国産のテキストto画像モデルが初めて総合ランキングでGPTを上回りました:ArtArkが95.14、指示忠実度は満点

11月10日、SuperCLUEは2026年11月版のテキストto画像ベンチマークを更新しました。今回の追加テストで5モデルが加わり、そのうちの1つ、進化智能のArtArkが初登場で95.14点を取り、総合1位になりました。
2位はGPT Image 2.5 Sunburstで94.27。3位はSenseTimeのSenseNova U1 Proで93.81です。
「国産モデルが首位」という言い方は中国のテックメディアで使い古されています。2か月ごとに誰かが首位に立ちます。ですからこのニュースで本当に見るべきなのは点数表の構造で、順位そのものが語ることは多くありません。ArtArkの画質の個別スコアは87.92しかなく、トップ10では最も低い層で、GPT Image 2.5 Flareの90.76より3点近く下です。他の項目が総合点を引き戻しました。
その100点とは何か
このランキングはテキストto画像を6項目に分けています。画質、指示忠実度、漢字生成、現実再現、創作と推論、複雑な情報レイアウトです。
ArtArkは「指示忠実度」で100点を取りました。参加25モデルのうち満点はこれ1つだけです。2位はFlareの93.94でした。
この項目が測るのは従順さです。絵が美しいかどうかは、ここでは点になりません。課題には検証できる制約が並びます。画面に何人いるか、誰が誰の左に立つか、テーブルの上に赤いリンゴが5つか1つか、看板にどの文字が書かれているか、光がどの方向から来るか。モデルはこれらを1つも落とさず画面に落とし込み、しかも自然に見せなければなりません。満点は、この項目ごとの照合でほぼミスをしないという意味です。
言い換えれば、最も絵がうまいとは限りません。最も勝手なことをしないモデルです。

この能力は展示会やSNSでは値打ちがありません。棚の前では値打ちがあります。ECのメイン画像は商品の色、logoの位置、パッケージの文言が1つも違ってはいけません。ブランドポスターはそのsloganを1文字も変えられません。不動産の完成予想図は間取り、向き、家具の数が図面と合っていなければなりません。こうした仕事は以前モデルに任せられませんでした。モデルが創造をしたがるからです。満点の一貫性スコアは、発注者に「試し始めていい」と伝えることになります。
弱点の形
弱い側を見ても、同じようにはっきりしています。
画質87.92は最低項目で、90を割った唯一の項目です。ランキングでは中位あたりで、出力の繊細さ、質感、光の階調がトップ層と目に見えて差があるということです。
漢字生成97.02はSunburstの97.25よりわずかに低いものの、かなり近づいています。現実再現96.02もSunburstの96.49をわずかに下回ります。創作と推論96.47はGPT-Image-2の96.81を下回ります。複雑な情報レイアウト93.38は、SenseNova U1 Proの95.80に2点以上離されています。
お分かりでしょうか。「実行」の側では全面的に先行し、「美意識」の側では全面的に後れています。万能王者の姿ではありません。得意不得意がはっきりした姿で、しかもその偏りは正直です。
ランキング自体もそれを隠すつもりはありません。25モデルを四象限の図に置き、横軸がシーン応用能力、縦軸が汎用能力です。ArtArkはSunburst、U1 Pro、Qwen-Image-3.0-Proとともに「卓越したリーダー」の枠に入りますが、位置は右下寄りで、「技術の先導者」の角からは遠くなっています。
上位5モデルの差は1.91点、こちらが1位より厄介です
Sunburstが94.27、ArtArkが95.14で、差は0.87です。上位5モデルの最高点と最低点の差は1.91しかありません。
3年前の同種のランキングでは、上位と中位が10点以上離れるのが普通で、1位はほぼ揺るぎませんでした。今はその差が1回の評価のノイズの範囲に落ちています。ランキング自身も、国内モデルは1点以内なら同率とみなすと認めています。その規則なら、ArtArk、Sunburst、U1 Proは同じ層に入れるべきです。
差が縮むと実務的な問題が出ます。調達のときに総合点を見ても役に立ちません。個別項目を見る必要があります。
今回の項目別の首位はばらけています。漢字生成と現実再現の最高点はどちらもSunburstです。複雑な情報レイアウトはSenseNova U1 Proの95.80。創作と推論の最高点は前世代のGPT-Image-2で96.81、今年の新しい2バージョンより高いです。指示忠実度はArtArkです。
1つのランキングに4つの「最強」が並ぶのは、この世代のモデルが同じはしごを上っていないという意味です。各社の路線は速く分かれています。意味の実行を補うところ、画面の質感を補うところ、レイアウトの構成を補うところ。モデル選びは「一番いいものを選ぶ」から「一番合うものを選ぶ」に変わりつつあります。
バージョン更新の速さ
Nano Bananaの系譜は別に見る価値があります。2.1は2より2.74点高く、うち指示忠実度が9.09点、複雑な情報レイアウトが6.87点上がりました。一方で画質、現実再現、創作と推論の3項目はほとんど変わっていません。
この伸び方は普通ではありません。通常、世代が変われば各項目がまんべんなく少し上がります。1項目が9点上がって2項目が動かないなら、今回の更新は狙い撃ちで、前世代で最も弱かった意味の整合を補ったことになります。Googleも同じ評価レポートを読んだのでしょう。
逆に、ArtArkのような「一貫性は満点、品質は最下位」という構造にもリスクがあります。一貫性は工学と学習データで速く埋められます。質感は埋まりません。質感の背後には美的判断とデータ分布があり、時間をかけて削るしかありません。追いつかれるのに四半期しかかからないかもしれません。
ひとことの結論
このランキングの本当の情報は順位の後ろにあります。テキストto画像の評価の重心はすでに移りました。絵を美しく見せることは、上位20数モデルがすべて合格線を超えています。複雑な一文を厳密に実行できるかどうかが分水嶺になりつつあります。
絵を作る人にとっては、仕事のやり方が変わるという意味です。以前は願掛けで、10枚引いて1枚選ぶやり方でした。今は要件を書き、注文のように制約を明記して、納品を検収できます。モデルが従順になるほど、人はプロンプトに使う力を減らし、判断に使う力を増やします。すべてのモデルが「美しい」を出せるようになったとき、どれが正しいかを知っているのはあなただけだからです。