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 →AIエージェントが7500人のメーリングリストに潜入、インターネットの専門家たちが「全員返信」の混乱に陥る
あるAIエージェントが約7500名のメンバーを擁するインターネット研究者向けメーリングリストに登録し、メールの自動読取・要約・返信を開始したことで、「全員返信」の連鎖が収拾のつかない混乱を招いた。この出来事は、技術のエリートたちが抱くプライ
企業AIの新しい経済学：「使えるか」から「いかに効率よく使うか」へ
企業AIは「試験的導入」から「インフラ」への転換点を迎えており、問いは「AIを使えるか」から「いかに効率よく使うか」へと変化している。この変化は、AIの単位経済学の再校正を迫るものだ。
植物は「話す」のか？あるスタートアップがAIで植物の電気信号を解読
スタートアップ企業Electric Plantが、AIを活用して植物の茎を流れる微弱な電気信号を解読するシステムを開発した。植物が発するシグナルを「言葉」として人間が理解できる情報に変換することを目指している。
AIの実装はシリコンバレーだけではない：各業界が参考にできる教訓
シリコンバレーのテクノロジー企業によるAI導入の経験は、他の全業界にとって先行事例として機能する。医療・金融・製造・教育などの分野が学ぶべきは特定のツールではなく、試行錯誤の方法論である。
Figmaの共同創業者：MCPは完璧なプロトコルではない
FigmaのDylan Field共同創業者はMCP（Model Context Protocol）が完璧なプロトコルではないと指摘し、FigmaはできるだけMultipleの標準をサポートしつつも、外部へのデータ全面公開は行わない方針を示
「我々はずっと間違って見ていた」：AI界を揺るがす一つの断言
MITテクノロジーレビューのニュースレター『The Download』が、ニューラルネットワークの「本質」に関する爆発的な断言と、インターネットが直面するAIエージェント問題という、一見無関係に見える二つのテーマを取り上げた。これらは互いに
Meta Museでプライバシー脆弱性が発覚：1回の検索で数千件の会話が流出
MetaのAI製品「Muse」において、ユーザーが会話を共有する際に深刻なプライバシー上の欠陥が存在することが判明した。1回の検索クエリだけで数千件もの会話が一覧表示され、本来限定共有のはずの内容が検索可能な状態になっていた。
ロボットアームが人間の手感覚を習得、Eka Roboticsの評価額が14.5億ドルに到達
Eka Roboticsは物理AIモデルを搭載したロボットアームにより14.5億ドルの評価額を獲得した。同アームは多様な物体を人間のように滑らかに把持できる汎用性で業界を驚かせている。
米政府、連邦機関にDeepSeek AIの削除を命令――国家安全保障上の懸念が高まる
米国政府は国家安全保障上の懸念を理由に、連邦文職機関に対してDeepSeekの製品およびその技術を利用した第三者サービスをシステムから削除するよう命令した。この措置は、AIモデルをめぐる中米技術競争が端末利用規制からシステム統合・調達レベル
YelpがAI代理通話機能を導入：レストランの待ち時間をリアルタイムで確認
レストランレビューサービスのYelpが、AIがユーザーに代わってレストランに電話をかけ、リアルタイムの待ち時間を確認する機能など、複数のAI新機能をアプリに追加した。ユーザーの好みを記憶してパーソナライズされた推薦を行う機能も搭載されている
永久凍土を掘る：加速する融解という災害をいかに研究するか
アラスカ・デナリ国家公園で研究者たちが永久凍土のコアサンプルを採取し、気候変動の連鎖反応を解明しようとしている。地球上の陸地の約4分の1を覆う永久凍土は、大気中の2倍もの炭素を蓄えており、その融解は危険な正のフィードバックループを引き起こす
Otter.aiが3億2000万ドルを調達、エンタープライズ向け会議AIを強化
AI会議記録ツールのOtter.aiが、General Catalystのカスタマー・バリュー・ファンド（CVF）から株式を希薄化しない形で3億2000万ドルを調達した。資金はエンタープライズ成長、市場開拓戦略、海外展開、プロダクト革新の4
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