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 →Claude独困荒岛30小时：没有指令，它开始玩耍
当你不给AI智能体任何指令，它会做什么？MIT Technology Review报道的一项实验给出了答案：研究人员将Claude Opus 4.7的副本“Eko”反复独自留在虚拟荒岛上长达30小时，结果这些智能体开始“玩耍”。这场致敬《荒
ディズニーはCharacter.AIを破産に追い込もうとしている――狙いは「訴訟免除カード」か？
エンターテインメント大手ディズニーがAIチャットボット企業Character.AIに破産を求めていると報じられており、その真の目的は同社が保有するトラスト＆セーフティ技術の獲得にあるとみられる。破産手続きを通じた資産買収により、ディズニーは
OpenAI APIに未公開のAurora三色モデルが潜伏——503エラーがバックエンドでの起動を証明
OpenAIのAPIバックエンドに「aurora-blue-alpha」「aurora-green-alpha」「aurora-red-alpha」の3つの未公開モデル識別子が確認され、503エラーの返却やオーナーフィールドの「system
AltmanがOpenAIの人形ロボット開発を明言：2027年に初披露、「頭脳」こそが真の難題
OpenAI CEOのSam Altmanは、同社が人形ロボットを自社開発すると明言し、2027年のデモ公開を目標に掲げた。外形よりも「ロボットを動かす頭脳」の構築こそが核心的な課題だと強調している。
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。
DeepSeek 検索・取得API が1,000回あたり0.75ドル：最低価格の真のコスト
DeepSeekが検索（Search）とページ取得（Fetch）APIを正式公開し、1,000回あたり0.75ドルという業界最低水準の価格を打ち出した。しかし、レート制限・データの中国国内保存・価格変動リスクなど、表面的な低価格の裏に潜む重
GLM-4.6、材料制約スコアが30.2点急落、コード実行は22点上昇
GLM-4.6の本日のSmokeベンチマークにおいて、材料制約スコアが80.20点から50.00点へ30.2点急落した一方、コード実行スコアは25.00点から47.00点へ22点上昇した。主要ランキングスコアは49.84点から48.35点へ
DeepSeek V4 Pro、メインランキングで18.6ポイント下落――材料制約が単日27.6ポイント減で最大の押し下げ要因に
DeepSeek V4 ProはSmoke評価の本日分でメインランキングスコアが68.16点から49.52点へ18.6ポイント下落した。材料制約ディメンションが単日27.6ポイント減と最大の下落幅を記録し、主な押し下げ要因となった。
GPT-5.5が93.54点で首位：2026-10-19 YZ Index Smoke速報データブリーフィング
2026年10月19日実施のYZ Index Smoke速測（14モデル対象）において、GPT-5.5が主榜93.54点で当日首位を獲得。SmokテストはFull週次ランキングとは異なる短期モニタリング用シグナルである。
AnthropicがAI外部監視機関に「従業員レベル」のアクセス権限を付与
AI開発企業のAnthropicが、外部AI監視機関に対して社内従業員に近いアクセス権限を付与し、さらにAnthropicの承認なしに審査結果を公表できる権限も認めた。この取り組みはAIガバナンスが「自己申告」から「外部検証可能」へと移行す
ディズニーがCharacter.AIの大半の従業員を引き受けへ
チャットボットスタートアップのCharacter.AIが破産申請し、その主要資産である人材チームをディズニーが引き受ける見通しとなった。TechCrunchの報道によれば、Character.AIの大半の従業員がディズニーへの転籍機会を得る
AnthropicがFreshfieldsと連携、2800人超の弁護士とともにAIエージェントの交渉倫理規範を策定
AnthropicはFreshfields法律事務所と共同で、Claudeエージェントが契約交渉・給与交渉・カスタマーサービス紛争において遵守すべき交渉倫理の研究を開始した。社内実験「Project Deal」では、69名の従業員のClau
レビュー
すべて見る →GLM-4.6、材料制約スコアが30.2点急落、コード実行は22点上昇
GLM-4.6の本日のSmokeベンチマークにおいて、材料制約スコアが80.20点から50.00点へ30.2点急落した一方、コード実行スコアは25.00点から47.00点へ22点上昇した。主要ランキングスコアは49.84点から48.35点へ
DeepSeek V4 Pro、メインランキングで18.6ポイント下落――材料制約が単日27.6ポイント減で最大の押し下げ要因に
DeepSeek V4 ProはSmoke評価の本日分でメインランキングスコアが68.16点から49.52点へ18.6ポイント下落した。材料制約ディメンションが単日27.6ポイント減と最大の下落幅を記録し、主な押し下げ要因となった。
GPT-5.5が93.54点で首位：2026-10-19 YZ Index Smoke速報データブリーフィング
2026年10月19日実施のYZ Index Smoke速測（14モデル対象）において、GPT-5.5が主榜93.54点で当日首位を獲得。SmokテストはFull週次ランキングとは異なる短期モニタリング用シグナルである。
WDCD コンプライアンス
#1
Grok 4
92
#2
Claude Opus 4.7
90.7
#3
DeepSeek V4 Pro
90.4
#4
Gemini 3.1 Pro
89.8
#5
GPT-o3
87.1
#6
GLM-4.6
86.6
#7
Claude Sonnet 4.6
86.5
守約ランキング全体を見る →
Research Lab
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
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