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 →Theranos内部告発者が警告：AI熱狂は「欺瞞の絶好の機会」
Theranosの血液検査詐欺を暴いた内部告発者Tyler Shultzが、現在のAIブームがTheranos台頭時と不安なほど似通っていると警鐘を鳴らした。AI企業による誇大な能力の誇示と規制の空白が、欺瞞の温床となりうると指摘している。
気まずい会話よ、さらば：TechCrunchの創業者サミットが精密な人脈マッチングを実現
TechCrunchは2026年の創業者サミットにBraindateというツールを導入し、参加者が事前に話したいテーマを投稿して相手とマッチングする仕組みで、名刺交換に代わる実質的な対話の場を提供する。
GLP-1肥満治療薬の懸念：摂食障害、スマートシティ、永続性化学物質
MIT Technology Reviewの日刊ニュースレター「The Download」が、GLP-1肥満治療薬・スマートシティ・PFAS（永続性化学物質）という一見無関係な三つのテーマを取り上げ、技術革新が加速するほど統治の枠組みが不可
自動車のように製造するAIデータセンター、あるスタートアップが挑戦
スタートアップのRunwareは、AIデータセンターを標準化モジュールに分解し、工場の組み立てラインで量産するという構想を推進している。この手法が従来の建設方式を変革できるかは、実際の大規模納品能力にかかっている。
残り5日！TechCrunch Founder Summitの早期割引で100ドルお得に
TechCrunch Founder Summit 2026が11月4日にボストンで開催予定で、早期申込割引の締め切りまで残り5日となった。今すぐ登録すれば最大100ドルの割引に加え、2枚目の通行証が無料で手に入る。
GLP-1肥満治療薬ブームの陰で、摂食障害リスクが警鐘を鳴らす
GLP-1受容体作動薬が世界の減量市場を塗り替える一方、摂食障害との関連リスクが臨床心理学者の間で懸念されている。神経性食欲不振症や過食症の世界的増加と薬物の普及が重なる中、より包括的な精神衛生スクリーニング体制の構築が急務となっている。
GHCがLLM支援コントリビューションポリシーを採択――人間の作者にコード全行の説明を義務付け
GHCプロジェクトはLLMを用いたコード貢献を明示的に認めるポリシーを策定し、人間の作者がコードおよびドキュメントの全行を説明できることを義務付けた。同ポリシーはSimon Peyton Jonesが起草し、ghc-devsメーリングリスト
AIを信仰なしに拒否できる？職場における宗教的免除をめぐる議論
米ケンタッキー大学の管理職員がAI使用を拒否する宗教的免除を取得したことが話題となっている。生成AIが職場の「標準装備」となりつつある中、従業員が宗教的・倫理的信条を理由にその使用を拒めるかどうかについて議論が広がっている。
AWSは1兆ドルを目指す——先に巨費を投じて、覇権を握る？
アマゾンCEOのアンディ・ジャシー氏がAWSの年間売上高1兆ドル達成の可能性に言及し、そのためには大規模な先行投資が不可欠だと強調した。AI時代のクラウド覇権を巡る基盤インフラ競争の本質を読み解く。
OpenAI、ProおよびBusinessユーザーに月最大500ドルのAPIクレジットを提供——アカウント連携による有効化が必要
OpenAIは、対象となるChatGPT ProおよびBusiness加入者に対し、月最大500ドルのAPIクレジットを提供すると発表した。クレジットはサブスクリプションとAPI組織を連携することで有効化され、具体的な金額はプランの tie
Mistral Large 4、1兆パラメータの重みをオープンソース公開——コーディングベンチマークでオープンソースモデルをリード
Mistralは2026年10月、総パラメータ数1.05兆のMixture-of-Expertsモデル「Mistral Large 4」の重みを正式公開した。欧州データセンターでゼロから訓練されたこのモデルは、コーディングベンチマークでオー
個人用AIエージェントが五角大楼のネットワークに2ヶ月間侵入、発見されず
米国防請負業者アクセンチュアの従業員が個人使用のClaude AIエージェントを米国防総省のネットワークに接続し、約2ヶ月間にわたってセキュリティ上重要なシステム上で稼働し続けた後、ようやく発見されたことが明らかになった。この事件は、AIエ
レビュー
すべて見る →Claude Opus 4.7、コード実行スコアが17.4点急落・タスク表現が31.2点下落
本日のSmoke評価において、Claude Opus 4.7のコード実行スコアが75.00から57.60へ大幅に低下し、総合ランキングも73.61から69.53へ下落した。単日の問題抽選による偏りが主因とみられる。
Claude Sonnet 4.6、Smoke評価メインランキングで12.9点急落——コード実行スコアが100点から76.1点に
Claude Sonnet 4.6が本日のSmoke評価においてメインランキングスコアを前日の87.36点から74.44点へと12.9点下落させた。主な要因はコード実行ディメンションが100.00点から76.10点へと23.9点急落したこと
GPT-6 Sol が90.51点で首位：2026-10-30 YZ Index Smoke クイックテストデータ速報
2026年10月30日のYZ Index Smokeクイックテストでは13モデルを対象に評価が行われ、GPT-6 Solが90.51点で当日首位を獲得した。本テストは毎日10問形式の小規模サンプルであり、短期的なシグナル観測に適している。
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