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 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
最新ニュース
すべてのニュースを見る →AI支援によるナビエ・ストークス方程式の証明が論争を呼ぶ——研究者が24時間以内に2つの難問を申告
ニューヨーク大学のTristan BuckmasterとAnthropicの研究員Levent AlpögeがAI支援による証明を発表し、ナビエ・ストークス方程式の有限時間爆発の可能性を主張した。同日、Alpögeはリーマン予想の解決も申告
リーマン予想のLean証明がコミュニティ認証を取得——Claudeが支援した1700万行のコードが多重検証を通過
数学者Levent AlpögeがClaudeの支援により生成したリーマン予想のLean証明ライブラリ(1700万行のコード)が、LeanおよびMathlibコミュニティによる独立コンパイル検証を完了し、複数の独立した検証器による多重検証を
GoogleがBroadcomのTPU 8i注文を20%削減しMediaTekへシフト、推論より訓練を優先する戦略的再編のシグナル
Googleが2027年向けBroadcom設計のTPU 8iシリーズ出荷量を約100万個削減し、MediaTek設計のTPU 8tシリーズ増量へ転換する方針を示した。これはデータセンターの電力制約下でフロンティアモデル訓練算力を推論より優
アマゾン、Decartを75億ドルで買収交渉中――NVIDIAのAIチップ依存からの脱却を狙う
アマゾンはイスラエルのAIスタートアップDecartを75億ドルの現金・株式・アーンアウト条項の組み合わせで買収すべく交渉中であり、NVIDIAのGPUへの依存低減を目指している。取引はまだ正式に署名されておらず、流動的な状況にある。
二つのNVIDIA:輝かしい決算とジェンスン・フアン復帰を求める声
NVIDIAは好調な決算を発表する一方、シリコンバレーの幹部たちからジェンスン・フアンCEOの復帰を求める声が上がっており、同社の「現在」と「未来」をめぐる二つの異なるナラティブが浮き彫りになっている。
Signalがスクリーンショットを制限、AIによる監視の「実存的脅威」に対抗
エンドツーエンド暗号化で知られるメッセージングアプリSignalが、AndroidとiOSの両プラットフォームでスクリーンショット機能を制限した。これはAIを活用した監視体制を「実存的脅威」と位置づけ、その拡大に直接対応したものである。
AnthropicのIPOが史上最大規模も売りシグナルに:ナスダックが1日で2026年の上昇分を全て消失、AI銘柄が構造的な再評価局面へ
2026年11月20日、Anthropicの史上最大規模のIPOを機に、ナスダック総合指数が1日で5%超急落し2026年の上昇分を全て消失。金利上昇圧力、エヌビディアのSEC調査、輸出規制強化という三重の逆風が重なり、AI株全体が構造的な再
GoogleがGemini 4 Neonを発表:フラグシップモデルの2倍の速度、ただし現在の価格設定は置き換え対象モデルより高い
GoogleはGemini 4 Neonを発表し、フラグシップのCarbonより高速、軽量モデルのHydrogenより高性能な「中間層」として位置づけた。ただし、現在の価格はフラグシップCarbonのプロモーション価格を上回るという奇妙な逆
Claude Opus 4.7、材料制約スコアが17.6点急落——コード実行は24.8点上昇、総合ランキングは5.7点上昇
Claude Opus 4.7の本日のSmokeベンチマークでは、材料制約スコアが17.6点急落する一方、コード実行スコアが24.8点上昇し、総合ランキングは72.37点から78.09点へと小幅上昇した。ただし、工学的判断スコアの大幅な下落
GPT-o3のコード実行スコアが1日で27.2点急落、材料制約スコアは35点上昇
GPT-o3が本日のSmokeベンチマークでコード実行スコアを98.80点から71.60点へと27.2点落とした一方、材料制約スコアは51.70点から86.70点へ35点上昇し、メインボードスコアは77.61点から78.40点へわずかに上昇
GPT-5.5が末日54.16点で38.3点下落、Doubao Proの平均71.7点・変動52.2点
2026年11月16日〜22日のSmoke評価データによると、GPT-5.5は初日92.44点から末日54.16点へと38.3点下落し、上昇傾向を示したDoubao ProとDeepSeek V4 Proは高い変動幅を記録した。
Grok 4が83.51点で首位:2026-11-22 YZ Index Smoke速報データブリーフィング
2026年11月22日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Grok 4が83.51点で当日首位を獲得した。複数モデルでスコアの大幅な変動が観測されており、継続的なモニタリングが必要とされている。
レビュー
すべて見る →Claude Opus 4.7、材料制約スコアが17.6点急落——コード実行は24.8点上昇、総合ランキングは5.7点上昇
Claude Opus 4.7の本日のSmokeベンチマークでは、材料制約スコアが17.6点急落する一方、コード実行スコアが24.8点上昇し、総合ランキングは72.37点から78.09点へと小幅上昇した。ただし、工学的判断スコアの大幅な下落
GPT-o3のコード実行スコアが1日で27.2点急落、材料制約スコアは35点上昇
GPT-o3が本日のSmokeベンチマークでコード実行スコアを98.80点から71.60点へと27.2点落とした一方、材料制約スコアは51.70点から86.70点へ35点上昇し、メインボードスコアは77.61点から78.40点へわずかに上昇
GPT-5.5が末日54.16点で38.3点下落、Doubao Proの平均71.7点・変動52.2点
2026年11月16日〜22日のSmoke評価データによると、GPT-5.5は初日92.44点から末日54.16点へと38.3点下落し、上昇傾向を示したDoubao ProとDeepSeek V4 Proは高い変動幅を記録した。
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
4大モデル翻訳対決:第47週品質評価、claude-sonnet-4.6が9点でトップ
今週442件の翻訳タスクを4モデルで処理し、抽出した3記事をマルチモデルブラインド評価した結果、claude-sonnet-4.6が平均9/10点で総合最優秀となった。
WDCD ラン #428:Gemini 3.1 Pro が89.8点でトップ、平均指示減衰率は-16.4%を記録
Winzheng Dynamic Contextual Decay(WDCD)ベンチマークのラン #428において、Gemini 3.1 Pro が89.8点で首位を獲得し、15モデル全体の平均コミッ