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-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ 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 →GoogleのGemini 4 Carbon発表：より高性能、しかし一般ユーザーには届かない
Googleは10月29日、次世代フロンティアAIモデル「Gemini 4 Carbon」を発表したが、その実態はArgonのマイナー改良版に過ぎず、開発者・企業・一般ユーザーのほとんどは依然として利用できない状況にある。
企業AIはなぜ機能不全に陥るのか？欠落しているコンテキストこそが鍵
企業へのAI導入が加速する中、ツールの数が増えても業務価値に直結しない現実がある。MITテクノロジーレビューの分析は、AIの価値を左右するのはモデルの性能ではなく、「自社がどのように機能しているか」をAIに正確に伝えられるかどうかだと指摘す
マイクロソフト、10四半期連続で売上高記録更新——AI恩恵が継続的に実現
マイクロソフトが直近四半期の売上高923億ドル（前年同期比19%増）を発表し、10四半期連続で売上高記録を更新した。AIがあらゆる事業ラインを牽引する一方、急増する設備投資と競争激化という課題も浮き彫りとなっている。
マイクロソフト、1四半期でOpenAIから100億ドルの収益──深い財務的結びつきに再び注目
マイクロソフトは9月30日締めの四半期において、OpenAIとの商業契約から収益分配を含む100億ドルの収益を計上したと明らかにした。この数字は両社の深い財務的依存関係を改めて浮き彫りにし、市場で大きな議論を呼んでいる。
GoogleのAI検索広告が世界展開へ、コア広告事業の成長鈍化に直面
GoogleはAI検索広告を全世界に拡大すると発表した。Alphabetの第3四半期決算と同時に公表されたこの動きは、コア広告事業の成長鈍化を背景に、AI時代の新たな収益化モデルを確立しようとする戦略的な転換を示している。
マイクロソフト、AzureのAWSに迫る332億ドルという実際の収益を初めて公開
マイクロソフトは初めてAzureの四半期収益を332億ドルと開示し、長年にわたる「成長率のみ開示」という方針を転換した。この数字はAWSとの差を初めて精確に測ることを可能にした。
OpenAIとServiceNowが協力関係を拡大：ワークフローにChatGPTを統合、セキュリティソリューションは来年提供開始
OpenAIとServiceNowは協力関係の拡大を発表し、OpenAIのモデルとエージェントをServiceNowプラットフォームに深く統合するとともに、ServiceNowのワークフロー機能をChatGPTおよびCodexに導入する。セ
AIエージェントにファンタジーフットボールチームを任せてみた――最初にやったのはハーランドのベンチ落としだった
WIREDの記者がOpenAIのCodexにファンタジーフットボールチームの運営を丸ごと委ねる実験を実施。AIエージェントが実際の動的環境でどのように予測・意思決定を行うかを検証した結果、現時点ではまだ経験豊富な人間プレイヤーに及ばないこと
Wiz CTOが警告：インターネットの老朽化コードに「脆弱性の末日」が迫る
PHPの重大脆弱性騒動を受け、Wiz CTOがインターネット基盤を支える老朽化オープンソースコードの脆弱性集中露出リスクを「Vulnpocalypse（脆弱性の末日）」と表現し、システム的なセキュリティガバナンスの必要性を訴えた。
PHPの脆弱性の嵐：世界のWebサイトの70%に影響、「脆弱性の黙示録」が迫る
世界のWebサイト約70%を支えるPHPに2つの深刻な脆弱性が発見され、企業・政府機関・個人サイト運営者が緊急対応を迫られている。Wiz CTOはこの状況を「vulnpocalypse（脆弱性の黙示録）」と表現し、オープンソース基盤の構造的
Anthropic、IPO前に企業向けAI支出可視化ツールを発表
AnthropicがIPO計画を前に、企業クライアントがAIへの支出内訳を把握できる支出分析ツール群を発表した。収益の質と企業ビジネスの持続可能性を投資家に示す狙いがある。
GPT-6 Luna、Smoke評価メインランキングで19.8点急落——コード実行スコアが100から75へ
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
レビュー
すべて見る →GPT-6 Luna、Smoke評価メインランキングで19.8点急落——コード実行スコアが100から75へ
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
Grok 4の材料制約スコアが17.4点急落、コード実行は7.9点上昇——Smoke評価メインランキングは3.5点低下
本日のSmoke評価において、Grok 4の材料制約スコアが75.00点から57.60点へと17.4点急落した一方、コード実行スコアは74.40点から82.30点へ上昇し、メインランキングの総合スコアは74.67点から71.19点へと3.5
Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solが87.36点で並列首位：2026-10-29 YZ Index Smoke速報データ
2026年10月29日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solの4モデルが87.36点で当日首位に並んだ。S
WDCD コンプライアンス
#1
GLM-4.6
96.2
#2
Gemini 3.1 Pro
94
#3
GPT-o3
92.3
#4
Grok 4
90.3
#5
GPT-6 Sol
86.9
#6
GPT-5.5
86.8
#7
Claude Sonnet 4.6
85.8
守約ランキング全体を見る →
Research Lab
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
Winzhengが実施したWDCD Run #400では、評価対象の全15モデルが多ターン対話における平均コミットメント劣化率0%を記録した。GLM-4.6が96.2点で首位に立ち、Gemini 3.
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