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 →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。
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
AI幹部がAIで家族と絆を深める？ 現実から乖離したエリートたちの盲点
TechCrunchの評論記事が、AI企業幹部たちがAIを使って家族との関係を築くことを公言している現象を取り上げ、こうした発言がいかに彼らの一般ユーザーとの乖離を露呈しているかを指摘している。
Chrome AIオートフィルがGmailを読み取り、フォームを自動入力
GoogleはChromeのAI駆動オートフィル機能をアップグレードし、ユーザーの明示的な許可のもとでGmailの受信トレイをスキャンし、フライト確認情報や荷物追跡情報などをWebフォームに自動入力できるようにした。この機能はGeminiを
GoogleがGeminiと検索を開放：AIエージェントがアプリの入口を再定義する
Googleは第三者アプリ向けにGeminiと検索機能を開放し、新たな開発者プラットフォームを立ち上げた。これによりAIエージェントがアプリの発見・利用の入口を根本から変えようとしている。
「2020年大統領選の勝者は誰か」——GoogleのAIが国内外で見せる二つの顔
GoogleのAIは、2020年米大統領選挙の結果という単純な事実の質問に対し、米国内のユーザーには曖昧な回答を返す一方、海外からの質問には明確な答えを示すという「地域差別対応」が明らかになった。この現象は、AIの政治的中立性をめぐる根本的
NVIDIAが音声文字起こしモデルをオープンソース公開：40言語対応、ただし録音ファイルのみ対象
NVIDIAが40言語に対応した無料の音声文字起こしモデルをオープンソースで公開した。ただしリアルタイム音声入力には非対応で、録音ファイルのみを処理対象とするという明確な機能境界が特徴的だ。
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