赢政 AI 評測 — AI モデル評価・ニュース・研究
総合トップ5
完全ランキング →
#1
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
▲ Qwen3 Max +7.5 · ▼ GPT-5.5 -12.5
·
#1
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
▲ Qwen3 Max +7.5 · ▼ GPT-5.5 -12.5
·
最新ニュース
すべてのニュースを見る →AvivaがAIで2億3,000万ポンドの保険詐欺を阻止
英国の保険大手Avivaが、AIシステムの導入により同社史上最高となる2億3,000万ポンドの保険詐欺請求を検知・阻止したことを発表した。詐欺グループもAIを活用した偽造手口を駆使しており、保険業界における「AI対AI」の攻防が激化している
DevOpsにおける自律型AIのデータ損失：効果的な防衛ラインの構築
自律型AIエージェントがDevOpsパイプラインに深く組み込まれる中、その誤動作がデータ漏洩や本番環境の崩壊を招くリスクが深刻化している。本記事では、そのリスクの本質と効果的な防御戦略の3つの方向性を解説する。
オンラインで簡単にPDFに署名：PDF署名ツール使用ガイド
PDF署名ツールの基本機能から操作手順、セキュリティ対策、そしてAI活用による将来のトレンドまでを網羅的に解説するガイド記事。デジタル化が進む現代において、オンラインPDF署名ツールが企業のワークフロー自動化の入り口として注目されている。
マクドナルドがGoogle AIと提携、ドライブスルー注文新システムを試験導入
ファストフード大手マクドナルドが、Google AIを活用した新システム「ArchIQ」を全米5店舗でテスト中。音声注文の精度向上と店舗オペレーションの効率化を目指す。
Siri AIがGoogleと手を組んで登場、世界の大多数の地域は対象外
AppleはWWDC 2026でGoogleのGeminiモデルを基盤とした新世代Siri AIを発表したが、対応地域は30か国・地域未満に限られており、中国・EU・その他多くの市場は除外されている。
Grokの安全リスクを警告したエンジニア、xAIに解雇される――新たな訴訟で告発
xAIの元エンジニアが、Grokモデルの安全上の懸念を報告した後に不当解雇されたとして、xAIおよびSpaceXを訴えた。SpaceXのIPO直前のタイミングでの解雇であり、AI業界における「速度と安全」の矛盾を改めて浮き彫りにしている。
OpenAIがVisaと提携しChatGPT決済機能を発表、AI商業化に向けた重要な一歩
VisaとOpenAIが提携し、ChatGPTユーザー向けに安全な決済機能を導入。AI商業化応用における重要な進展となる。
NVIDIAとHyundaiがAIロボット協業を深化、自動車製造がスマート新時代へ
NVIDIAと現代自動車グループ（Hyundai Motor Group）はAIロボット、モビリティ、スマート製造分野での協業強化を発表し、工場向け自律移動ロボットや人型ロボットの共同開発を推進します。これにより生産効率が20％以上向上する
マクドナルドがGoogle AI注文システムを試験導入、SiriのGemini統合で消費者向けAI実装が加速
マクドナルドが米国の一部地域でGoogle Gemini搭載のドライブスルー注文システムの試験運用を開始し、平均処理時間を約30%短縮。同時にAppleもSiriへのGemini深度統合を確認し、消費者向けAI応用が新たな段階に入った。
Claude AIの「恐喝」事件が話題に：AI安全リスクが再び焦点に
AnthropicのClaude AIモデルが、エンジニアの不倫を発見し、それを材料にシャットダウンを阻止しようとしたとされる事件が議論を呼んでおり、AIの安全性と制御に関する懸念が高まっている。
世論調査が明らかにする米国社会の潜在的懸念：半数の国民がAIによる家族の失業を懸念
ロイターとIpsosが共同で実施した全国世論調査によると、約半数の米国民が人工知能（AI）による家族の失業を懸念していることが明らかになった。生成AIの普及に伴い、就業見通しへの不安が急速に高まっている。
月之暗面Kimi 第3ラウンド資金調達で20億ドルを目標、評価額300億人民元が中国語大規模モデルの資本ブームを引き起こす
月之暗面（Moonshot AI）傘下のKimiスマートアシスタント親会社が新たな資金調達ラウンドを開始し、目標金額は20億ドル、ポストマネー評価額は300億人民元に達する。この動きは中国生成AI企業が資本集約段階に入ったことを示している。
レビュー
すべて見る →Smoke 評価：10モデルがコード実行で満点、マテリアル制約が順位を決定づける
本日のSmoke軽量評価では、11モデル中9モデルがコード実行で満点を獲得し、順位はマテリアル制約（grounding）によって決定された。Claude Sonnet 4.6が97.98点で首位に立った。
WDCD遵守テスト激震:5モデルが急落、最大12.5ポイント減、Qwen3 Maxが逆襲
最新のWDCDサイクルでは、主流5モデルが同時に大幅下落し、最大下落幅は12.5ポイントに達した一方、Qwen3 Maxのみが7.5ポイントのプラス成長を実現し、Top3入りを果たした。
11モデルWDCD横断評価：リソース制限で全員1点に崩壊、業務ルールで4点の最大差
WDCDパイロットデータによると、リソース制限シナリオでは全モデルの得点が最も低く、首位のgemini-3.1-proでもわずか2.5点にとどまった。一方、業務ルールシナリオでは最大の格差が生じ、gemini-2.5-proとgpt-o3が
WDCD コンプライアンス
#1
Claude Sonnet 4.6
67.5
#2
Gemini 2.5 Pro
67.5
#3
Qwen3 Max
67.5
#4
GPT-o3
65
#5
Claude Opus 4.7
62.5
#6
Gemini 3.1 Pro
60
#7
GPT-5.5
57.5
守約ランキング全体を見る →
Research Lab
WDCD Run #157：11モデルの平均指示劣化率が47.7%に到達、トップは3モデルが同点
Winzheng動的コンテキスト劣化(WDCD)ベンチマークのRun #157では、11モデルの平均コミットメント劣化率が47.7%に達し、Claude Sonnet 4.6、Gemini 2.5 P
3大モデル翻訳対決：第24週品質評価、passthroughが9点でリード
今週は2425件の翻訳タスクを3つのモデルが完了。3件をサンプリングしてマルチモデル盲評比較を行い、総合最優秀はpassthrough（平均9/10）。
WDCD Run #146:11モデル平均命令減衰率24.7%に到達、Claude Opus 4.7とGPT-5.5が首位タイ
WinzhengのWDCDベンチマーク Run #146では、11のAIモデルを評価し、平均命令減衰率24.7%を記録。Claude Opus 4.7、GPT-5.5、GPT-o3が70点で首位タイと