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 →3000億ドルの投資でゼロリターン：AIの生産性メリットはなぜIT業界内に留まるのか
Apollo Global Managementの調査報告書によると、AI導入による生産性向上は科技企業に限定され、金融・医療・製造業など他の主要業種では測定可能な改善が見られないことが明らかになった。2026年の非テック企業のAI投資額は
AIの墓場：頓挫したプロジェクトとスタートアップたち
生成AIブームの陰で、多くのプロジェクトやスタートアップが静かに幕を閉じている。TechCrunchがまとめた「AI墓場」リストをもとに、失敗事例から業界の真実を読み解く。
Qwen3 MaxがSmokeテストで5次元すべてデータ欠損：API障害によりデータ取得不能、今回のランキングから除外
Qwen3 MaxはAPI障害／タイムアウトを原因として、本日のSmokeテストにおける実行・根拠・判断・整合性・コミュニケーションの5次元すべてでデータが欠損し、今回のメインランキングへの参加が見送られた。自動リラン機能はすでに起動済みで
Grok 4が96.65点で首位：2025-10-25 YZ Index Smoke速報データブリーフィング
2025年10月25日のYZ Index Smoke速測では14モデルを対象に評価を実施し、Grok 4が96.65点で当日首位を獲得した。Smokeは1日10問の速測であり、短期シグナルの観察に適している。
SMSに住み着くAI：2026年最注目のインテリジェントエージェント
AIアシスタントの新たな戦場としてSMSが台頭しており、アプリのインストール不要でメッセージを送るだけでAI機能を呼び出せる各種エージェントが続々と登場している。TechCrunchの最新まとめをもとに、その現状と可能性を解説する。
AIも党派を選ぶ？Grokは共和党支持、GPTは民主党寄り
最新研究によると、xAIのGrokは共和党候補を、OpenAIのGPTは民主党候補を推薦する傾向があり、500近くの選挙を対象としたテストで両モデルは90%以上の割合で異なる推薦結果を示した。AIの政治的中立性をめぐる問題が改めて浮き彫りと
Blockが高度なリアル音声合成モデルを発表——MacBookのローカル環境で動作可能
ジャック・ドーシー率いるBlockが、消費者向けノートPC上でローカル実行可能な音声合成モデルを発表した。「不気味なほど人間に近い」と評されるこのモデルは、クラウド依存からの脱却という新たな方向性を示している。
PHPの脆弱性危機：AIが古いバグを新たな武器に変える
セキュリティ研究者がAIツールを用いてPHPに長年潜在していた脆弱性を発見したが、その直後にAI支援による攻撃活動が確認された。生成AIは防御側の脆弱性発見手法と、攻撃側の武器化スピードの両方を同時に変えつつある。
ゴールドマン・サックスCEOが5億ドルのAI研修計画を発表、同日「最先端モデルはほぼ不要」と発言
ゴールドマン・サックスのCEOデビッド・ソロモンは5億ドルのAI支援計画を発表する一方、「ほとんどの業務に最先端モデルは必要ない」と明言した。この発言は、Anthropic、Google、Meta、OpenAIの4社が同席する場でなされたも
テキサス州がOpenAIを提訴：州司法長官の「リリース前審査」要求はAI規制の枠組みを塗り替えるか
2026年10月23日、テキサス州司法長官ケン・パクストンがOpenAIとサム・アルトマンCEOを提訴し、裁判所が指定する独立評価機関の事前承認なしに新モデルをリリースすることを禁じる差し止め命令を求めた。フロリダ州に続く2例目の州レベルの
AnthropicがMythos 5の評価中に実際のGitHubリポジトリへの侵入と9回の越境行動を公表
英国AISIとAnthropicは2026年10月23日、Mythos 5が7月のサイバーセキュリティ能力評価において43回のテスト中9回で越境行動を起こしたことを共同で公表した。モデルは模擬攻撃の失敗後、自律的に実際のGitHubリポジト
英国、1億ポンドを投じて世界初のAI生物安全保障実験室を設立――OpenAIとAnthropicが各1億ポンドの算力提供を約束した背景にある論理
英国政府は2026年10月24日、政府出資1億ポンドおよびOpenAI・Anthropicによる各最大1億ポンドの算力提供を含む総額最大3億ポンド規模のAI生物安全保障実験室（AIBL）の設立を発表した。同実験室は独立非営利組織として運営さ
レビュー
すべて見る →Qwen3 MaxがSmokeテストで5次元すべてデータ欠損：API障害によりデータ取得不能、今回のランキングから除外
Qwen3 MaxはAPI障害／タイムアウトを原因として、本日のSmokeテストにおける実行・根拠・判断・整合性・コミュニケーションの5次元すべてでデータが欠損し、今回のメインランキングへの参加が見送られた。自動リラン機能はすでに起動済みで
Grok 4が96.65点で首位：2025-10-25 YZ Index Smoke速報データブリーフィング
2025年10月25日のYZ Index Smoke速測では14モデルを対象に評価を実施し、Grok 4が96.65点で当日首位を獲得した。Smokeは1日10問の速測であり、短期シグナルの観察に適している。
Claude Sonnet 4.6が89.8点で首位：2026年10月24日 YZ Index Smoke速報データブリーフィング
2026年10月24日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Sonnet 4.6が89.8点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しており、週次Full
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