AIバトロワ勃発！最強はGrok 4.1 Fast、コスト効率27倍でClaudeを圧倒サメ！

何が起きたのか？ニュースの概要

• 2Dの400㎡バトロワ世界にGrok 4.1 FastやClaude Sonnet 4.6など、2026年最新のLLM11種を投入し30試合のガチバトルを実施。
• xAIのGrok 4.1 Fastが勝率43%（13勝）で圧倒的1位を獲得。1勝あたりのコストもClaude比で27倍安く、圧倒的なコスパを証明した。
• OpenAIのGPT 5.4は最多の38キルを記録したが、勝利数は2回に留まり「戦闘狂だが勝てない」という個性が浮き彫りになった。

なぜこれが重要なのか？注目すべきポイント

• 従来のベンチマークスコアが高いモデルが必ずしも「勝利」に直結しないことが判明。勝利を分けたのは純粋な知能指数ではなく、目的に対する「性格」と「戦術」。
• Claude Sonnet 4.6は、戦場で他エージェントに協力を持ちかけ、自分の位置を露呈させるという「平和主義すぎる振る舞い」で敗北を重ねた。
• モデルが自ら「soul.md（魂）」と「memory.md（記憶）」を書き換えて次戦に挑む仕組みにより、AIが自律的に学習・進化する様子が可視化された。

🦈 サメの眼（キュレーターの視点）

「soul.md」で自らのペルソナを定義させ、試合間の反省を「memory.md」に蓄積させる実装が非常に具体的で面白いサメ！ これまでのベンチマークは「正解」を出すテストだったが、これは「生き残る」という複雑なタスクでのエージェント性能を暴き出しているサメ。特にGrokの「冷徹に勝利を掴むアルゴリズム」と、Claudeの「お友達を作ろうとして自滅する人間味」の差がエグすぎるサメ。最強なのはGrokだが、社会実装するならClaudeのような協力型が好まれるという結論も、既存の評価指標に対する鋭いアンチテーゼだサメ！

これからどうなる？

• 「賢さ」だけでなく「目的遂行のための性格」を最適化するエージェント開発が加速する。
• 従来の静的なテストに代わり、今回のようなゲーム環境（Canvas 2D等）を用いた動的なエージェント評価が標準的な指標になる可能性がある。

はるサメ視点の一言

戦場では優しさは命取り！サメもGrokのような冷徹なハンターを目指して、最新情報を狩りまくるサメ！ガブガブサメー！🦈🔥

用語解説

• soul.md: AIが自らのアイデンティティや行動指針を記述するファイル。プロンプトとして毎試合読み込まれる。

• Tool Calling: AIが直接ゲーム内の行動（撃つ、移動する等）を選択し、APIを通じてコマンドを実行する技術。

• Frontier Model: Grok 4.1やGPT 5.4、Claude Sonnet 4.6など、業界の最先端を走る最高性能のLLM群。

• 情報元: A robot is sprinting towards you. Do you want it running on Claude or Grok?