GPT-5.6、Claude、Gemini、Grokで「モナリザ」を描く

AIモデルの描画能力を評価する新たな実験が行われた。4つのフロンティアモデル（GPT-5.6 Sol、Claude Fable 5、Grok 4.5、Gemini 3.6 Flash）は、空のキャンバスと色鉛筆ツール（色、ブラシ幅、圧力を設定し、ストローク、スミッジ、消しゴムなど）を与えられ、有名な絵画（モナリザと星月夜）の再現、またはテキストプロンプトからの描画に挑戦した。合計28枚の絵が作成された。

結果は明確だった。GPT-5.6 Solは、品質、コスト、効率の点で明らかな勝者となった。その「星月夜」と「バラ」は特に素晴らしく、全体的なディテールと構成で他を凌駕した。また、コストも最も低く（7.74ドル）、使用したツールコールも最小限だった。一方、Claude Fable 5は他のモデルの約20倍のコスト（160ドル）を費やし、時間もかかったが、品質はSolに及ばなかった。Grok 4.5は最も成績が悪く、ほとんどの描画が実質的に使用不能であり、そのツール使用は乱雑で非効率的だった。Gemini 3.6 Flashは構造的類似度（SSIM）で最高スコアを記録（モナリザでピーク0.449）したものの、見た目は必ずしも目標に近づかず、最終スコアはピークから大幅に低下した（0.337）。

ツールの使用方法にも大きな違いがあった。GPT-5.6 SolとGeminiは、描画コール内で色やブラシを直接設定したため、ツールコール数が少なかった。Grokは全コールの65%を設定ツールに費やし、Claudeはスミッジを多用した。Geminiは最も頻繁にキャンバスを確認（1枚あたり平均23回）し、過剰なレビューが最終スコアの低下につながった。すべてのモデルで、早期にプラトーに達し、その後はスコアが改善するどころか悪化する傾向が見られた。

著者は、この実験はモデルの芸術的才能を評価するものではなく、むしろフロンティアモデルとオープンウェイトモデルのギャップを示すものだと強調している。GPT-5.6 Solはこのタスクで卓越した能力を示したが、Grok 4.5は実用的なレベルに達しておらず、Claude Fable 5はコストに見合わない結果だった。Gemini 3.6 FlashはGrokよりは優れているが、真のフロンティアモデルにはさらなる改善が必要とされる。読者は、TryAIプラットフォームでこれらのモデルを自ら試すことができる。