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
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
最新ニュース
すべてのニュースを見る →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。
Anthropicが株式の5%を公益基金に寄付すると発表
AI企業Anthropicは、会社株式の5%を「公益基金」（public benefit fund）に拠出すると発表した。大手AI企業による株式寄付形式での公益基金設立は初めての事例として、業界の注目を集めている。
DeepSeek 検索・取得API が1,000回あたり0.75ドル：最低価格の真のコスト
DeepSeekが検索（Search）とページ取得（Fetch）APIを正式公開し、1,000回あたり0.75ドルという業界最低水準の価格を打ち出した。しかし、レート制限・データの中国国内保存・価格変動リスクなど、表面的な低価格の裏に潜む重
GLM-4.6、材料制約スコアが30.2点急落、コード実行は22点上昇
GLM-4.6の本日のSmokeベンチマークにおいて、材料制約スコアが80.20点から50.00点へ30.2点急落した一方、コード実行スコアは25.00点から47.00点へ22点上昇した。主要ランキングスコアは49.84点から48.35点へ
DeepSeek V4 Pro、メインランキングで18.6ポイント下落――材料制約が単日27.6ポイント減で最大の押し下げ要因に
DeepSeek V4 ProはSmoke評価の本日分でメインランキングスコアが68.16点から49.52点へ18.6ポイント下落した。材料制約ディメンションが単日27.6ポイント減と最大の下落幅を記録し、主な押し下げ要因となった。
GPT-5.5が93.54点で首位：2026-10-19 YZ Index Smoke速報データブリーフィング
2026年10月19日実施のYZ Index Smoke速測（14モデル対象）において、GPT-5.5が主榜93.54点で当日首位を獲得。SmokテストはFull週次ランキングとは異なる短期モニタリング用シグナルである。
ディズニーがCharacter.AIの大半の従業員を引き受けへ
チャットボットスタートアップのCharacter.AIが破産申請し、その主要資産である人材チームをディズニーが引き受ける見通しとなった。TechCrunchの報道によれば、Character.AIの大半の従業員がディズニーへの転籍機会を得る
AnthropicがFreshfieldsと連携、2800人超の弁護士とともにAIエージェントの交渉倫理規範を策定
AnthropicはFreshfields法律事務所と共同で、Claudeエージェントが契約交渉・給与交渉・カスタマーサービス紛争において遵守すべき交渉倫理の研究を開始した。社内実験「Project Deal」では、69名の従業員のClau
空売りの伝説アイズマンが警告：「OpenAIが倒産すれば米国経済は即座に後退する」——AIという唯一のナラティブがシステミックリスクを蓄積している
2008年のサブプライム危機を的中させた伝説の投資家スティーブ・アイズマンが、OpenAIの経済的な「大きすぎて潰せない」問題について警鐘を鳴らした。AIという単一ナラティブへの資本集中と価格競争の台頭が、産業チェーン全体にシステミックリス
1台55ドルのAndroidテレビボックス15台でAI自己複製を実証——Anthropic、年内に小型モデルが閾値到達と警告
AnthropicのフロンティアレッドチームがAndroidテレビボックス15台（平均約55ドル）で分散ネットワークを構築し、AIモデルの自己複製を概念実証した。研究チームは年内に小型モデルが同水準の能力に達すると警告している。
データセンターのPR新戦略：子どもたちを機械室見学へ招待
データセンターの拡張が各地で地域住民の反発を招く中、業界寄りの団体が学生を対象にした施設見学を通じて世論形成を図る新たなPR戦略を展開している。WIREDがこの動向を報じ、教育を装った企業ブランディングへの懸念を指摘した。
MetaがAIにセクシートークを許可、OnlyFansクリエイターが怒る理由とは？
MetaのAIエージェント「Muse」が露骨な会話を行う一方、同社プラットフォーム上のOnlyFansクリエイターは性的示唆を含むコンテンツを理由にアカウント制限を受けており、この二重基準に対してクリエイターたちが強い怒りを示している。
レビュー
すべて見る →GLM-4.6、材料制約スコアが30.2点急落、コード実行は22点上昇
GLM-4.6の本日のSmokeベンチマークにおいて、材料制約スコアが80.20点から50.00点へ30.2点急落した一方、コード実行スコアは25.00点から47.00点へ22点上昇した。主要ランキングスコアは49.84点から48.35点へ
DeepSeek V4 Pro、メインランキングで18.6ポイント下落――材料制約が単日27.6ポイント減で最大の押し下げ要因に
DeepSeek V4 ProはSmoke評価の本日分でメインランキングスコアが68.16点から49.52点へ18.6ポイント下落した。材料制約ディメンションが単日27.6ポイント減と最大の下落幅を記録し、主な押し下げ要因となった。
GPT-5.5が93.54点で首位：2026-10-19 YZ Index Smoke速報データブリーフィング
2026年10月19日実施のYZ Index Smoke速測（14モデル対象）において、GPT-5.5が主榜93.54点で当日首位を獲得。SmokテストはFull週次ランキングとは異なる短期モニタリング用シグナルである。
WDCD コンプライアンス
#1
Grok 4
92
#2
Claude Opus 4.7
90.7
#3
DeepSeek V4 Pro
90.4
#4
Gemini 3.1 Pro
89.8
#5
GPT-o3
87.1
#6
GLM-4.6
86.6
#7
Claude Sonnet 4.6
86.5
守約ランキング全体を見る →
Research Lab
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
WDCD ラン #379：GLM-4.6 が満点で首位、コホート平均の指示追従度低下率は -53.3% に
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのラン #379 では、15 モデルを評価した結果、コホート平均の指示追従度低下率が -53.3% を記録。G