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 →AIエージェント向けにインターネットを最適化すると、すべての人が不利になる可能性がある
AIエージェントの普及により、従来の「人間かボットか」という二元的なウェブ管理モデルが機能不全に陥りつつある。AIエージェントに対応しようとする試みが、普通のユーザーに対するセキュリティコストの転嫁につながる恐れがある。
Tenstorrent、評価額62億ドルで15億ドルの資金調達——独立路線を堅持
AIチップスタートアップのTenstorrentが15億ドルの新規資金調達を完了し、企業評価額は62億ドルに達した。複数の買収打診を退け、RISC-Vベースのオープンアーキテクチャ戦略で独立運営の道を選んだ。
Replikaの創業者による新作Wabi：12年前のAIアシスタント構想がついに実現
Replikaの創業者Eugenia Kuydaが、12年前にTechCrunch Disruptで披露したパーソナルAIアシスタントの構想を、新スタートアップWabiとして遂に製品化し、全ユーザーに無料公開した。
AIコンパニオンアプリTolan、3000万ドルの資金調達を完了——アクティブユーザーは25万人超
AIコンパニオンアプリTolanが新たに3000万ドルの資金調達を完了した。同社は資金調達前の時点ですでに25万人以上のアクティブユーザーを獲得しており、AI感情コンパニオン市場における注目プレイヤーとして頭角を現している。
OpenCodeが不正侵入被害：APIキー流出、ユーザーアカウントで不正利用
オープンソースAIプログラミングエージェント「OpenCode」がサイバー攻撃を受け、一部ユーザーのAPIキーが窃取された。攻撃者はそのキーを悪用してAIサービスを利用し、被害ユーザーのアカウントに不正な費用を発生させた。
OpenAI元エンジニア、幹部監視疑惑で勾留継続を命じる判決
OpenAIの元サウジアラビア人エンジニア、アブドゥルラフマン・アルフォザンが幹部を監視したとして告発され、米連邦判事が保釈を認めず勾留継続を命じた。サウジ政府による身元保証は「白紙の小切手」に等しいとして退けられた。
AmazonがTorchNeuronを発表、NVIDIAのPyTorch覇権に真っ向から挑戦
AmazonはAI開発ツール「TorchNeuron」を正式発表し、NVIDIAが長年築いてきたPyTorchエコシステムとの深い連携関係に揺さぶりをかけようとしている。同ツールは開発者が既存のPyTorchコードを大幅に改変することなく、
Qwen3 Max、Smoke評価で5次元すべて欠損――API障害により主要ランキングに記録なし
Qwen3 MaxはSoftware評価において実行・グラウンディング・判断・整合性・コミュニケーションの5次元すべてが欠損し、主要ランキングのスコアは「- → -（-）」となり、今回の順位付けに参加できなかった。API障害による自動再実行
GPT-6 Astra、コード実行スコアが25点急落——メインランキングで1日に11.3点下落
GPT-6 AstraのSmoke評価におけるメインランキングスコアが82.33点から71.01点に低下し、コード実行ディメンションは97.00点から72.00点へと25点の急落を記録した。他のディメンションに大きな変動はなく、メインランキ
GPT-o3が97.83点で首位：2026-10-20 YZ Index Smoke速報データブリーフィング
2026年10月20日のYZ Index Smoke速測では14モデルを対象に評価を実施し、GPT-o3が97.83点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナルの観察に適したもので、Full週間ランキングの結
ロボットが路上に出る前にレッドチームテストを実施——すでに黒字化したこの企業
Laplace Intelligenceは、ロボットや自動運転車などの実世界への展開前に、AIエージェントとインタラクティブシミュレーションを用いた系統的な安全検証を行うスタートアップで、すでに黒字化を達成している。同社はTechCrunc
AIによるゲームクローン氾濫、インディー開発者が作品を公開できない状況に
インディーゲーム開発者がAIによるクローンを恐れて作品の公開を避ける状況が広がっており、Steam Next Festの演示を延期する事例も報告されている。既存の著作権制度やプラットフォームの対応が追いつかず、インディーゲーム文化の根幹を揺
レビュー
すべて見る →Qwen3 Max、Smoke評価で5次元すべて欠損――API障害により主要ランキングに記録なし
Qwen3 MaxはSoftware評価において実行・グラウンディング・判断・整合性・コミュニケーションの5次元すべてが欠損し、主要ランキングのスコアは「- → -（-）」となり、今回の順位付けに参加できなかった。API障害による自動再実行
GPT-6 Astra、コード実行スコアが25点急落——メインランキングで1日に11.3点下落
GPT-6 AstraのSmoke評価におけるメインランキングスコアが82.33点から71.01点に低下し、コード実行ディメンションは97.00点から72.00点へと25点の急落を記録した。他のディメンションに大きな変動はなく、メインランキ
GPT-o3が97.83点で首位：2026-10-20 YZ Index Smoke速報データブリーフィング
2026年10月20日のYZ Index Smoke速測では14モデルを対象に評価を実施し、GPT-o3が97.83点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナルの観察に適したもので、Full週間ランキングの結
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