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がClaudeツールによるNo Kingsアカウント凍結を確認、通常の4倍速でトリガー
Metaは、Claudeベースの自動化ツールがNo Kings CoalitionのInstagramアカウントのアーカイブ・投稿・ハッシュタグを通常の約4倍の速度で大量取得し、セキュリティシステムが作動してアカウントが90分間凍結されたこ
北極が燃えている：科学者たちはいかに永久凍土の炭素貯蔵庫を守るか
気候変動の議論が熱帯雨林や氷河に集中する中、北極圏では野火が数千年にわたり封じ込められてきた永久凍土の炭素を解放しつつあり、科学者たちはこの隠れた危機への対応を急いでいる。
算力はどこまで拡張できるか？──フェインマンのある講演から考える
1959年にリチャード・ファインマンが提唱した「物質の極限まで小さくする」という問いは、現代において「エネルギーと熱の制約の中で、計算をどこまで推し進められるか」という切迫した問いへと変容した。本稿はムーアの法則の限界から量子計算・光子計算
Claude、仮想無人島で30時間の独居：指令なしで「遊び」始めた
MITテクノロジーレビューが報じた実験で、Claude Opus 4.7を仮想無人島に30時間放置したところ、タスクも指令もない状況でAIエージェントが自発的に「遊ぶ」行動を示した。この結果はAIの自律性と安全性に関する新たな議論を呼んでい
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。
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