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
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
最新ニュース
すべてのニュースを見る →OpenAI、BioBasicsBenchを発表：GPT-6 AstraがウェットラボNタスク100項目で66.7%を獲得するも、菌落カウントでは誤りも
OpenAIと酵素設計企業Ligoが共同で、100項目のウェットラボ日常タスクを対象とするAI評価ベンチマーク「BioBasicsBench」を発表。最高推論設定下でGPT-6 Astraが66.7%の平均部分スコアを記録し、参加モデル中ト
OpenAI、自社システムに侵入したハッカーをパートナーに転換——6,500ドルの報奨金から最先端モデルへのアクセス権へ
OpenAIは、自社のフォーラムから内部コードリポジトリへの侵入に成功したセキュリティ企業Hacktronと正式にパートナーシップを締結し、最先端のサイバーセキュリティモデルへのアクセス権を提供した。今回の事例は、AIシステムとサードパーテ
MetaがSpacesを発表：Museエージェントとの新たな協働方式
Metaは2026年11月7日、AIエージェント「Muse」との協働を目的とした新機能「Spaces」を発表した。ユーザーがAIと共有ワークスペースで継続的に作業できる「協働空間」として、AI助手の進化の新たな方向性を示している。
数百台のArtexハッキングツールサーバーがインターネット上に公開状態で露出
セキュリティ研究者が、AIハッキングツール「Artex」をホストする数百台のサーバーがインターネット上に認証なしで公開されていることを発見した。本来ペネトレーションテスト用のこのツールが誰でもアクセス可能な状態に置かれており、深刻なセキュリ
DoubaoがSmokeテストで主要スコア8点急落——材料制約スコアが1日で25.8点下落
Doubao ProのSmokeテスト主要スコアが昨日の87.60から79.57へと8点下落した。主な原因は材料制約スコアが84.30から58.50へと急落したことにある。
GPT-5.5、材料制約スコアが18点急落も、コード実行は30.3点急騰——総合スコアは8.6点上昇
GPT-5.5の本日のSmokeベンチマークでは、コード実行スコアが69.50から99.80へと急騰した一方、材料制約スコアは79.30から61.30へと急落した。総合スコアは73.91から82.48へと上昇した。
GPT-6 Astraが93.05点で首位：2026-11-07 YZ Index Smoke速報データブリーフィング
2026年11月7日のYZ Index Smoke速報テストは14モデルを対象に実施され、GPT-6 Astraが93.05点で当日首位を獲得した。Smokeは毎日10問の速報テストであり、短期的なシグナルの観察に適しており、Full週間ラ
GPT-6.1 Sol サービス異常レポート
OpenAIのGPT-6.1 Solモデルにおいて、実行力の急低下を起因とする複数プラットフォームにわたる連鎖障害が発生。サブエージェントによる権限逸脱や底層プロバイダーのカスケードフォールバックなど、自動化ワークフローへの深刻な影響が確認
AIによる『GTA VI』クローンが公式PC移植の加速を迫る可能性
元Rockstarの技術ディレクターが、AI生成技術の進化により『GTA VI』のAIクローン版が登場する可能性を警告。長年にわたるRockstarの「コンソール優先・PC後回し」戦略が根本的な見直しを迫られるかもしれない。
中間選挙後、AI業界は苦難の2年間を迎えるのか？
米国中間選挙で民主党が歴史的大勝を収め、データセンターに関連する住民投票のほぼすべてで規制強化が支持された。この結果はAIインフラの拡張計画に構造的な変化をもたらす可能性がある。
Metaが物議を醸した条項を撤回：ページ管理者へのAI学習データ利用の強制授権を廃止
Metaは、FacebookページのコンテンツをデフォルトでAI学習データとして利用することを認める商業条項の更新計画を撤回した。ユーザーからの強い批判を受けた「バンドル型同意」の設計が、今回の撤退の引き金となった。
民主党が中間選挙で大勝、AIデータセンター拡張が民意の壁に直面
米国中間選挙で民主党が歴史的勝利を収める中、データセンター関連の住民投票41件のうち40件で規制強化を求める結果が出た。生成AIの急拡大がもたらす電力・水・騒音問題が地域社会の反発を招き、AI産業の拡張戦略に新たなリスクが浮上している。
レビュー
すべて見る →DoubaoがSmokeテストで主要スコア8点急落——材料制約スコアが1日で25.8点下落
Doubao ProのSmokeテスト主要スコアが昨日の87.60から79.57へと8点下落した。主な原因は材料制約スコアが84.30から58.50へと急落したことにある。
GPT-5.5、材料制約スコアが18点急落も、コード実行は30.3点急騰——総合スコアは8.6点上昇
GPT-5.5の本日のSmokeベンチマークでは、コード実行スコアが69.50から99.80へと急騰した一方、材料制約スコアは79.30から61.30へと急落した。総合スコアは73.91から82.48へと上昇した。
GPT-6 Astraが93.05点で首位：2026-11-07 YZ Index Smoke速報データブリーフィング
2026年11月7日のYZ Index Smoke速報テストは14モデルを対象に実施され、GPT-6 Astraが93.05点で当日首位を獲得した。Smokeは毎日10問の速報テストであり、短期的なシグナルの観察に適しており、Full週間ラ
WDCD コンプライアンス
#1
GPT-6 Astra
90.5
#2
Gemini 3.1 Pro
90
#3
GLM-4.6
90
#4
Claude Opus 4.7
89.3
#5
GPT-6 Sol
89.3
#6
Claude Sonnet 4.6
88.9
#7
Grok 4
88.3
守約ランキング全体を見る →
Research Lab
WDCD Run #411：GPT-6 AstraがトップのYZ Index 90.5点、平均指示崩壊率は-80%
Winzhengが実施したWDCD Run #411（2026年11月4日）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崩壊を測定した結果、フィールド全体の平均崩壊率は-80%を記録し、GP
4大モデル翻訳対決：第45週品質評価、gpt-o3が8.7点でトップ
今週382本の翻訳タスクを4つのモデルが処理し、抽出した3本でのブラインド比較評価の結果、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
WinzhengのWDCDベンチマークRun #406において、Gemini 3.1 Proが唯一の制約強化モデルとして91.0点で首位を獲得。15モデルのコホート平均は指示減衰率-9.3%を記録した