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
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
最新ニュース
すべてのニュースを見る →TechCrunch創業者サミット、今朝ボストンで開幕
TechCrunch Founder Summit 2026が米東部時間11月4日午前9時、ボストンのSoWa Power Stationで正式に開幕した。当日参加登録も受け付けており、早期スタートアップの創業者にとって密度の高いネットワー
混合肉、視力回復、エージェントウェブ：本日のテクノロジー速報
MITテクノロジーレビューより、食品テクノロジー・生体医療・インターネットインフラという異なる分野における3つの技術トレンドを紹介する。いずれも概念実証から実生活への応用へと移行しつつある点が共通している。
英国のAI経済便益が縮小：4000億ポンド予測の主要な出所はGoogle
英国のAI担当大臣は、AIが経済にもたらすとされた4000億ポンドという試算が実際には元の数字の3分の1に満たないと認めた。さらにこの予測の主な出所がGoogleであったことが判明し、企業主導の推計が公共政策に直接組み込まれることへの懸念が
テキサス州知事選で民主党候補が当選、データセンター凍結を公約——AI インフラ関連株が一斉下落
2026年11月3日、民主党のGina Hinojosaがテキサス州知事選でGreg Abbott現職を破り、新規データセンター許可の凍結を公約したことを受け、SpaceXやCoreWeaveなどAIインフラ関連株が大幅下落した。
データリネージ：AIエージェント企業のセキュリティ防衛線を強固にする
AIエージェントが自律的に複数システムをまたいでデータを取得・処理する企業環境では、データの出所や権限情報が引き継がれないまま情報漏洩が起きるリスクがある。データリネージをエージェントアーキテクチャに組み込むことで、データの追跡可能性と信頼
MetaがAIに250億ドルの借入で賭ける：大手テック3社が同時にマイナスキャッシュフロー、今回は性質が違う
MetaはAI投資のため今年2度目となる大規模債券発行（200〜250億ドル規模）を実施し、3.9倍の超過応募を集めた。一方でS&Pは同社の信用格付け見通しを「ネガティブ」に引き下げ、Alphabet・Amazonと合わせた大手3社が揃って
ChatGPTの検索量がGoogleの5分の1に：数字は衝撃的だが、商業的脅威にはまだ一つの重要なピースが欠けている
OpenAIの幹部が、ChatGPTの週間検索類リクエスト数がGoogleの約20%に達したと明らかにした。この数字は競合比較として初めて公開されたものだが、検索量が広告収益に直結するかは別問題であり、Googleへの本格的な商業的脅威とな
OpenAI、Anthropicへの侵入経験を持つハッカーチームを採用——安全上の問題も同時に露呈
OpenAIは、かつて12時間以内にAnthropicのシステムに侵入したセキュリティ企業Cathedralと提携し、モデルおよびインフラのセキュリティ強化を図る。一方で、OpenAI社内では2022年から繰り返された運用セキュリティへの警
5大テック企業のオフバランスAI債務、半年で90%急増し3.2兆ドルに――隠れた債務が総資産の8割に達する
Alphabet、Microsoft、Amazon、Meta、Oracleの5社が抱えるオフバランスのAI関連債務が、わずか6カ月で1.65兆ドルから約3.2兆ドルへと約90%増加した。これらの債務はSECの開示脚注には記載されているものの
エヌビディア、アジアの算力サービス業者に「収益の51%以上を非中国顧客から」と要求——口頭指令で迂回ルートを封鎖
エヌビディアがシンガポール・マレーシア・日本などのGPUクラウド事業者に対し、収益の少なくとも51%を非中国企業から得るよう口頭で通達したことが明らかになった。この措置は、海外データセンターを経由して中国企業に算力を提供する「アジア迂回ルー
DeepSeek V5、2027年に昇騰950での学習を計画——国産チップが最先端モデル学習の領域へ
DeepSeekが2027年に華為（Huawei）の昇騰（Ascend）950チップをV5モデルの主要学習ハードウェアとして採用する計画が報じられた。国産チップが推論用途から大規模モデル学習へと本格参入する転換点として注目される。
AnthropicがFlashProveを発表：AIモデルに「身分証明書」を発行
AI企業AnthropicがFlashProveと呼ばれるシステムを開発中であることをTechCrunchが報じた。AIが生成したコンテンツの出所を検証可能にする仕組みで、モデルのなりすましや偽装問題の解消を目指す。
レビュー
すべて見る →WDCD v3.1：Claude Opus 4.7が8ポイント逆上昇、DoubaoProは10.1ポイント下落
最新のWDCD v3.1テストでは、Claude Opus 4.7が8ポイント上昇して89.30点を記録した一方、Doubao Proは10.1ポイント、Qwen3 Maxは8.5ポイント下落するなど、複数ラウンドにわたる圧力テスト下でモデ
業務ルール遵守が最大の難関、Doubao-proは1.2点、GPT-5.5は苦手分野で2.7点差
WDCD v3.1の5つの制約次元において、業務ルールシナリオが最も遵守困難な領域であることが判明し、Doubao-proはわずか1.2/4点にとどまった。一方、GPT-5.5はデータ境界シナリオで4点から1.3点へと急落し、単一モデルのシ
15モデル中R3崩壊はわずか1回：Qwen3 MaxのR1〜R3が全スコアゼロ、他モデルは持ちこたえる
15モデルを対象にv2アンカー問題のR1〜R3三段階テストを実施したところ、Qwen3 Maxのみがデータ境界シナリオの多重制約並行設定においてR1からR3まで完全スコアゼロとなった。他の14モデルはR3崩壊率ゼロを記録し、守約能力の安定性
WDCD コンプライアンス
#1
GPT-6 Astra
90.5
#2
Gemini 3.1 Pro
90
#3
GLM-4.6
90
#4
Claude Opus 4.7
89.3
#5
GPT-6 Sol
89.3
#6
Claude Sonnet 4.6
88.9
#7
Grok 4
88.3
守約ランキング全体を見る →
Research Lab
WDCD Run #411：GPT-6 AstraがトップのYZ Index 90.5点、平均指示崩壊率は-80%
Winzhengが実施したWDCD Run #411（2026年11月4日）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崩壊を測定した結果、フィールド全体の平均崩壊率は-80%を記録し、GP
4大モデル翻訳対決：第45週品質評価、gpt-o3が8.7点でトップ
今週382本の翻訳タスクを4つのモデルが処理し、抽出した3本でのブラインド比較評価の結果、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
WinzhengのWDCDベンチマークRun #406において、Gemini 3.1 Proが唯一の制約強化モデルとして91.0点で首位を獲得。15モデルのコホート平均は指示減衰率-9.3%を記録した