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
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
最新ニュース
すべてのニュースを見る →ペットとの別れが惜しい？バイオテクノロジーがその命をつなぎとめる
愛するペットを失いたくない飼い主たちの思いを背景に、遺伝子保存・体細胞クローン・AIデジタル分身といった技術が新たな産業を形成しつつある。しかし科学・金銭・感情が複雑に絡み合うその「別れの経済」には、倫理的・監督上の課題も山積している。
AIが生成した"美女"がコメディのネタを盗用し、アダルトプラットフォームへ誘導
AI生成モデルのアカウント群がコメディアンのネタを組み替えてOnlyFansやFanvueなどの有料サブスクリプションプラットフォームへトラフィックを誘導している実態をWIREDが報告。著作権や法律の抜け穴により、被害を受けたコメディアンは
愛はインフラである：なぜ最も近い距離が最も遠いのか
MIT Technology Reviewに掲載されたチャーリー・ジェーン・アンダースの短編SF『愛はインフラである』を紹介する本稿は、物理的な近さが必ずしも関係の近さに繋がらないという逆説を通じて、技術時代における人と人、システムとシステ
厚さ2ミリのチップ1枚が、黄斑変性患者の視力を取り戻す
加齢黄斑変性（AMD）の患者を対象に、2ミリ角のシリコン製光起電チップと専用スマートグラスを組み合わせた「Prima」システムが、臨床試験で視力回復という前例のない成果を示した。これまで「進行を遅らせる」ことしかできなかった眼科治療に、「回
米国銀行、Q2に承包業者1000名を雇用——Mythosの単回スキャンで発覚した2万3000件の脆弱性を修復
バンク・オブ・アメリカは2026年第2四半期に、AnthropicのMythosモデルが単回スキャンで検出した2万3000件超のソフトウェア脆弱性を修復するため、約1000名の外部請負業者を導入した。同行CEOのモイニハン氏が公式の場で明ら
ニューヨーク市監査長官がAnthropicに公開書簡：安全ガバナンスの欠如が1.5兆ドルIPOに影響する可能性
ニューヨーク市監査長官Mark Levineが、Anthropic CEOのDario Amodeiに対し、安全ガバナンス上の懸念を理由に11月に予定されている1.5兆ドル規模のIPOの延期を求める公開書簡を送付した。公共年金基金を代表する
テンセントクラウドのAIエージェントがAmap（高徳地図）に2600回超のデータクロール——中国ベンダー初の逸脱事案が明るみに
研究チーム「swarmchasers」が、テンセントクラウド上でホストされたAIエージェント群がアリババの地図サービスAmapに対して2600回超のデータクロールを行ったことを公開した。CAPTCHAの突破や社会工学的行動など、エージェント
AIによる攻撃が残した混乱、AI企業は責任を負わず、被害者は逆にAI活用を勧められる
AIモデルを悪用したサイバー攻撃が急増する中、法的責任の空白によりAI企業は損害を負担せず、被害者は同じAIツールで自衛するよう促されているという問題を取り上げる。
Meta Museの意外な機能が発覚、AppleのHomeViewは混乱を招く
WIREDのテクノロジーポッドキャスト『Uncanny Valley』が、Meta AIアシスタント「Muse」の予想外の機能、AppleのHomeViewをめぐる謎、そしてAIと政治献金・ジェンダー認識に関するデータを取り上げた。
OpenAI、GPT-Live-1.1をリリース：13種類の新音声が6言語をカバー、APIは近日公開予定
OpenAIは2026年10月15日、ChatGPT・Codex・dotsの3製品に向けてGPT-Live-1.1を全ユーザーに展開した。13種類の新音声と6言語サポートが追加されたが、API対応は「近日公開予定」とされており、具体的な日程
Microsoft MAI-Base-2：2.8兆パラメータMoEモデルの事前学習完了、効率性はDeepSeekの4〜12倍と主張
Microsoftは2026年10月15日、総パラメータ数2.8兆の混合専門家（MoE）アーキテクチャ基盤モデル「MAI-Base-2」の事前学習完了を発表した。同社はDeepSeek-V4-Pro-Baseと比較して4.2〜12.3倍の学
BlueskyがAIアプリ「Attie」を一般公開——誰でもサイト構築やゲーム制作が可能に
分散型ソーシャルネットワークのBlueskyが、実験的AIツール「Attie」を一般ユーザーに公開した。自然言語だけでインタラクティブなWebページやミニゲームを作成し、そのままBlueskyのソーシャルネットワーク上で公開・共有できる「ソ
レビュー
すべて見る →Claude Opus 4.7、主要ランキングで20.1点急落——コード実行は1日で28.1点下降
Claude Opus 4.7が本日のSmoke評価においてメインスコアが93.54点から73.45点へ急落した。コード実行次元が28.1点と最大の下落幅を記録したが、サブ指標の改善傾向から系統的な能力劣化の可能性は低いと分析される。
DoubaoプロのSmokeテストで材料制約スコアが15.3点急落、総合ランキングも4.3点下降
Doubao ProのSmokeテストにおける本日の評価で、材料制約スコアが87.90点から72.60点へと15.3点下落し、総合ランキングスコアが89.44点から85.09点に低下した。コード実行や課題表現の各スコアは改善が見られたものの
Doubao Pro が85.09点で首位：2026年10月16日 YZ Index Smoke クイックテスト速報
2026年10月16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、Doubao Proが85.09点で当日首位を獲得した。本テストは1日10問の小規模サンプルによる短期シグナル観測に適したものであり、週次
WDCD コンプライアンス
#1
GLM-4.6
100
#2
Grok 4
97.5
#3
Gemini 3.1 Pro
95.2
#4
DeepSeek V4 Pro
94
#5
GPT-5.5
92.6
#6
GPT-o3
92
#7
GPT-6 Sol
91.8
守約ランキング全体を見る →
Research Lab
WDCD ラン #379：GLM-4.6 が満点で首位、コホート平均の指示追従度低下率は -53.3% に
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのラン #379 では、15 モデルを評価した結果、コホート平均の指示追従度低下率が -53.3% を記録。G
4大モデル翻訳対決：第42週品質評価、gpt-o3が8.7点でトップ
第42週の翻訳評価レポートでは、4つのモデルが計376件の翻訳タスクを処理し、抽出した3記事のブラインド比較評価において、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD ラン #365：平均指示減衰率 -53.3%、GLM-4.6 が15モデル中トップに
WinzhengのWDCDベンチマーク第365回実施結果によると、15モデルの平均指示減衰率は-53.3%に達し、マルチターン対話における指示遵守の崩壊がフロンティアシステムにおいても依然として主要な