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 →Google DeepMind、Genie 4を発表：初のネイティブ音声世界モデル、連続性は2倍もパフォーマンス指標は不明
Google DeepMindは2026年10月27日、世界モデル「Genie 4」を発表した。Genieシリーズ初のネイティブ音声生成機能を備え、シーン連続性は前世代の2倍となったが、解像度やフレームレートなどの技術指標は非公開とされた。
Anthropicが700万冊の海賊版書籍で15億ドルの賠償、スタンフォード教授らは別途訴訟で最高15万ドル／作品を請求
AnthropicがClaudeの学習に700万冊超の海賊版書籍を使用したとして15億ドルの集団和解が成立したが、28名の作者が和解を拒否し、1作品あたり最高15万ドルの法定賠償を求める別訴訟を提起した。本件は米国著作権史上最大規模の和解で
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 3.1 Pro、GPT-o3がこれに続いた。
「普通の言葉」でタンパク質を設計する：AIバイオデザインは「バイブ」時代へ？
タンパク質・ゲノム設計ソフトウェアに自然言語インターフェースを導入する動きが広がりつつある。ソフトウェア工学の「バイブコーディング」に倣い、専門知識がなくても設計意図を言葉で伝えるだけでAIが候補分子を生成するアプローチが注目を集めている。
Disruptiveが100億ドルを調達、少なくとも10社に集中投資
ベンチャーキャピタルのDisruptiveが100億ドル規模の新ファンドの調達を完了し、少なくとも10社に対して大型投資を行う方針を発表した。従来の分散投資モデルとは一線を画す「集中投資」戦略が注目を集めている。
Anthropicが「生物学に革命」と豪語する一方、IPO書類では慎重姿勢——二面性の裏に何があるか
AnthropicはプレスリリースやSNSでAIによる生物学の革命的変革を熱く語る一方、IPO招股書では慎重な表現に終始している。このPR言説と法的文書の間の温度差は、同社の上場を機に改めて注目を集めている。
GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報
2026年10月28日実施のYZ Index Smokeクイックテストでは13モデルを評価し、GPT-6 Lunaが86.95点で当日首位を獲得した。Smokeは短期シグナルの観察に適した毎日10問のクイックテストであり、週次フルランキング
Google Genie 4ワールドモデル、音声とリアルタイム操作機能を追加
Google DeepMindは2026年10月28日、ワールドモデル「Genie 4」を発表し、リサーチプレビューとして信頼できるテスターに公開した。前世代と比べ、リアルタイム音声、より高精度なシミュレーション、テキストによるリアルタイム
AIモデルが指数時間仮説を覆した？教科書の書き換えはまだ早い
前線AIラボがAIモデルによって計算複雑性理論の指数時間仮説（ETH）が反証されたと主張しているが、数学的な主張と数学的真理の間には検証という壁があり、形式化検証や独立した再現なしには「反証」はあくまで検証待ちの強い主張に過ぎないと専門家は
MetaのAIディレクターが退職、Ndocを創業してMicrosoft Officeに挑む
MetaでAIディレクターを8年間務めたRohit Patelが退職し、新会社Ndocを設立。Microsoft OfficeスイートとGoogle Workspaceへの挑戦を宣言し、AIネイティブなオフィスソフトの構築を目指す。
レビュー
すべて見る →GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報
2026年10月28日実施のYZ Index Smokeクイックテストでは13モデルを評価し、GPT-6 Lunaが86.95点で当日首位を獲得した。Smokeは短期シグナルの観察に適した毎日10問のクイックテストであり、週次フルランキング
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