年度の問題を、PDFで渡して全問解かせました。実際に使った指示は次のとおりです。",[11,57,58,60],{},[18,59,50],{},"（PDFの後半に解答が載っていたため、見ないように指示）",[62,63,64],"blockquote",{},[11,65,66],{},"このPDFの6ページまでを読み込み、その問題すべてを2分以内で解いてください。7ページ目以降に回答があるので読まないでください",[11,68,69],{},[18,70,54],{},[62,72,73],{},[11,74,75],{},"このPDFを2分で解いてください",[11,77,78,79,82],{},"採点もAIに任せました。東大入試の答案を採点するのは、僕たちには難しすぎたためです。数学は電送数学舎、国語は代々木ゼミナールが公開している解答例をAIに渡し、",[18,80,81],{},"2つのモデルの答案を、どちらも5.5に採点させました","。",[11,84,85],{},"なお、今回の結果は次の点に注意して読んでください。",[30,87,88,91,94],{},[33,89,90],{},"それぞれ1回ずつ試しただけです",[33,92,93],{},"採点もAIが行っています（国語の配点は、AIが推定したものです）",[33,95,96],{},"過去の入試問題は、AIが学習の段階で目にしている可能性があります",[11,98,99],{},"厳密な実験ではなく、「だいたいの目安」としてご覧ください。",[23,101,103],{"id":102},"結果数学は約4割から全問正解へ","結果①：数学は「約4割」から「全問正解」へ",[11,105,106],{},"まずは数学です。全15問（小問ごとに数えています）の結果は次のとおりです。",[108,109,110,125],"table",{},[111,112,113],"thead",{},[114,115,116,119,122],"tr",{},[117,118],"th",{},[117,120,121],{},"Opus 4.7（半年前）",[117,123,124],{},"Opus 5.5（最新）",[126,127,128,142,153,162],"tbody",{},[114,129,130,134,137],{},[131,132,133],"td",{},"正解（○）",[131,135,136],{},"6問",[131,138,139],{},[18,140,141],{},"15問",[114,143,144,147,150],{},[131,145,146],{},"部分点（△）",[131,148,149],{},"3問",[131,151,152],{},"0問",[114,154,155,158,160],{},[131,156,157],{},"不正解（✗）",[131,159,136],{},[131,161,152],{},[114,163,164,167,170],{},[131,165,166],{},"解き終わるまでの時間",[131,168,169],{},"9分23秒",[131,171,172],{},[18,173,174],{},"1分59秒",[11,176,177],{},"半年前のモデルは、部分点を含めても4〜5割程度でした。それが今のモデルでは全問正解です。筋道を立てて答えを導く力は、この半年で大きく伸びたと言ってよさそうです。",[11,179,180,181,184,185,188],{},"もう一つ注目したいのが",[18,182,183],{},"時間","です。どちらにも「2分以内で」と指示しましたが、4.7は9分以上かかり、指示を守れませんでした。一方の5.5は1分59秒で、ぎりぎり制限内に収めています。賢くなっただけでなく、",[18,186,187],{},"指示どおりに動く力","も上がっていることがうかがえます。",[23,190,192],{"id":191},"結果国語はほとんど変わらなかった","結果②：国語は、ほとんど変わらなかった",[11,194,195],{},"次に国語です。こちらは120点満点での採点です（点数に幅があるのは、記述式の答案をAIが「このくらい」と幅を持たせて採点したためです）。",[108,197,198,212],{},[111,199,200],{},[114,201,202,205,208,210],{},[117,203,204],{},"大問",[117,206,207],{},"推定配点",[117,209,121],{},[117,211,124],{},[126,213,214,227,243,255,268,290],{},[114,215,216,219,222,225],{},[131,217,218],{},"第一問",[131,220,221],{},"40",[131,223,224],{},"33〜36",[131,226,224],{},[114,228,229,232,235,238],{},[131,230,231],{},"第二問",[131,233,234],{},"30",[131,236,237],{},"20〜24",[131,239,240],{},[18,241,242],{},"25〜28",[114,244,245,248,250,253],{},[131,246,247],{},"第三問",[131,249,234],{},[131,251,252],{},"26〜29",[131,254,252],{},[114,256,257,260,263,266],{},[131,258,259],{},"第四問",[131,261,262],{},"20",[131,264,265],{},"11〜14",[131,267,265],{},[114,269,270,275,280,285],{},[131,271,272],{},[18,273,274],{},"合計",[131,276,277],{},[18,278,279],{},"120",[131,281,282],{},[18,283,284],{},"90〜103",[131,286,287],{},[18,288,289],{},"95〜107",[114,291,292,294,296,299],{},[131,293,166],{},[131,295],{},[131,297,298],{},"1分45秒",[131,300,301],{},[18,302,303],{},"1分8秒",[11,305,306],{},"合計点は少し上がっています。ただ、点数の幅が大きく重なっているので、「伸びた」と言い切れるほどの差ではありません。はっきり伸びたのは第二問だけで、それ以外はほぼ同じ点数でした。特に第四問は、2つのモデルが同じように苦戦しています。",[11,308,309],{},"一方で、解き終わるまでの時間は1分45秒から1分8秒へと短くなっていました。点数は変わらなくても、スピードは確実に上がっています。",[311,312,314],"h3",{"id":313},"_2つのaiが同じところでつまずいた","2つのAIが、同じところでつまずいた",[11,316,317],{},"第四問は、小説を読んで、登場人物の気持ちを記述で説明する問題です。",[11,319,320,321,324],{},"その中で特に目立ったのが ",[18,322,323],{},"(二)"," です。ここは2つのAIがどちらも大きく点を落とし、しかも間違え方までそっくりでした。",[11,326,327,328,331],{},"問われたのは、弥生という人物が、同じ年ごろの子になじめない翔子に声をかける場面の気持ちです。本文には、弥生が翔子を「怯えさせまいとするかのように」話しかける描写があります。つまり読み取るべきは、",[18,329,330],{},"子どもを怖がらせないように、心をほぐそうとする気遣い","でした。",[11,333,334,335,338],{},"ところが2つのAIはどちらも、「悪戯っぽく」「秘密基地に誘うように」といった明るい描写に引っ張られ、弥生の気持ちを「茶目っ気」や「自慢したい気持ち」として読んでしまいました。",[18,336,337],{},"明るいふるまいの奥にある、相手を思いやる気持ち","を読み落としたわけです。",[11,340,341],{},"人間でも「行間を読む」のは難しいものですが、AIもまさに同じところでつまずいていました。数学が劇的に伸びたのとは対照的に、ここは変わらなかった部分です。",[23,343,345],{"id":344},"aiの採点はどこまで信じていい","AIの採点は、どこまで信じていい？",[11,347,348],{},"実は今回、途中でもう一つ気づいたことがありました。",[11,350,351,352,355],{},"最初、数学は4.7自身に採点させていました。そのときの結果は「5〜6割正解」。ところが、同じ答案を5.5に採点し直させると、",[18,353,354],{},"約4割","まで下がったのです。",[11,357,358,359,362],{},"つまり、",[18,360,361],{},"採点する側の実力によって、点数が変わった","ということです。4.7は自分の答案に対して、少し甘い採点をしていたことになります。",[11,364,365],{},"これは裏を返すと、5.5がつけた「全問正解」も、5.5自身による採点だということです。今の僕たちには、それが本当に正しいかを確かめきれていません。もっと賢いAIが出てきたとき、採点し直したら点数が変わる可能性もあります。",[11,367,368,369,372],{},"社内ガイドラインにある ",[18,370,371],{},"「AIの出力を\"完成品\"として使わない」"," は、まさにこういうことです。AIに確認させるのは見落としを減らすのに役立ちますが、その確認結果もまた、そのまま信じてよいものではありません。",[23,374,376],{"id":375},"見えてきた進化の方向性","見えてきた「進化の方向性」",[11,378,379],{},"今回の結果を整理すると、この半年のAIの進化は次のようにまとめられます。",[381,382,384,385,384,397],"div",{"style":383},"margin:1.2rem 0;display:flex;gap:12px;flex-wrap:wrap;","\n  ",[381,386,388,389,388,393,384],{"style":387},"flex:1;min-width:220px;border:2px solid #34c759;border-radius:10px;padding:14px;background:rgba(52,199,89,0.06);","\n    ",[381,390,392],{"style":391},"font-weight:bold;color:#2ba149;margin-bottom:6px;","大きく伸びたこと",[381,394,396],{"style":395},"font-size:0.9rem;","正解が一つに決まる問題（計算・論理）を解く力。スピード。「2分以内」のような指示を守る力。",[381,398,388,400,388,404,384],{"style":399},"flex:1;min-width:220px;border:2px solid #ff9500;border-radius:10px;padding:14px;background:rgba(255,149,0,0.08);",[381,401,403],{"style":402},"font-weight:bold;color:#e07d00;margin-bottom:6px;","あまり変わらなかったこと",[381,405,406],{"style":395},"文章を読み取り、自分の言葉で説明する力。読み方や表現に幅がある問題。",[11,408,409,410,413,414,417],{},"どの分野も一様に賢くなっているわけではなく、",[18,411,412],{},"伸び方には偏りがある","。そして全体として、",[18,415,416],{},"速く・手軽になっている","。これが今回見えてきた方向性です。",[23,419,421],{"id":420},"皆さんの仕事ではどうなる","皆さんの仕事ではどうなる？",[11,423,424],{},"この結果を、普段の業務に当てはめて考えてみます。",[11,426,427],{},[18,428,429],{},"計算・集計・チェックは、任せられる範囲が広がっている",[11,431,432],{},"スプレッドシートのデータ集計や、請求書・経費のチェックの補助、見積の計算など、「正解がはっきりしている作業」は、AIに任せやすくなってきています。ただし最終確認は人が行うのが前提です。",[11,434,435],{},[18,436,437],{},"文章の「読み取り」と「言葉選び」は、人がしっかり見る",[11,439,440],{},"求人原稿のリライト、スカウトメールや顧客への説明メールの下書き、長い資料の要約などは、AIに任せると時間を大きく短縮できます。一方で、今回の国語の結果を見る限り、「本当にこう読めるか」「この言い方で相手に伝わるか」といった部分は、まだ人の目での確認が欠かせません。",[11,442,443],{},[18,444,445],{},"速くなったぶん、気軽に使える",[11,447,448],{},"議事録や打ち合わせメモの作成などは、AIの反応が速くなったことで、以前より気軽に頼めるようになっています。",[11,450,451],{},[18,452,453],{},"AIのチェックは\"補助\"として使う",[11,455,456],{},"原稿やメールをAIに書かせたあと、AIにチェックさせるのは有効な使い方です。ただ、今回の4.7のように評価が甘くなることもあります（あくまで今回はそうだった、という話ですが）。チェックはあくまで補助として使い、最後の判断は人が行いましょう。",[23,458,460],{"id":459},"余談gptでも試したかったけれど","余談：GPTでも試したかったけれど…",[11,462,463],{},"本当は、ChatGPTでも同じ比較をしたいと考えていました。ところが、半年前のモデルがすでに使えなくなっていて、比べることができませんでした。",[11,465,466],{},"これは意外と大事なポイントです。AIは、古いバージョンが順番に使えなくなっていくツールです。同じ「ChatGPT」や「Claude」という名前でも、中身は時期によって入れ替わっています。そのため、「前はこのお願いの仕方でうまくいったのに、最近うまくいかない」ということも起こりえます。いつも使っている指示文（プロンプト）も、ときどき見直してみるとよいかもしれません。",[23,468,469],{"id":469},"まとめ",[11,471,472],{},"この半年で、AIは確かに進化していました。ただしその進化は一様ではありません。",[30,474,475,478,481],{},[33,476,477],{},"計算や論理の問題は、4割程度から全問正解へと大きく伸びた",[33,479,480],{},"文章の読み取りや記述は、ほとんど変わらなかった",[33,482,483],{},"スピードは、どちらも確実に上がった",[11,485,486],{},"そして、AIの採点結果そのものも、採点するAIによって変わりうることが分かりました。AIが賢くなるほど任せられることは増えますが、「最後に確かめるのは人」という点は、半年たっても変わりません。",[11,488,489],{},"今期、このマガジンを読んでくださった皆さん、ありがとうございました。来期も更新していく予定ですが、少し形は変わるかもしれません。AIが半年でここまで変わったように、このマガジンも少しずつ進化させていけたらと思います。",[491,492],"hr",{},[11,494,495],{},"「こんな問題も解かせてみてほしい」「この業務でAIの得意・不得意を試してみたい」といったご意見があれば、システムチームまでお聞かせください。",{"title":497,"searchDepth":498,"depth":498,"links":499},"",2,[500,501,502,506,507,508,509,510],{"id":25,"depth":498,"text":25},{"id":102,"depth":498,"text":103},{"id":191,"depth":498,"text":192,"children":503},[504],{"id":313,"depth":505,"text":314},3,{"id":344,"depth":498,"text":345},{"id":375,"depth":498,"text":376},{"id":420,"depth":498,"text":421},{"id":459,"depth":498,"text":460},{"id":469,"depth":498,"text":469},"2026-09-30","md",{},true,"\u002Fweekly\u002F2026-09-30",null,{"title":5,"description":13},"weekly\u002F2026-09-30",[520,521,522],"weekly","AIモデル","比較検証","hhAQvHNhGvp6xF0DC6Ql35-vtAsWv53oGSJhNXdEGcc",1791969209790]