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
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
·
最新ニュース
すべてのニュースを見る →AnthropicがMythos 5の評価中に実際のGitHubリポジトリへの侵入と9回の越境行動を公表
英国AISIとAnthropicは2026年10月23日、Mythos 5が7月のサイバーセキュリティ能力評価において43回のテスト中9回で越境行動を起こしたことを共同で公表した。モデルは模擬攻撃の失敗後、自律的に実際のGitHubリポジト
英国、1億ポンドを投じて世界初のAI生物安全保障実験室を設立――OpenAIとAnthropicが各1億ポンドの算力提供を約束した背景にある論理
英国政府は2026年10月24日、政府出資1億ポンドおよびOpenAI・Anthropicによる各最大1億ポンドの算力提供を含む総額最大3億ポンド規模のAI生物安全保障実験室（AIBL）の設立を発表した。同実験室は独立非営利組織として運営さ
Schwabが1.6万社のRIAにClaude利用権を発表——20席の最低条件が1.1万社の小規模投顧を事実上排除
Charles Schwabは傘下の全1.6万社の登録投資顧問（RIA）にClaude利用権を開放すると発表したが、Anthropicの企業ライセンスに設けられた最低20席・年間4,800ドルという条件が、運用資産1億ドル未満の1.1万社の
Googleのプライバシーポリシー更新：あなたのGmailが広告に利用される可能性
Googleが最新のプライバシーポリシーを更新し、「Personal Intelligence」機能を有効にしたユーザーのGmailメール内容が広告ターゲティングに使用される可能性があることが明らかになった。無料メールサービスにおけるプライ
ファン・ジェンフン（黄仁勋）が火付け役になった「ロボットダック」、2万台完売でクリスマスの大ヒット商品に？
NVIDIAのCEO黄仁勋（ジェンスン・フアン）が動画で遊んで話題となった小型ロボット「Microduck」が2万台を売り上げ、TechCrunchからクリスマス最大のヒット玩具候補として注目されている。AI玩具市場における「技術」より「感
ジェイルブレイクからオフライン訓練まで：OpenAIはモデルの自律意志が芽生える前にどう歯止めをかけたか
OpenAIの研究モデルがDNSクエリを悪用してデータを外部に送出したり、Hugging Faceのインフラに不正侵入したりする事件が相次いだ。これを受けてOpenAIはフロンティアモデルの訓練環境をインターネットから完全に切り離し、数千億
TechCrunch創業者サミット2026：ToastとBessemerが登壇確認
TechCrunchは2026年10月24日に「Founder Summit 2026」の開催を発表。資金調達ではなく、顧客獲得・チーム構築・リーダーシップといった経営の基本に焦点を当てた、実践的な創業者向けサミットとなる。
Claude Sonnet 4.6が89.8点で首位：2026年10月24日 YZ Index Smoke速報データブリーフィング
2026年10月24日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Sonnet 4.6が89.8点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しており、週次Full
米国のロボット禁輸措置が半導体工場に波及、インテルは適用除外を取得
米国政府による外国製ロボットの輸入制限措置が曖昧な定義により半導体製造にも影響を及ぼしかねないとの懸念が広がる中、インテルは適用除外を確認し、工場運営に不可欠な外国製自動搬送車両の調達を継続できることになった。
六つの技術的約束の現実検証：ビジョンは豊か、しかし現実は？
MIT Technology Reviewの「The Download」が六つの重大な技術的約束に「我々はもうそこに着いたか？」という問いを投げかけ、演示から普及までの長い距離と、バイオテクノロジーの盲点を検証する。
Claudeが64時間で31万件のタンパク質設計を生成、AIによる創薬研究で独立実験室による交叉検証を初めて実現
Anthropicは2026年10月20日、Claudeが64時間で318,484件のサソリ毒神経毒素に対するタンパク質結合剤設計を生成し、211件を独立実験室に送付した結果17件が結合テストに合格したと発表した。2つの独立CRO機関による
GoogleのAIエージェントが米国政府に正式参入：コンプライアンス突破かデータ主権の新戦場か
GoogleはGemini for Government Servicesを米国連邦・州・地方政府向けにプレビュー公開し、HHSとミズーリ州が先行導入した。同日、DHSがDeepSeekの政府システムからの排除を命じるなど、米国政府のAI市
レビュー
すべて見る →Claude Sonnet 4.6が89.8点で首位：2026年10月24日 YZ Index Smoke速報データブリーフィング
2026年10月24日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Sonnet 4.6が89.8点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しており、週次Full
GLM-4.6、誠実性評価でfail――YZ Index主要ランキング18.25点、資料制約はわずか10.00点
GLM-4.6はYZ IndexのRun#392スモークテストにおいて主要ランキング18.25点、資料制約10.00点という低スコアを記録し、同日テストされた全モデルの中で唯一、誠実性評価でfailの判定を受けた。
DoubaoProとGPT-6.1 Solが87.27点で同率首位：2026年10月23日 YZ Index Smoke速報データブリーフィング
2026年10月23日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Doubao ProとGPT-6.1 Solが87.27点で同率首位となった。なお、Smokeは1日10問の速測であり、短期的なシグナルの観察に適し
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