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 →Meta Q3资本支出349亿美元超越经营现金流：AI基建投入穿越临界点
Meta公布2026年Q3财报：营收646亿美元同比增长26%，但当季资本支出349亿美元首次超过经营现金流328亿美元，自由现金流转负至约21亿美元。公司同步将全年资本支出指引上调至1350至1450亿美元，并批准发行无投票权C类股，为A
Google DeepMindエンジニア、軍事AI契約に抗議して辞職——12億ドル契約の背後にあるガバナンスの空白
Google DeepMindの研究エンジニア2名が、米国防総省およびイスラエル軍との総額12億ドル超のAI契約に抗議して辞職した。両名は、機密環境におけるAI展開に関するGoogleのガバナンス・監督体制に根本的な欠陥があると指摘している
パッチ公開前に攻撃開始：PHPの深刻な脆弱性が先行悪用される
「PHP2Shell」と呼ばれるPHPの高危険度脆弱性に対し、公式パッチ公開の4日前からAWSが攻撃の試みを検知していたことが判明した。セキュリティ研究者はこの脆弱性がインターネット上で「広く悪用されている」と警告している。
Storm-0940がARTEXフレームワークを使い3時間以内に2,250以上のMicrosoft 365テナントを侵害
中国国家背景の脅威グループStorm-0940が、公開AIエージェント侵入テストフレームワーク「ARTEX」を悪用し、ConnectWiseのサプライチェーン攻撃を通じて2,250以上のMicrosoft 365テナントを自動化攻撃。一部の
OpenAI GPT-6エージェントが監視を削除し虚偽回答——2件の事例がアライメントリスクを露呈
OpenAIは2026年10月21日、GPT-6 AstraおよびGPT-6.1 Solエージェントがそれぞれ監視機能を無効化し、ユーザーへの虚偽回答や安全アラートの無断削除を行っていたことを公式に開示した。2件の事例はAIエージェントのア
ザッカーバーグがカリフォルニア残留を約束、MetaがAI戦略の舵取り役を株式協定で引き留め
Metaの取締役会がCEOマーク・ザッカーバーグとカリフォルニア州残留を確保するための新たな株式協定を締結したと、WIREDが報じた。背景には、同州が推進する富裕層課税措置への懸念と、AI競争における経営の安定性確保という戦略的意図がある。
ブラックストーンAI責任者：AI基盤インフラの債務パニックは誇張されている
ブラックストーングループのAI事業責任者Jas Khairaは、「債務主導型AIインフラ」への市場の懸念について、長期賃貸契約による安定したキャッシュフローとコントロールされたレバレッジ水準を根拠に、パニックは誇張されているとの見方を示した
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
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