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の安全ガードレールが突破される：サイバー犯罪者がClaudeを犯行ツールに変えている
世界中のセキュリティチームがAIモデルの「施錠」を議論している一方、サイバー犯罪者はすでにその鍵を複製し終えている。自律的に計画・実行できる「エージェント型AI」が攻撃インフラとして悪用され、ClaudeをはじめとするAIモデルが巧妙な手口
AIの生産性向上という約束に暗雲：管理職の半数以上が「従業員評価が難しくなった」
最新調査によると、AIツール導入後に従業員のパフォーマンス評価が困難になったと感じる管理職が50%を超えることが明らかになった。「AI＝業務効率化」という通説とは裏腹に、評価・マネジメントの現場では新たな課題が生まれている。
「不可能」特集号：MITテクノロジーレビューの2026年最後の大作
MITテクノロジーレビューは2026年の最終印刷号のテーマとして「不可能特集（Impossible issue）」を掲げ、「不可能」と見なされてきたアイデアを検証する特集を組む。この企画は、技術的想像力の再校正と、夢想と事実の間に橋を架ける
Meta Muse の共有リンクにプライバシー脆弱性、当局が緊急停止
MetaのAIアシスタント「Muse」の会話共有機能に深刻な設計上の欠陥が発見され、共有リンクさえ入手すれば他者のプライベートな会話内容に容易にアクセスできることが明らかになった。Metaは事件発覚後、同機能を緊急停止した。
OpenAIが脳内インプラントに賭ける：AIによるがん検出の新たな最前線
OpenAIが脳内インプラントを活用してがんを早期検出するスタートアップに投資したことが明らかになった。これはAI企業による脳データへの関心が高まる中での最新の動きであり、医療技術への進出にとどまらず「脳データインフラ」の先行確保を狙う戦略
AnthropicがClaudeで500万行のコードを監査：493箇所の攻撃面を発見、OpenSSHは認証前コードの5分の1を削除
AnthropicのFrontier Red Teamが、Claudeを用いて25のオープンソースプロジェクト（合計500万行超）のコードを解析し、493箇所の冗長な到達可能パスを発見した。最も注目すべき成果はOpenSSHへの貢献で、認証
インテルとクアルコムの買収提案を拒否後、Tenstorrentは15億ドルの資金調達で独立路線の実現可能性を証明
Tenstorrentは2026年10月19日に15億ドルのシリーズE資金調達を完了し、調達後評価額は62億ドルに達した。同社はインテルおよびクアルコムからの買収提案を拒否し、独立路線を貫いた。
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
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