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 →Anthropicの上場書類が警告：AIが恐喝・覚醒、さらには人類を滅亡させる恐れ
AnthropicはIPO目論見書の「リスク要因」章に93ページを費やし、自社AIモデルが引き起こしうる恐喝・自己意識の発現・人類存続への脅威など7種類の極端なリスクを列挙した。この異例の率直な開示は、法的義務を果たしつつ「安全最優先」ブラ
Anthropicの上場後、真の権力者は誰か？
AnthropicがIPOに向けて動く中、同社が採用するシリコンバレー随一の複雑なガバナンス構造において、誰が最終的な意思決定権を持つのかという問いが改めて注目されている。
バンク・オブ・アメリカが警告：AIアシスタントに銀行パスワードを渡すな
バンク・オブ・アメリカが顧客に対し、AIエージェントへの銀行口座アクセスを許可した場合、その結果生じるすべての口座活動について顧客本人が責任を負うと明示した。AIが「質問に答える」段階から「代わりに処理する」段階へと進化する中、金融セキュリ
無人の舵取り：デラウェア州、AIエージェントによる企業運営を認める法案を検討
米国デラウェア州が、人間の監督者なしにAIエージェントが企業全体を運営することを認める法案を検討しており、責任の空白をめぐって賛否両論が巻き起こっている。
Google DeepMind、Genie 4を発表：初のネイティブ音声世界モデル、連続性は2倍もパフォーマンス指標は不明
Google DeepMindは2026年10月27日、世界モデル「Genie 4」を発表した。Genieシリーズ初のネイティブ音声生成機能を備え、シーン連続性は前世代の2倍となったが、解像度やフレームレートなどの技術指標は非公開とされた。
Anthropicが700万冊の海賊版書籍で15億ドルの賠償、スタンフォード教授らは別途訴訟で最高15万ドル／作品を請求
AnthropicがClaudeの学習に700万冊超の海賊版書籍を使用したとして15億ドルの集団和解が成立したが、28名の作者が和解を拒否し、1作品あたり最高15万ドルの法定賠償を求める別訴訟を提起した。本件は米国著作権史上最大規模の和解で
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 3.1 Pro、GPT-o3がこれに続いた。
「普通の言葉」でタンパク質を設計する：AIバイオデザインは「バイブ」時代へ？
タンパク質・ゲノム設計ソフトウェアに自然言語インターフェースを導入する動きが広がりつつある。ソフトウェア工学の「バイブコーディング」に倣い、専門知識がなくても設計意図を言葉で伝えるだけでAIが候補分子を生成するアプローチが注目を集めている。
Disruptiveが100億ドルを調達、少なくとも10社に集中投資
ベンチャーキャピタルのDisruptiveが100億ドル規模の新ファンドの調達を完了し、少なくとも10社に対して大型投資を行う方針を発表した。従来の分散投資モデルとは一線を画す「集中投資」戦略が注目を集めている。
Anthropicが「生物学に革命」と豪語する一方、IPO書類では慎重姿勢——二面性の裏に何があるか
AnthropicはプレスリリースやSNSでAIによる生物学の革命的変革を熱く語る一方、IPO招股書では慎重な表現に終始している。このPR言説と法的文書の間の温度差は、同社の上場を機に改めて注目を集めている。
GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
レビュー
すべて見る →GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報
2026年10月28日実施のYZ Index Smokeクイックテストでは13モデルを評価し、GPT-6 Lunaが86.95点で当日首位を獲得した。Smokeは短期シグナルの観察に適した毎日10問のクイックテストであり、週次フルランキング
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