Meta（C-4）と Hugging Face（C-7）が 2023 年末に公開した、AI エージェントの実用能力を測る問題集です。Web 検索・PDF 読解・画像理解など複数ツール協調が要る 466 問・Level 1〜3 です。
ベンチマーク
258
GAIA
ガイア
体験区分：調査ベース
推奨読者レベル：Level 3-5
何をしてくれるか
どこで出会うか
AI エージェントのリリース記事や研究論文で「GAIA スコア」として登場します。公開時は GPT-4 約 15%・人間約 92%、2025 年には上位勢が 60% 台に到達しています。
イメージ
開発フローでの位置
課題設定
ベンチ選定
評価実行
比較分析
改善反映
2026.04·needs_review
「GAIA Level 3 で Manus が人間に迫ったニュースを社内に共有しました。」
GAIAの見方
259
この用語の見どころ
1
役割
AI エージェントの実世界タスク処理能力を測る問題集です。
2
うれしさ
人間基準との差が数値で見えるため、進化の速さを実感できます。
3
注意点
同名の別プロジェクトが複数あり、本書では Meta + HF 版を指します。
4
どこで役立つか
エージェント導入の判断材料として比較評価の場面で参照されます。
5
はじめに
Level と問題数（466 問）と人間スコア（約 92%）が理解の起点です。
6
深掘り先
WebArena、AgentBench、AGI
非エンジニアのつまずき
- 今回初めて知った語で、ベンチマークの存在自体が遠く感じられました。
- スコアが評価フレームワークで大きく変わり、単純比較が難しいです。
- AGI 議論の参照に使われるとはいえ、どこまで AGI 判断に直結するか不明です。
私のコメント
- 第一印象:今回初めて存在を知り、人間との差を測る指標として面白いと感じました。
- 良い点:モデルの賢さを定量的に比べられ、人間スコアと並列で見られる点が有用です。
- ダメな点:評価フレーム次第でスコアが大きく動き、いつまで参照できるか見極めが要ります。
- 誰向けか:AGI 議論やモデル選定で「賢さの相場」を語りたい人にとって押さえどころです。
関連用語
備考
公開時スコア（2023 年末）：GPT-4 約 15%、人間約 92% 2025 年時点スコア：Claude 3.5 / GPT-4o などで 35〜40% 台、Manus 系エージェントで…
E-32·benchmark
バイブコーディング図鑑