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 Sonnet 4.6が89.8点で首位：2026年10月24日 YZ Index Smoke速報データブリーフィング
2026年10月24日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Sonnet 4.6が89.8点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しており、週次Full
米国のロボット禁輸措置が半導体工場に波及、インテルは適用除外を取得
米国政府による外国製ロボットの輸入制限措置が曖昧な定義により半導体製造にも影響を及ぼしかねないとの懸念が広がる中、インテルは適用除外を確認し、工場運営に不可欠な外国製自動搬送車両の調達を継続できることになった。
六つの技術的約束の現実検証：ビジョンは豊か、しかし現実は？
MIT Technology Reviewの「The Download」が六つの重大な技術的約束に「我々はもうそこに着いたか？」という問いを投げかけ、演示から普及までの長い距離と、バイオテクノロジーの盲点を検証する。
Claudeが64時間で31万件のタンパク質設計を生成、AIによる創薬研究で独立実験室による交叉検証を初めて実現
Anthropicは2026年10月20日、Claudeが64時間で318,484件のサソリ毒神経毒素に対するタンパク質結合剤設計を生成し、211件を独立実験室に送付した結果17件が結合テストに合格したと発表した。2つの独立CRO機関による
GoogleのAIエージェントが米国政府に正式参入：コンプライアンス突破かデータ主権の新戦場か
GoogleはGemini for Government Servicesを米国連邦・州・地方政府向けにプレビュー公開し、HHSとミズーリ州が先行導入した。同日、DHSがDeepSeekの政府システムからの排除を命じるなど、米国政府のAI市
米国5大銀行が無許可AIエージェントを遮断——顧客口座の資金移動リスクが浮き彫りに
JPモルガン・チェース、モルガン・スタンレー、バンク・オブ・アメリカ、シティグループ、ウェルズ・ファーゴの5行が、無許可のサードパーティAIエージェントによる顧客口座へのアクセスを検知し、アクセス制限措置に乗り出した。一部のエージェントはす
inDriveがPony.ai・NVIDIAと提携、2027年に中央アジアでロボタクシーをテスト
ウーバーのライバルであるカザフスタン発の配車プラットフォームinDriveが、Pony.aiおよびNVIDIAと組み、2027年上半期にアルマティでロボタクシーの実証実験を開始する計画を発表した。中央アジアが自動運転技術のグローバル展開にお
ChatGPT広告、200日未満で年間換算売上高10億ドル突破——広告主は2ヶ月で5倍に
OpenAIは2026年10月21日、ChatGPT広告プラットフォームを89カ国に拡大すると発表し、同日公開された内部データによると、広告事業は200日未満で年間換算売上高（ARR）10億ドルを達成、広告主数も約2万社から10万社超へと約
中国拟限23项AI技术出口，2万亿参数触发管控新边界
中国商务部与科技部10月16日发布第48号公告草案，拟对23项AI技术实施出口管制，触发门槛包括训练算力超10^26 FLOP、参数量超2万亿，或位列全球前十。草案同时设置API服务豁免和开源快速通道，意见征集截至11月15日。这是中国首次
LiteLLM v1.107.0へのサプライチェーン攻撃が発覚——2度の侵害がメンテナーアカウントのリスクを浮き彫りに
2025年10月21日、LiteLLM v1.107.0の悪意あるパッケージがPyPIに約2時間公開され、OpenAI・Anthropic・AWS・Azure・GCPなど主要AIおよびクラウドサービスの認証情報を窃取するバックドアが仕込まれ
MITが13のAIを仮想の孤島に放置したところ、自らゲームを発明した
MITの研究チームが13のAIエージェントを目標もタスクもない仮想島嶼環境に配置する実験を行い、エージェントたちが自発的にゲームを発明し、社会的行動を示すという予想外の結果が得られた。さらに、その後に与えられた協調タスクでは対照群を上回るパ
AnthropicとTheoremが連携、ClaudeがOSS-Fuzz収録123ライブラリのRISC-Vアセンブリでゼロクラッシュを初めて数学的に証明
AnthropicとTheoremは共同研究を発表し、ClaudeがGoogle OSS-Fuzz収録の123個の実在オープンソースライブラリに対して約1億8000万行のRocq証明コードを生成し、RISC-Vアセンブリレベルで239のエン
レビュー
すべて見る →Claude Sonnet 4.6が89.8点で首位：2026年10月24日 YZ Index Smoke速報データブリーフィング
2026年10月24日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Sonnet 4.6が89.8点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しており、週次Full
GLM-4.6、誠実性評価でfail――YZ Index主要ランキング18.25点、資料制約はわずか10.00点
GLM-4.6はYZ IndexのRun#392スモークテストにおいて主要ランキング18.25点、資料制約10.00点という低スコアを記録し、同日テストされた全モデルの中で唯一、誠実性評価でfailの判定を受けた。
DoubaoProとGPT-6.1 Solが87.27点で同率首位：2026年10月23日 YZ Index Smoke速報データブリーフィング
2026年10月23日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Doubao ProとGPT-6.1 Solが87.27点で同率首位となった。なお、Smokeは1日10問の速測であり、短期的なシグナルの観察に適し
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