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 →中国、AIの23項目技術を規制へ 2兆パラメータ超の大規模モデルの輸出制限、ただしAPIは適用除外
中国商務部と科学技術部は第48号公告を発表し、パラメータ数2兆超の大規模モデルの重みファイルの輸出制限を含むAI技術23項目を輸出管理目録に追加する方針を示した。ただし、オープンソースモデル・API経由のサービス・公開論文の技術は規制対象外
Hugging Face：組み込み型評価器はAI評価問題の万能薬ではない
Hugging Faceの最高政策責任者Irene Solaiman氏は、AI評価手法は「非常に複雑で、いまだ成熟途上にある」と指摘し、組み込み型AI評価器を評価問題の手軽な解決策とみなすことへの警鐘を鳴らした。評価は独立性・透明性・再現性
AnthropicとNscale、450億ドル規模の算力大型契約を再交渉か
TechCrunchの報道によれば、AI企業AnthropicとコンピューティングインフラプロバイダーのNscaleが、約450億ドル規模の第2回算力取引の交渉を進めているとされる。今年8月に同額の提携を発表したばかりであり、成立すれば両社
OpenAI元エンジニアのスパイ疑惑事件、FBIが「サウジ政府文書」フォルダを発見
FBIはサウジアラビア政府のためにスパイ活動を行ったとして起訴されたOpenAIの元エンジニアの電子機器から「Saudi Gov Docs（サウジ政府文書）」と名付けられたフォルダを発見した。本件はAI技術が地政学的競争の新たな主戦場となっ
マイクロソフト警告：AIエージェントが企業の「内部脅威」になりつつある
マイクロソフトは、企業ネットワークにおけるAIエージェントを「内部脅威」に例え、「最先端モデルは信頼できない」と明言した。AIが単なる対話から自律的なタスク実行へと進化する中、エージェントのガバナンス体制の構築が急務となっている。
Mistral、Timestralを発表：209Mパラメータで三大ベンチマーク全制覇、時系列AIに欧州勢が参入
Mistralは2026年10月15日、同社初の時系列基盤モデルファミリー「Timestral」を正式発表した。最大209Mパラメータながら、GIFT-Eval・TIME・fev-benchの三大主要公開ベンチマークで同時首位を獲得し、従来
CERNとMistral AIが協力意向書に署名：素粒子物理の全アルゴリズムパイプラインを単一モデルで代替へ
CERNとMistral AIは「大規模物理モデル（Large Physics Model）」の共同開発に向けた戦略的協力意向声明に署名した。これは衝突型加速器物理学向けに設計された世界初の事前学習済み基盤モデルを目指すものだが、現時点では
Tenstorrent、評価額62億ドルで15億ドルの資金調達——独立路線を堅持
AIチップスタートアップのTenstorrentが15億ドルの新規資金調達を完了し、企業評価額は62億ドルに達した。複数の買収打診を退け、RISC-Vベースのオープンアーキテクチャ戦略で独立運営の道を選んだ。
Replikaの創業者による新作Wabi：12年前のAIアシスタント構想がついに実現
Replikaの創業者Eugenia Kuydaが、12年前にTechCrunch Disruptで披露したパーソナルAIアシスタントの構想を、新スタートアップWabiとして遂に製品化し、全ユーザーに無料公開した。
AIコンパニオンアプリTolan、3000万ドルの資金調達を完了——アクティブユーザーは25万人超
AIコンパニオンアプリTolanが新たに3000万ドルの資金調達を完了した。同社は資金調達前の時点ですでに25万人以上のアクティブユーザーを獲得しており、AI感情コンパニオン市場における注目プレイヤーとして頭角を現している。
OpenCodeが不正侵入被害：APIキー流出、ユーザーアカウントで不正利用
オープンソースAIプログラミングエージェント「OpenCode」がサイバー攻撃を受け、一部ユーザーのAPIキーが窃取された。攻撃者はそのキーを悪用してAIサービスを利用し、被害ユーザーのアカウントに不正な費用を発生させた。
OpenAI元エンジニア、幹部監視疑惑で勾留継続を命じる判決
OpenAIの元サウジアラビア人エンジニア、アブドゥルラフマン・アルフォザンが幹部を監視したとして告発され、米連邦判事が保釈を認めず勾留継続を命じた。サウジ政府による身元保証は「白紙の小切手」に等しいとして退けられた。
レビュー
すべて見る →Qwen3 Max、Smoke評価で5次元すべて欠損――API障害により主要ランキングに記録なし
Qwen3 MaxはSoftware評価において実行・グラウンディング・判断・整合性・コミュニケーションの5次元すべてが欠損し、主要ランキングのスコアは「- → -（-）」となり、今回の順位付けに参加できなかった。API障害による自動再実行
GPT-6 Astra、コード実行スコアが25点急落——メインランキングで1日に11.3点下落
GPT-6 AstraのSmoke評価におけるメインランキングスコアが82.33点から71.01点に低下し、コード実行ディメンションは97.00点から72.00点へと25点の急落を記録した。他のディメンションに大きな変動はなく、メインランキ
GPT-o3が97.83点で首位：2026-10-20 YZ Index Smoke速報データブリーフィング
2026年10月20日のYZ Index Smoke速測では14モデルを対象に評価を実施し、GPT-o3が97.83点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナルの観察に適したもので、Full週間ランキングの結
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