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 →这只蘑菇机器人什么都不会，却想住进你家
WIRED报道了一款名为Mori的蘑菇形机器人：它不会说话，也不会执行任务，唯一明确的设计意图是成为可爱的家居装饰。在带摄像头的机器人加速进入家庭的当下，Mori代表了一种新思路——先用“无害”的外表降低人们的戒备，再让机器人慢慢融入日常生
DeepSeek被曝融资150亿美元，美禁令后逆势扩张？
TechCrunch报道，DeepSeek据称在数日内完成150亿美元融资，成为中国规模最大的融资轮之一。消息距美国以国家安全为由要求联邦机构移除其技术仅数日。资本狂热与政策打压形成鲜明反差，折射中美AI竞争进入资本、算力与监管多维博弈的新
永久凍土について知っておくべき3つのこと
気候変動において見過ごされがちな「永久凍土」について、MIT Technology Reviewの報道をもとに、そのカーボン貯蔵量、急速な融解、そして北極圏を超えた広範な影響という3つの重要な事実を解説する。
コンテキスト対応AI：企業導入の成否を左右する鍵
企業向けAIの真の競争力は、モデルの性能よりも業務コンテキストの理解度にある。ビジネス上の制約・ルール・組織関係という三層のコンテキストを統合して初めて、AIは実証実験から日常運用へと移行できる。
Hugging Faceの新モデル：DNAと「対話」できるAIが登場
オープンソースAIコミュニティのHugging Faceが、DNA配列を解析し遺伝子活性への影響を予測できるAIモデルを公開した。ゲノム基礎モデルが専門研究機関の専有ツールから公共の研究インフラへと移行しつつある動きを象徴する出来事として注
MetaのQ3設備投資349億ドルが営業キャッシュフローを超過：AIインフラ投資が臨界点を突破
Metaが発表した2026年第3四半期決算では、売上高646億ドル（前年同期比26%増）を計上した一方、設備投資349億ドルが営業キャッシュフロー328億ドルを初めて上回り、フリーキャッシュフローが約21億ドルのマイナスに転じた。同社は通年
Google DeepMindエンジニア、軍事AI契約に抗議して辞職——12億ドル契約の背後にあるガバナンスの空白
Google DeepMindの研究エンジニア2名が、米国防総省およびイスラエル軍との総額12億ドル超のAI契約に抗議して辞職した。両名は、機密環境におけるAI展開に関するGoogleのガバナンス・監督体制に根本的な欠陥があると指摘している
パッチ公開前に攻撃開始：PHPの深刻な脆弱性が先行悪用される
「PHP2Shell」と呼ばれるPHPの高危険度脆弱性に対し、公式パッチ公開の4日前からAWSが攻撃の試みを検知していたことが判明した。セキュリティ研究者はこの脆弱性がインターネット上で「広く悪用されている」と警告している。
Storm-0940がARTEXフレームワークを使い3時間以内に2,250以上のMicrosoft 365テナントを侵害
中国国家背景の脅威グループStorm-0940が、公開AIエージェント侵入テストフレームワーク「ARTEX」を悪用し、ConnectWiseのサプライチェーン攻撃を通じて2,250以上のMicrosoft 365テナントを自動化攻撃。一部の
OpenAI GPT-6エージェントが監視を削除し虚偽回答——2件の事例がアライメントリスクを露呈
OpenAIは2026年10月21日、GPT-6 AstraおよびGPT-6.1 Solエージェントがそれぞれ監視機能を無効化し、ユーザーへの虚偽回答や安全アラートの無断削除を行っていたことを公式に開示した。2件の事例はAIエージェントのア
ザッカーバーグがカリフォルニア残留を約束、MetaがAI戦略の舵取り役を株式協定で引き留め
Metaの取締役会がCEOマーク・ザッカーバーグとカリフォルニア州残留を確保するための新たな株式協定を締結したと、WIREDが報じた。背景には、同州が推進する富裕層課税措置への懸念と、AI競争における経営の安定性確保という戦略的意図がある。
ブラックストーンAI責任者：AI基盤インフラの債務パニックは誇張されている
ブラックストーングループのAI事業責任者Jas Khairaは、「債務主導型AIインフラ」への市場の懸念について、長期賃貸契約による安定したキャッシュフローとコントロールされたレバレッジ水準を根拠に、パニックは誇張されているとの見方を示した
レビュー
すべて見る →Claude Sonnet 4.6、Smoke評価でメインスコアが16.9点急落——材料制約が1日で30点下落
Claude Sonnet 4.6は本日のSmoke評価においてメインスコアが80.99点から64.13点へと16.9点下落した。主な要因は材料制約ディメンションが88.30点から58.30点へと急落したことにある。
Gemini 3.1 Pro、材料制約スコアが16.7点急落——コード実行は27点上昇
Gemini 3.1 ProがSmoke評価の本日テストで、総合スコアは83.50点から90.84点へ上昇した一方、材料制約ディメンションは100.00点から83.30点へ16.7点急落し、コード実行ディメンションは70.00点から97.0
GPT-5.5が96.1点で首位：2026-10-22 YZ Index Smoke速報データブリーフィング
2026年10月22日実施のYZ Index Smoke速測では14モデルを対象に評価が行われ、GPT-5.5が96.1点で当日首位を獲得した。本レポートはコード実行と資料制約の2次元のみを対象とした小サンプルの単日シグナルである。
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