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 →SpotifyはAIエージェントに賭ける：音楽サービスをエージェントの第一選択肢へ
生成AIがチャットウィンドウからユーザーの代わりにタスクを実行するエージェントへと進化する中、SpotifyはAIエージェント時代において「エージェントが音楽を必要とする際に最初に選ばれるサービス」になることを目指している。
ハッカーが4日先行：PHP2Shell脆弱性をめぐる攻防のタイムラグ
「PHP2Shell」と呼ばれる高危険度の脆弱性が、防御側への正式な警告が発出される4日前からすでに攻撃者によって探索されていたことが明らかになった。この事件は、脆弱性の「公開時点」と「リスクの開始時点」が一致しないという構造的問題を浮き彫
Uberが全従業員3万人にChatGPT Workを導入
配車大手Uberが、ChatGPT Workを全社約3万人の従業員に展開すると発表した。小規模な試験導入を経て全社展開に踏み切ったこの決定は、企業向けAI活用が「部門試験」から「全社標準装備」へと移行する転換点として注目されている。
只听见你的AI吊坠：Nirva融资3300万美元
AI硬件初创公司Nirva完成3300万美元融资，核心产品是一枚售价249美元的环境式AI吊坠。与市面上试图记录一切声音的设备不同，它被设计为只倾听佩戴者本人，并计划在今年年底前发货。在Humane、Rabbit等先行者接连受挫的赛道上，这
計算の次なる跳躍：フェインマンのナノ予言と永久凍土の気候警告
1959年にリチャード・フェインマンが予言した原子スケールの計算の可能性と、急速に進む永久凍土の融解という二つの潮流は、2026年において同一の時間軸を共有する問題として交差する。計算能力の指数的成長と気候システムの非線形変化は、一枚のコイ
Claude Duet発表：Anthropicがエージェント領域に本格参入
Anthropicは10月22日、新アプリ「Claude Duet」を正式発表し、ProおよびMaxサブスクリプションユーザーを対象にウェイティングリスト形式で提供を開始した。「安全性」で知られる同社がAIエージェント分野への本格的な賭けに
このキノコロボットは何もできないのに、あなたの家に住みたがっている
「Mori」と名付けられたキノコ型ロボットは、実用的な機能をほぼ持たず、愛らしい外見とカメラを搭載したインテリア風デザインで家庭への参入を狙う新発想のロボットだ。機能より「心理的受容」を優先するそのアプローチは、ロボット業界に新たな問いを投
DeepSeek、150億ドル調達との報道——米禁令後も逆風下で拡張か
中国AIスタートアップのDeepSeekが約150億ドルの資金調達を完了したと報じられ、中国最大規模の調達ラウンドの一つとなる可能性がある。米国が国家安全保障を理由に連邦機関へのDeepSeek技術の削除を命じたわずか数日後の報道であり、商
永久凍土について知っておくべき3つのこと
気候変動において見過ごされがちな「永久凍土」について、MIT Technology Reviewの報道をもとに、そのカーボン貯蔵量、急速な融解、そして北極圏を超えた広範な影響という3つの重要な事実を解説する。
コンテキスト対応AI：企業導入の成否を左右する鍵
企業向けAIの真の競争力は、モデルの性能よりも業務コンテキストの理解度にある。ビジネス上の制約・ルール・組織関係という三層のコンテキストを統合して初めて、AIは実証実験から日常運用へと移行できる。
Hugging Faceの新モデル：DNAと「対話」できるAIが登場
オープンソースAIコミュニティのHugging Faceが、DNA配列を解析し遺伝子活性への影響を予測できるAIモデルを公開した。ゲノム基礎モデルが専門研究機関の専有ツールから公共の研究インフラへと移行しつつある動きを象徴する出来事として注
MetaのQ3設備投資349億ドルが営業キャッシュフローを超過：AIインフラ投資が臨界点を突破
Metaが発表した2026年第3四半期決算では、売上高646億ドル（前年同期比26%増）を計上した一方、設備投資349億ドルが営業キャッシュフロー328億ドルを初めて上回り、フリーキャッシュフローが約21億ドルのマイナスに転じた。同社は通年
レビュー
すべて見る →Claude Sonnet 4.6、Smoke評価でメインスコアが16.9点急落——材料制約が1日で30点下落
Claude Sonnet 4.6は本日のSmoke評価においてメインスコアが80.99点から64.13点へと16.9点下落した。主な要因は材料制約ディメンションが88.30点から58.30点へと急落したことにある。
Gemini 3.1 Pro、材料制約スコアが16.7点急落——コード実行は27点上昇
Gemini 3.1 ProがSmoke評価の本日テストで、総合スコアは83.50点から90.84点へ上昇した一方、材料制約ディメンションは100.00点から83.30点へ16.7点急落し、コード実行ディメンションは70.00点から97.0
GPT-5.5が96.1点で首位：2026-10-22 YZ Index Smoke速報データブリーフィング
2026年10月22日実施のYZ Index Smoke速測では14モデルを対象に評価が行われ、GPT-5.5が96.1点で当日首位を獲得した。本レポートはコード実行と資料制約の2次元のみを対象とした小サンプルの単日シグナルである。
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