Meta、STEM五輪で金メダル水準を達成

Metaは2026年8月6日、自社のAIモデルが5つの国際STEM（科学・技術・工学・数学）オリンピック競技大会において、金メダル水準の成績を達成したことを発表した。

発表されたベンチマーク成果と実績

発表によると、MetaのAIシステムは高度な論理推論能力を測定する競技テストで卓越したスコアを記録した。

• ​物理オリンピックでの満点​: 韓国・釜山で開催されたアジア物理オリンピック（APhO）および国際物理オリンピック（IPhO）の理論試験において、30点満点中30点の満点を獲得した。
• ​人間トップ層との同等性​: この結果は、2026年大会の人間参加者のトップ3およびベトナム代表チームの理論試験最高得点と同等の成績である。
• ​飽和ベンチマークからの脱却​: 従来の選択式ベンチマーク（MMLU等）の飽和や学習データ漏洩リスクを避けるため、未発表のオリンピック問題を推論能力の評価軸として採用している。

実験条件の課題と未公表事項の整理

専門家の間では、Metaの発表成果を正確に評価するための情報が不十分であると指摘されている。

検証項目	公表状況・詳細
対象モデル	未指定（Muse Spark（Metaが開発したマルチモーダル推論モデル） 1.1か研究用モデルか不明）
試験範囲	理論試験のみ（実験・ラボ試験は含まれない）
推論構成	試行回数、ツール利用、エージェント数、並列計算予算は未公表

日本のAI研究・評価コミュニティへの示唆

今回の結果は、AIモデルの高度推論能力が国際オリンピックの理論問題レベルに到達したことを示している。日本の研究者や評価者にとっても、従来の静的ベンチマークテストから、未知の記述式・導出型問題による動的評価への移行が不可欠であることを再認識させる事例といえる。

分析と今後の注目点

編集部注: Metaの記録した満点は理論試験に限定されており、人間の出場者が受けるラボでの実験試験は含まれていない。また、単一モデルによる1発回答なのか、複数のエージェントを組み合わせた「Contemplating（熟考）」モードによる計算資源投入の結果なのかで価値は大きく変わる。詳細なチェックポイントやプロンプト構成のオープン化が待たれる。

引用元：RuntimeWire