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 →5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
GrokがAI映画『オデュッセイア』の冒頭7分を公開——形は整っているが、魂は見当たらず
xAIのチャットボットGrokが、AI生成映像作品『オデュッセイア』の冒頭7分を公開し、SNS上で議論を巻き起こした。映像は技術的な完成度を示す一方で、物語性や人間的な共鳴の欠如という生成系動画の本質的な限界をも浮き彫りにした。
Cerebrasが兆パラメータ規模デプロイの技術詳細を公開：59枚のウェーハで3兆パラメータモデルを稼働、毎秒1,000トークン超を達成
CerebrasはKimi K3モデルを事例に、59枚のWSE-3Tウェーハ上に約3兆パラメータモデルを分散展開し、毎秒1,000〜2,000トークン超の推論速度を実現する技術詳細を公式ブログで公開した。パイプライン実行アーキテクチャにより
GPT-6.1 Solが86.05点で首位：2026年10月26日 YZ Index Smoke速報データブリーフ
2026年10月26日のYZ Index Smoke速測では13モデルを対象に評価が行われ、GPT-6.1 Solが86.05点で当日首位を獲得した。上位モデルはコード実行と資料制約のバランスに明確な差異が見られた。
アポロのエコノミスト：AIはほとんどの企業にとって依然「財務リターンゼロ」
アポロ・グローバル・マネジメントのチーフエコノミストは、AIへの投資が空前の規模に達しているにもかかわらず、テクノロジー業界を除く米国企業にはほとんど財務的リターンをもたらしていないと公言した。この指摘は、ツールの導入は進んでいるが損益計算
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。
米国クリエイティブ産業、4年間で20万超の雇用喪失——AIの商用化時期と高度に重複
米国のメディア・映像・出版・グラフィックデザイン業界の過去4年間における雇用喪失が20万件を超え、映像業界の削減幅は過去最大規模に達した。生成AIの台頭との時期的重複が指摘されている。
重みを凍結したまま、スキャフォールドを再帰的に最適化：Harness²がGLM-5を単一ステップでGemini 3.5 Flashのベースラインを超えさせる
Google Cloud AI Researchと北西大学が共同発表したHarness²は、モデルの重みを一切変更せずにエージェントのスキャフォールドを再帰的に最適化することで、GLM-5のベンチマークスコアを11.5ポイント向上させ、より
ブラジル大統領決選投票日：Meta AIがルーラの画像生成を拒否、裁判所が罰金を1日200万レアルに倍増
ブラジル大統領決選投票日、MetaはWhatsApp内蔵のAIアシスタントが2候補に対して非対称な対応を取ったとして、最高選挙裁判所から1日約20万ドル相当の罰金を科されている。AIによるコンテンツフィルタリングの不透明性が、民主主義的選挙
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
レビュー
すべて見る →GPT-6.1 Solが86.05点で首位：2026年10月26日 YZ Index Smoke速報データブリーフ
2026年10月26日のYZ Index Smoke速測では13モデルを対象に評価が行われ、GPT-6.1 Solが86.05点で当日首位を獲得した。上位モデルはコード実行と資料制約のバランスに明確な差異が見られた。
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。
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
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
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。