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 →AIが氾濫する時代に、Apple Musicはなぜ「人の手で作られた」ことを強調するのか
AI生成コンテンツが日常を席巻する中、Apple Musicは新しいブランドビジュアルシステムで「人の手で作られた」ことを核心的なメッセージとして打ち出した。この戦略は、AI過多の時代における信頼と真正性をめぐる新たな競争の始まりを告げるも
RecursiveがFlintを発表：ほぼAI自身がコードを書いたノートPC向けプログラミングモデル
スタートアップのRecursiveは、ノートPC上でローカル動作可能な軽量プログラミングモデル「Flint」を発表した。同社はその開発過程が「大部分においてAIによって行われた」と主張しており、「AIがAIを改善する」という新たな開発パラダ
Meta AIアプリ「Muse」のユーザー数が1000万人突破、ショッピングが最も人気のシーン
MetaはQ3決算説明会で、AIアプリ「Muse」のグローバルユーザー数が1000万人を超えたと発表した。ショッピングと個人生産性が主な利用シーンとなっており、消費者向けAI製品の商業化に向けた新たな道筋が示されている。
TechCrunch創業者サミット2026：11月4日ボストンでトップVCと直接対話
TechCrunchは2026年度の創業者サミットを11月4日にボストンで開催すると発表した。各ステージの起業家とトップVCや経験豊富な起業家を結びつけ、会社の構築とスケールアップに関する実践的な戦術的知見を提供する一日限りのオフラインイベ
Mistral Large 4発表：1.05兆パラメータのオープンソース巨人、欧州AIソブリンティの最強宣言
Mistral AIが総パラメータ数1.05兆、アクティブパラメータ52億のMistral Large 4パブリックベータプレビューを正式発表した。欧州独自のデータセンターで学習され、データ主権を前面に掲げた欧州最大規模のオープンソースモデ
OpenAIの3モデルがGoogle Cloudに登場——大規模モデルのアンバンドル時代が本格始動
OpenAIはGPT-6 Astra、GPT-6.1 Sol、GPT-6 Lunaの3モデルをGoogle CloudのModel Gardenに提供開始し、今年4月のAWS連携に続いて主要3大クラウドへの展開を完了した。この動きは、大規模
OpenAIの新モデルがGoogle Cloudに登場、マルチクラウド体制が形成へ
Google CloudがOpenAIの最新世代モデル（GPT 6.1 Astra、Sol、Luna）を数週間以内に提供開始する予定であることが明らかになった。これはOpenAIのフラッグシップモデルが主要競合他社のクラウドサービスカタログ
アマゾンはAIエージェントを排除、ウォルマートはAIショッピングの門戸を開放
ウォルマートがAIエージェントによる代理購入を支出上限・取引承認機能付きで導入する一方、アマゾンはAIエージェントによるサイト上の購買操作を阻止。両社の対照的な姿勢は、技術接入の問題ではなく、流量入口・ユーザー関係・取引データをめぐる主導権
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。
「これは演習ではない」：PHPの深刻な脆弱性が数百万のウェブサイトを脅かす
PHPファウンデーションが「重大」レベルと評価された2つの脆弱性を公表し、世界中の数百万のウェブサイトに影響を及ぼす可能性があるとして、セキュリティ研究者や企業の運用チームに緊急対応を求めている。攻撃者は管理者権限なしにこれらの脆弱性を悪用
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