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 →私たちは不可能なことを成し遂げられる：AI時代の自己突破
MIT Technology Reviewの編集者Corinne Iozzioのコラムを基に、システム思考・自己制限・技術的ブレークスルーの関係を考察する。AIが「不可能」を「可能」へと塗り替える時代に、真に成熟した思考態度とは何かを問う。
PFASクリーンアップ作戦：「永久化学物質」を地球から消し去る方法
フライパンのコーティングから空港の消火泡まで、あらゆる場所に浸透した「永久化学物質」PFAS。MITテクノロジーレビューの報告を基に、その除去技術の現状と課題、そして真の解決策を探る。
種を超えたコミュニケーション：AIは動物の言語コードを解読できるか
AIと機械学習の進化により、クジラ、鳥、象などの動物コミュニケーションの解読が現実的になりつつある。しかし技術的な進展の一方で、過剰解釈や倫理的課題など、乗り越えるべき壁も依然として多い。
運動の錠剤：運動しなくても健康効果が得られる？
筋肉収縮によって生じる分子シグナルを薬で再現する「運動模倣薬」の研究が進んでいる。運動できない患者への応用を目指すものであり、運動そのものの代替を目的とするものではない。
核動力宇宙船：人類の火星旅行を牽引する新たなエンジン
NASAが発表したSpace Reactor-1 Freedomは、核反応炉を惑星間宇宙船に搭載する史上初の試みであり、2028年末の無人火星ミッション実施を目指している。成功すれば、深宇宙探査における太陽エネルギー依存からの脱却と、有人火
DeepSeekがDeepInfer推論エンジンをオープンソース化——Ascend・Blackwell両ハードウェアスタックに対応
DeepSeekは2026年10月20日、APIサービスを実際に駆動する推論フレームワーク「DeepInfer」をApache 2.0ライセンスでオープンソース化した。同フレームワークはNVIDIA SM100 Blackwell GPUと
帳簿上の807億ドル赤字の裏側：Anthropicの実際の資金消費速度と2兆ドルIPOのロジック
Anthropicが2026年上半期に計上した807億ドルの純損失のうち720億ドルは非現金の会計調整によるものであり、実質的な営業損失は87億ドルにとどまる。一方で収入は前年同期比約15倍に急成長し、2兆ドル規模のIPOを目指す同社の財務
NetflixのAIドキュメンタリーが事実誤認と批判を受け、Hugging Face CEOが声明を発表
NetflixのAIドキュメンタリー『AI Gone Rogue』に出演したHugging Face共同創業者兼CEOのClem Delangueが、作品の内容が「完全に終末論モードに陥っており、正確ではない」と公開批判し、AI業界で大きな
Anthropicが推進する法案：AI規制の発動に「50人死亡」の閾値と司法許可が必要？
AnthropicがAI安全立法を推進しているが、その法案は連邦機関が裁判官の許可なしにモデルのリリースを阻止することを禁じるという手続き上の問題を抱えており、安全保護と規制権限のあり方をめぐって論争を巻き起こしている。
MLPerfが欧州連合AIスーパーファクトリー入札の評価基準に採用、Endpoints v1.0の提出受付が開始
MLCommonsは、MLPerfが欧州連合のAI Gigafactories入札における訓練・推論性能の評価基準として採用されたことと、MLPerf Endpoints v1.0の提出受付正式開始を発表した。これにより、AIインフラの評価
MLCommonsがミッションを刷新：AI測定の標準化により的確な意思決定を支援
MLCommonsは過去8年間のAI業界の成長と変革を経て、ミッションを「AIの測定を標準化し、的確な意思決定を可能にする」と正式に刷新した。工業グレードのベンチマークテストの開発・運用を核心事業として位置付け、組織体制の改革と新分野への拡
MLPerf Endpoints：AI推論システム購入者にとって重要なベンチマークとなる理由
MLPerf Endpointsは、AIシステムを導入する際に購入者が参考にすべき推論性能ベンチマークであり、実際の生産環境における総合的なパフォーマンスを評価する。従来のMLPerf Inferenceとは異なり、完全なサービング・スタッ
レビュー
すべて見る →MLPerfが欧州連合AIスーパーファクトリー入札の評価基準に採用、Endpoints v1.0の提出受付が開始
MLCommonsは、MLPerfが欧州連合のAI Gigafactories入札における訓練・推論性能の評価基準として採用されたことと、MLPerf Endpoints v1.0の提出受付正式開始を発表した。これにより、AIインフラの評価
MLCommonsがミッションを刷新：AI測定の標準化により的確な意思決定を支援
MLCommonsは過去8年間のAI業界の成長と変革を経て、ミッションを「AIの測定を標準化し、的確な意思決定を可能にする」と正式に刷新した。工業グレードのベンチマークテストの開発・運用を核心事業として位置付け、組織体制の改革と新分野への拡
MLPerf Endpoints：AI推論システム購入者にとって重要なベンチマークとなる理由
MLPerf Endpointsは、AIシステムを導入する際に購入者が参考にすべき推論性能ベンチマークであり、実際の生産環境における総合的なパフォーマンスを評価する。従来のMLPerf Inferenceとは異なり、完全なサービング・スタッ
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