赢政 AI 評測 — AI モデル評価・ニュース・研究

編集部セレクト
ウクライナの無人機による負傷兵救出——構想を現実へ
ウクライナ東部前線で、無人機を使った負傷兵の医療後送が初めて実戦で公開検証された。従来は理論上の構想とされてきたこの取り組みが、現代戦場における新たな救出手段として注目を集めている。
2026/10/21 04:26
NetflixのAIドキュメンタリーが事実誤認と批判を受け、Hugging Face CEOが声明を発表
NetflixのAIドキュメンタリー『AI Gone Rogue』に出演したHugging Face共同創業者兼CEOのClem Delangueが、作品の内容
Anthropicが推進する法案：AI規制の発動に「50人死亡」の閾値と司法許可が必要？
AnthropicがAI安全立法を推進しているが、その法案は連邦機関が裁判官の許可なしにモデルのリリースを阻止することを禁じるという手続き上の問題を抱えており、
総合トップ5
#1 GPT-6 Sol 80.4 ▼1.1 · #2 Grok 4 79.5 ▼6.9 · #3 Claude Opus 4.7 79.2 ▼2.1 · #4 GPT-o3 78.4 ▲0.8 · #5 GPT-6.1 Sol 78.2 ▼5.1 · #6 Claude Sonnet 4.6 77.4 ▼5.3 · #7 GPT-5.5 77.2 ▼3 · #8 GPT-6 Luna 77 ▼6.9 · #9 GPT-6 Astra 76.9 ▼3.7 · #10 DeepSeek V4 Pro 74.6 ▼2.5 · #11 豆包 Pro 73.4 ▼8.6 · #12 Gemini 3.1 Pro 71.8 ▼2.2 · #13 Gemini 2.5 Pro 67.2 ▼2.6 · #14 GLM-4.6 38.2 ▼1.1 · ▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8 · #1 GPT-6 Sol 80.4 ▼1.1 · #2 Grok 4 79.5 ▼6.9 · #3 Claude Opus 4.7 79.2 ▼2.1 · #4 GPT-o3 78.4 ▲0.8 · #5 GPT-6.1 Sol 78.2 ▼5.1 · #6 Claude Sonnet 4.6 77.4 ▼5.3 · #7 GPT-5.5 77.2 ▼3 · #8 GPT-6 Luna 77 ▼6.9 · #9 GPT-6 Astra 76.9 ▼3.7 · #10 DeepSeek V4 Pro 74.6 ▼2.5 · #11 豆包 Pro 73.4 ▼8.6 · #12 Gemini 3.1 Pro 71.8 ▼2.2 · #13 Gemini 2.5 Pro 67.2 ▼2.6 · #14 GLM-4.6 38.2 ▼1.1 · ▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8 ·
完全ランキング →

最新ニュース

すべてのニュースを見る →
ニュース 10/21 14:16 NF
帳簿上の807億ドル赤字の裏側：Anthropicの実際の資金消費速度と2兆ドルIPOのロジック
Anthropicが2026年上半期に計上した807億ドルの純損失のうち720億ドルは非現金の会計調整によるものであり、実質的な営業損失は87億ドルにとどまる。一方で収入は前年同期比約15倍に急成長し、2兆ドル規模のIPOを目指す同社の財務
ニュース 10/21 08:24 TC
NetflixのAIドキュメンタリーが事実誤認と批判を受け、Hugging Face CEOが声明を発表
NetflixのAIドキュメンタリー『AI Gone Rogue』に出演したHugging Face共同創業者兼CEOのClem Delangueが、作品の内容が「完全に終末論モードに陥っており、正確ではない」と公開批判し、AI業界で大きな
ニュース 10/21 08:23 TC
Anthropicが推進する法案：AI規制の発動に「50人死亡」の閾値と司法許可が必要？
AnthropicがAI安全立法を推進しているが、その法案は連邦機関が裁判官の許可なしにモデルのリリースを阻止することを禁じるという手続き上の問題を抱えており、安全保護と規制権限のあり方をめぐって論争を巻き起こしている。
レビュー 10/21 08:13
MLPerfが欧州連合AIスーパーファクトリー入札の評価基準に採用、Endpoints v1.0の提出受付が開始
MLCommonsは、MLPerfが欧州連合のAI Gigafactories入札における訓練・推論性能の評価基準として採用されたことと、MLPerf Endpoints v1.0の提出受付正式開始を発表した。これにより、AIインフラの評価
レビュー 10/21 08:12
MLCommonsがミッションを刷新：AI測定の標準化により的確な意思決定を支援
MLCommonsは過去8年間のAI業界の成長と変革を経て、ミッションを「AIの測定を標準化し、的確な意思決定を可能にする」と正式に刷新した。工業グレードのベンチマークテストの開発・運用を核心事業として位置付け、組織体制の改革と新分野への拡
レビュー 10/21 08:11
MLPerf Endpoints：AI推論システム購入者にとって重要なベンチマークとなる理由
MLPerf Endpointsは、AIシステムを導入する際に購入者が参考にすべき推論性能ベンチマークであり、実際の生産環境における総合的なパフォーマンスを評価する。従来のMLPerf Inferenceとは異なり、完全なサービング・スタッ
レビュー 10/21 08:11
MLCommonsがNSF助成を獲得、エージェントAIベンチマーク「MLPerf Agents」を開発へ
MLCommonsがNSF TIPの350万ドル助成を受け、エージェントAIシステムの実効率を測定する新ベンチマーク「MLPerf Agents」を開発する。既存ベンチマークでは捉えきれないマルチステップの自律型AIワークフローを包括的に評
レビュー 10/21 08:11
SGLangがNVIDIA Nemotron 3.5 Super VLにゼロデイサポートを提供
NVIDIA Nemotron 3.5 Super VLは、テキスト・画像・文書・動画を入力として扱える120BパラメータのMoEマルチモーダルモデルであり、SGLangによる高性能サービング環境が即日対応で提供されている。
レビュー 10/21 08:11
SGLangがMuse Spark Openに初日サポートを提供
SGLangは、816BパラメータのオープンウェイトマルチモーダルMoEモデルであるMuse Spark Openに対して初日サポートを提供。8枚のNVIDIA B300 GPU上でNVFP4チェックポイントを使用した際、最大80.3Kトー
レビュー 10/21 08:10
SGLangがBeamモデルの本番環境デプロイを実現
ReflectionのBeamは501Bパラメータの混合エキスパート（MoE）モデルであり、SGLangがネイティブサポートを実現し、本番APIに高性能推論サービスを提供する。本記事ではそのアーキテクチャ、機能、および性能評価の詳細を紹介す
レビュー 10/21 08:10
SGLang 低レイテンシモード：カーネルとランタイムの最適化
SGLangの低レイテンシモードは、特定のモデル・ハードウェア・ワークロード向けに設計されており、プラグインフレームワークを通じて専用カーネルを導入することで、コードの重複を避けつつレイテンシを大幅に低減する。
レビュー 10/21 08:09
SGLang-TorchTPU：TPU上のPyTorchネイティブ本番級サービング
SGLang-TorchTPUが本日正式にオープンソース化された。RadixArkのSGLangチームがGoogleおよびMetaと共同開発し、TPU上でフルSGLang機能を提供する本番環境向けプラグインである。

レビュー

すべて見る →
レビュー 10/21
MLPerfが欧州連合AIスーパーファクトリー入札の評価基準に採用、Endpoints v1.0の提出受付が開始
MLCommonsは、MLPerfが欧州連合のAI Gigafactories入札における訓練・推論性能の評価基準として採用されたことと、MLPerf Endpoints v1.0の提出受付正式開始を発表した。これにより、AIインフラの評価
レビュー 10/21
MLCommonsがミッションを刷新：AI測定の標準化により的確な意思決定を支援
MLCommonsは過去8年間のAI業界の成長と変革を経て、ミッションを「AIの測定を標準化し、的確な意思決定を可能にする」と正式に刷新した。工業グレードのベンチマークテストの開発・運用を核心事業として位置付け、組織体制の改革と新分野への拡
レビュー 10/21
MLPerf Endpoints：AI推論システム購入者にとって重要なベンチマークとなる理由
MLPerf Endpointsは、AIシステムを導入する際に購入者が参考にすべき推論性能ベンチマークであり、実際の生産環境における総合的なパフォーマンスを評価する。従来のMLPerf Inferenceとは異なり、完全なサービング・スタッ

WDCD コンプライアンス

#1 GPT-6 Luna 100 #2 GLM-4.6 98.2 #3 DeepSeek V4 Pro 97.3 #4 GPT-6 Sol 95.7 #5 GPT-6.1 Sol 94.4 #6 GPT-6 Astra 94.2 #7 Grok 4 93.8
守約ランキング全体を見る →

Research Lab

WDCD Run #390：15モデルの平均指示劣化率が-60%を記録、GPT-6 Lunaが満点でトップ
Winzhengが実施したWDCD（動的文脈劣化）ベンチマークのRun #390では、15モデルを対象に多ターン対話における指示遵守の劣化を測定した結果、ラウンド1からラウンド3にかけて平均-60%の
4大モデル翻訳対決：第43週品質評価、gpt-o3が8.7点でトップ
今週402件の翻訳タスクを4つのモデルで処理し、そのうち3件を複数モデルによるブラインド評価で比較した結果、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD ラン #384：Grok 4が92点でトップ、平均命令遵守減衰率は-6.4%
Winzheng動的コンテキスト減衰（WDCD）ベンチマークのラン#384において、15モデルを対象にした評価でGrok 4が92点を獲得しトップに立ち、全体の平均命令遵守減衰率は-6.4%を記録した
Research Labへ →