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 →DoorDash：AIエージェントによる注文はわずか数百件、それでも協力に前向き
米フードデリバリー大手DoorDashは、AIエージェントによるプラットフォーム上の注文が現在「数百件」にとどまると明かした。一方で同社は、サードパーティのエージェント開発者との連携に積極的な姿勢を示している。
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。
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
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
トランプ大統領、ロボット輸入を安全保障上の脅威と認定——追加関税も示唆
トランプ米大統領は、外国製の工場用ロボットを国家安全保障上の脅威と認定し、関連輸入品をめぐる交渉を指示するとともに、追加関税を課す可能性を示唆した。この動きは、製造業の国内回帰とグローバルサプライチェーンの再編を推進する最新の施策として注目
MetaがAIファッションアプリ「Style Sketch」をひっそりリリース
Metaがほぼ公式アナウンスなしにAIファッションアプリ「Style Sketch」をリリースした。Instagramと連携してユーザーの仮想クローゼットを構築し、コーディネート提案などのスマートサービスを提供する。
OpenAI系資本が153億ドルでADTを買収、AIが家庭向けセキュリティを再定義
OpenAIが出資する持株会社Thrive Holdingsが米国の警備大手ADTを153億ドルで買収し、AIを家庭向けセキュリティ事業に全面導入する計画を発表した。この取引は、AI資本が「物理世界への入口」に対して行った過去最大規模の投資
レビュー
すべて見る →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。
GPT-6 Luna、Smoke評価メインランキングで19.8点急落——コード実行スコアが100から75へ
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
Grok 4の材料制約スコアが17.4点急落、コード実行は7.9点上昇——Smoke評価メインランキングは3.5点低下
本日のSmoke評価において、Grok 4の材料制約スコアが75.00点から57.60点へと17.4点急落した一方、コード実行スコアは74.40点から82.30点へ上昇し、メインランキングの総合スコアは74.67点から71.19点へと3.5
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