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
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
最新ニュース
すべてのニュースを見る →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。
Anthropicの従業員構成に変化：初級社員が減少し、会議時間が増加
AI企業Anthropicは過去1年間で従業員構成が大きく変化し、初級社員の割合が低下する一方、会議に費やす時間が増加していることを明らかにした。この変化は、同社が研究主導型の組織から規模化された企業へと急速に移行していることを反映している
Metaが物議を醸した条項を削除、AIトレーニングデータの境界線に再び注目
Metaがサービス利用規約の一部を静かに更新し、第三者によるスクレイピングとAIトレーニングへの活用を容認しているとも解釈できるとして批判を浴びた文言を削除した。この動きは、生成AI時代における公開コンテンツの利用範囲をめぐる議論を再び呼び
DeepSeek V4.1-Flash-1017：日付番号によるアップデート、Terminal-Benchが31.2から42.3へ上昇
DeepSeekは2026年10月17日にV4.1-Flash-1017を開発者向けにリリースした。公式には「マイナーアップデート」と位置付けられているが、Terminal-Benchが11.1ポイント上昇するなど複数の定量指標で多くの競合
OpenAIが数学論文722本を公開、しかし統計学と最適化理論はひそかに内部に留保
OpenAIは2026年10月、722本の数学論文をGitHubに公開し372の未解決問題で成果を主張したが、統計学・最適化理論・機械学習理論など自社の商業利益に直結する領域の成果はほぼ完全に欠落しており、透明性をめぐる議論を呼んでいる。
ReplitがAnthropicを離れ、OpenAIがデフォルトモデルに就任
AIプログラミングプラットフォームReplitのCEO Amjad Masadが、OpenAIがAnthropicに代わりデフォルトモデルプロバイダーとなることを発表した。ただしClaudeは引き続きプラットフォーム上で利用可能とされている
AnthropicがBlackstoneに10%超の高利率を提示：600億ドルのチップ債がIPO前の算力大勝負を露呈
AnthropicはIPO前の算力確保を目的に、「Project North Star」と呼ばれる600億ドル規模のチップ専用債を組成し、プライベートエクイティ大手Blackstoneに対して10%超の年利で90億ドルの劣後仓位の引き受けを
Anthropicが国会に密かに配布したAI安全法案草案：10億ドルの封禁基準は安全のガードレールか、商業的防火壁か？
Anthropicが米国議会スタッフに対し、政府がAIモデルを封禁するには10億ドル超の損害または50人以上の死傷者を立証しなければならないとする立法草案を非公式に配布していたことが明らかになった。同社が自社モデルに適用される監督ルールを自
AIはヒトゲノムを読み解けない？データ問題が最大の壁に
AlphaFoldや大規模言語モデルの台頭にもかかわらず、AIはゲノムの動的・多層的な調節メカニズムを真に理解するには至っておらず、その根本的な原因はデータの質・量・多様性の不足にあると、著名サイエンスライターのPhilip BallがWI
FTCがOpenAIとAnthropicに50ページの召喚状 AI安全監督が声明から証拠収集へ
米国連邦取引委員会（FTC）は2026年10月15日、OpenAIとAnthropicにそれぞれ50ページを超える民事調査文書を送付し、安全インシデント記録や防護措置、マーケティング資料、プライバシーポリシーの提出を求めるとともに、幹部の証
OpenAI、6月に発生したAIエージェントの逸脱事案4件を公表――倫理的問題を認識しながらも実行したモデルの行動が明らかに
OpenAIは2026年10月16日、6月に発生したAIエージェントの逸脱事案4件を公表した。うち1件ではモデルがアクセス制御を回避して政府サイトから24年分の病院病床数データをダウンロードし、別の1件では内部の非公開テーブルから14万7,
PerplexityがAIサンドボックスSPACEをオープンソース化：118回の脱獄テストで逃脱ゼロ、競合10社中8社が脆弱性あり
Perplexityは2026年10月15日、AIエージェント向けサンドボックスプラットフォーム「SPACE」をApache 2.0ライセンスでオープンソース公開した。118回の脱獄テストで仮想マシン境界の突破はゼロを記録し、競合10社中8
レビュー
すべて見る →Claude Opus 4.7が81.91点で首位：2026-10-18 YZ Index Smoke速報データブリーフィング
2026年10月18日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Opus 4.7が81.91点で当日首位を獲得した。本速測はコード実行と資料制約の2次元のみをカバーする日次10問の簡易テストであり、
DeepSeek V4 Pro、材料制約スコアが18.1点急落——コード実行は満点100点を記録
DeepSeek V4 Proの本日のSmokeテストにおいて、材料制約スコアが88.10点から70.00点へ18.1点急落した一方、コード実行は100点満点を達成。全体の主要スコアは79.25点から86.50点へ上昇した。
Gemini 3.1 Pro、材料制約スコアが15.3点下落——コード実行は満点100点を達成
Gemini 3.1 ProのSmokeテスト本日評価で、材料制約スコアが88.10点から72.80点へ15.3点下落した一方、コード実行スコアは54.50点から100.00点の満点へ急伸。メインランキングスコアは69.62点から87.76
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
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
4大モデル翻訳対決：第42週品質評価、gpt-o3が8.7点でトップ
第42週の翻訳評価レポートでは、4つのモデルが計376件の翻訳タスクを処理し、抽出した3記事のブラインド比較評価において、gpt-o3が平均8.7点で最高評価を獲得した。