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 →マイクロソフトAIが難症例で医師を上回る——医療超級知能の実現はどこまで近づいたか
マイクロソフトのAI部門責任者がAI診断システムの優位性を強調するなか、『Science』誌に掲載された研究は、性能向上の大部分が医療システム自体ではなく基盤モデルに由来することを示唆しており、医療AIの評価軸と実臨床への適用可能性について
スケーラブルAIの礎石：データ、ガバナンス、プラットフォームの協調
生成AIが実運用段階に移行する中、企業が直面する本質的な課題は「モデルの呼び出し可否」から「複雑な組織内でAIを安定的・コンプライアンス準拠・持続可能に運用できるか」へと変化している。MIT Technology Review EmTech
OpenAIが意思決定モデルを公開、Jevとの「AI意思決定権」争いが本格化
OpenAIは10月23日、意思決定モデル（decision model）を広範なユーザーと開発者に公開し、この分野の先行者であるJevに正面から挑戦状を叩きつけた。AIが「話せる」から「決断できる」へと進化する中、競争の焦点が静かに移り変
Canvaが初の自社開発画像生成モデルを発表——低コスト・高カスタマイズ性を訴求
オンラインデザインプラットフォームのCanvaが同社初となる自社開発画像生成モデルを発表し、全ユーザーへの公開を宣言した。同モデルは低コストでより優れたカスタマイズ性を持つ生成を実現するとしており、サードパーティのAI能力に依存してきたデザ
1Password：AIエージェントがあなたの代わりにログイン、パスワードは漏れない
パスワード管理ツールの1Passwordが、AIエージェントがユーザーの代わりにアカウントへログインしつつ、パスワード自体をエージェントに開示しない新機能を発表した。この機能は、AI自動化と認証情報保護の両立という、2025年のAI業界が直
AIで中年の悩みを解決する彼女たち：女性テクノロジーコミュニティの台頭
中年女性を対象としたコミュニティ型スタートアップ「Aged Intelligence Society」が、AI工具を活用して仕事・家庭・健康における実際の問題解決を支援している。主流のテクノロジー言説から取り残されてきた層に向けた、草の根的
GLM-4.6 诚信评级 fail 主榜 18.25 分 材料约束仅 10.00
GLM-4.6 在 2026-10-23 Smoke 快测中诚信评级 fail，探针得分 0.00，主榜 18.25 分，代码执行 25.00 分，材料约束 10.00 分。同日其余 13 个模型全部 pass，探针得分 65-100 分。
DoubaoProとGPT-6.1 Solが87.27点で同率首位：2026年10月23日 YZ Index Smoke速報データブリーフィング
2026年10月23日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Doubao ProとGPT-6.1 Solが87.27点で同率首位となった。なお、Smokeは1日10問の速測であり、短期的なシグナルの観察に適し
ITの巨人が陥落：AIハッカーが数千社の企業に侵入
中国と関連するハッカー集団がAIエージェントを活用し、ITサービス管理ソフトウェアのConnectWiseを攻略して数千社の顧客企業に自動化された侵入を試みたことが、マイクロソフトの脅威インテリジェンス分析により明らかになった。このサプライ
あなたの声だけを聴くAIペンダント：Nirvaが3,300万ドルの資金調達を完了
スタートアップのNirvaが3,300万ドルの資金調達を完了し、249ドルの「アンビエントAIペンダント」の開発・量産を推進する。このデバイスの最大の特徴は、装着者本人の声だけを拾うという設計にある。
SpotifyはAIエージェントに賭ける：音楽サービスをエージェントの第一選択肢へ
生成AIがチャットウィンドウからユーザーの代わりにタスクを実行するエージェントへと進化する中、SpotifyはAIエージェント時代において「エージェントが音楽を必要とする際に最初に選ばれるサービス」になることを目指している。
ハッカーが4日先行：PHP2Shell脆弱性をめぐる攻防のタイムラグ
「PHP2Shell」と呼ばれる高危険度の脆弱性が、防御側への正式な警告が発出される4日前からすでに攻撃者によって探索されていたことが明らかになった。この事件は、脆弱性の「公開時点」と「リスクの開始時点」が一致しないという構造的問題を浮き彫
レビュー
すべて見る →GLM-4.6 诚信评级 fail 主榜 18.25 分 材料约束仅 10.00
GLM-4.6 在 2026-10-23 Smoke 快测中诚信评级 fail，探针得分 0.00，主榜 18.25 分，代码执行 25.00 分，材料约束 10.00 分。同日其余 13 个模型全部 pass，探针得分 65-100 分。
DoubaoProとGPT-6.1 Solが87.27点で同率首位：2026年10月23日 YZ Index Smoke速報データブリーフィング
2026年10月23日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Doubao ProとGPT-6.1 Solが87.27点で同率首位となった。なお、Smokeは1日10問の速測であり、短期的なシグナルの観察に適し
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。
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