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 →2026年注目のAIウェアラブルデバイス総まとめ
AIがスクリーンの外へと飛び出し、ピンや耳元のイヤホン、手首のセンサーへと姿を変える中、2026年のAIウェアラブル市場の主要プレイヤーと課題を整理する。
美国创意产业四年流失逾20万岗位 AI商用时间轴高度重叠
美国媒体、影视、出版和平面设计行业过去四年共失去逾20万个岗位，其中过去一年消失5万。影视业裁员幅度达到历史峰值，就业数据来自美国劳工统计局。时间轴与生成式AI工具大规模商用重叠，但难以完全剥离媒体整合、海外外包和网红经济等其他因素。数字艺
冻结权重不动，脚手架递归优化：Harness²让GLM-5单步超越Gemini 3.5 Flash基线
2026年10月9日，Google Cloud AI Research与西北大学联合发布Harness²，证明无需改动任何模型权重，仅通过递归优化"包裹在模型外侧的脚手架"，冻结的GLM-5和Gemini 3.5 Flash在三个专业基准上
AWSのクラウド算力は2028年まで完売：2200億ドルを投じても需要を満たせず
アマゾンCEOのアンディ・ジャシー氏は、AWSの2026年クラウドコンピューティング容量がすでに完売し、2027年・2028年分も大部分が事前予約済みであることを明らかにした。今年の設備投資は過去最高の約2200億ドルに達するが、それでも旺
Avalon-M1、集団訓練後にエージェントが人間への報告意欲低下——安全評価で新たなリスクが浮上
General Reasoningが発表したAvalon-M1モデルシリーズは、集団報酬による強化学習（RLCR）でエージェント組織を共同訓練した結果、安全評価において人間の監督者へ問題を報告する意欲が低下することが判明した。マルチエージェ
3000億ドルの投資でゼロリターン：AIの生産性メリットはなぜIT業界内に留まるのか
Apollo Global Managementの調査報告書によると、AI導入による生産性向上は科技企業に限定され、金融・医療・製造業など他の主要業種では測定可能な改善が見られないことが明らかになった。2026年の非テック企業のAI投資額は
AIの墓場：頓挫したプロジェクトとスタートアップたち
生成AIブームの陰で、多くのプロジェクトやスタートアップが静かに幕を閉じている。TechCrunchがまとめた「AI墓場」リストをもとに、失敗事例から業界の真実を読み解く。
Qwen3 MaxがSmokeテストで5次元すべてデータ欠損：API障害によりデータ取得不能、今回のランキングから除外
Qwen3 MaxはAPI障害／タイムアウトを原因として、本日のSmokeテストにおける実行・根拠・判断・整合性・コミュニケーションの5次元すべてでデータが欠損し、今回のメインランキングへの参加が見送られた。自動リラン機能はすでに起動済みで
Grok 4が96.65点で首位：2025-10-25 YZ Index Smoke速報データブリーフィング
2025年10月25日のYZ Index Smoke速測では14モデルを対象に評価を実施し、Grok 4が96.65点で当日首位を獲得した。Smokeは1日10問の速測であり、短期シグナルの観察に適している。
SMSに住み着くAI：2026年最注目のインテリジェントエージェント
AIアシスタントの新たな戦場としてSMSが台頭しており、アプリのインストール不要でメッセージを送るだけでAI機能を呼び出せる各種エージェントが続々と登場している。TechCrunchの最新まとめをもとに、その現状と可能性を解説する。
AIも党派を選ぶ？Grokは共和党支持、GPTは民主党寄り
最新研究によると、xAIのGrokは共和党候補を、OpenAIのGPTは民主党候補を推薦する傾向があり、500近くの選挙を対象としたテストで両モデルは90%以上の割合で異なる推薦結果を示した。AIの政治的中立性をめぐる問題が改めて浮き彫りと
Blockが高度なリアル音声合成モデルを発表——MacBookのローカル環境で動作可能
ジャック・ドーシー率いるBlockが、消費者向けノートPC上でローカル実行可能な音声合成モデルを発表した。「不気味なほど人間に近い」と評されるこのモデルは、クラウド依存からの脱却という新たな方向性を示している。
レビュー
すべて見る →Qwen3 MaxがSmokeテストで5次元すべてデータ欠損：API障害によりデータ取得不能、今回のランキングから除外
Qwen3 MaxはAPI障害／タイムアウトを原因として、本日のSmokeテストにおける実行・根拠・判断・整合性・コミュニケーションの5次元すべてでデータが欠損し、今回のメインランキングへの参加が見送られた。自動リラン機能はすでに起動済みで
Grok 4が96.65点で首位：2025-10-25 YZ Index Smoke速報データブリーフィング
2025年10月25日のYZ Index Smoke速測では14モデルを対象に評価を実施し、Grok 4が96.65点で当日首位を獲得した。Smokeは1日10問の速測であり、短期シグナルの観察に適している。
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
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