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 →1億ドルを投じたAIスーパーPAC、中間選挙を動かせなかった理由
シリコンバレーの億万長者たちが支援する親AIスーパーPAC「Leading the Future」は約1億ドルの選挙資金を持ち、AI規制への反対を掲げて2026年米中間選挙に臨んだが、その巨額投資は決定的な影響をもたらさなかった。金銭が必ず
有権者がAIを投票で規制——テック大手は「反トランプ」に責任転嫁
2026年米国中間選挙でAIやデータセンターの拡張を制限する措置が各地で圧倒的多数で可決された。テック業界はこの結果を「反トランプ感情の余波」と説明しようとしているが、その論理には大きな欠陥がある。
Metaが再び動く：AIプログラミング企業Conductorを買収
MetaがAIプログラミングスタートアップのConductorを買収した。同社は複数のAIエージェントをチームとして展開し、プロジェクトを並行推進する技術を持つ。この買収はMetaの内部開発効率向上と、開発者向けツール市場でのポジション確立
OpenAI、2028年大統領選挙を先読み――AI版「社会契約」とは何か
OpenAIのグローバル政策責任者Chris Lehaneが、2028年大統領選挙においてAIを中心的議題とする「新たな社会契約」を提唱した。しかしその背景には、AI規制をめぐる主導権争いとOpenAI自身の商業的利益が絡み合っている。
Uberが自ら公表：AIエージェントによる配車、1週間でわずか4件――ほぼ利用ゼロ
Uberは先四半期で最も利用が多かった週において、AIエージェント経由の配車がプラットフォーム全体でわずか4件にとどまったことを明らかにした。「AIエージェントが何でも代わりにやってくれる」という業界の期待と、現実の利用実態との間に大きな乖
NothingのCEOが宣言：謎のAI優先デバイスを来月発表
透明デザインで知られる英国の消費電子ブランドNothingのCEOが、AIをコアに据えた謎の新デバイスを来月正式発表すると確認した。AI硬件市場での先行事例が示す厳しい現実を前に、同社の勝算が注目される。
OpenAI、前陸軍長官ドリスコルを採用――軍事AI界の「回転ドア」が加速
OpenAIは2026年11月2日、元米陸軍長官ダン・ドリスコルを新設の「国家安全保障近代化上級顧問」に採用したと発表した。同社がすでに国防市場で大規模な契約基盤を築く中、今回の任命は政府調達能力の組織的強化を意味する。
AIの安全性に「組み合わせ可能性」を前提とすべきでない：デプロイには独立したテストが必要
デプロイされたAIシステムの安全性は基盤モデルの評価結果とは大きく異なる場合があり、システムプロンプトや微調整などの変更後は独立したテストが不可欠であることを、研究知見をもとに論じた記事。
MLCommonsがAILuminate Safety 1.2.1とJailbreak 1.1ベンチマークを公開
MLCommonsは、AIシステムの有害コンテンツ生成傾向と攻撃への耐性を測定するAILuminate Safety 1.2.1およびAILuminate Jailbreak 1.1ベンチマークを公開し、27システムの評価結果とともにオンデ
Candela 発表：AIリスクベンチマークテストのサービス化
MLCommonsが、AIリスクと信頼性に特化したベンチマークテストサービス「Candela」を正式リリースした。AILuminateベンチマークを通じて、モデル開発から企業導入まで幅広いシナリオを評価できる。
HiCacheは多並列・分散推論をどのように支えるのか
Agenticワークロードでは長い履歴コンテキストの再利用が重要であり、HiCacheはRadix cacheのKV再利用をホストメモリや外部ストレージへ拡張する。この記事では、Context Parallelism、Pipeline Pa
SGLang エラスティックEP スケールアップ：NIXLによる再起動なしのMoE推論拡張
SGLangが新たに提案する「Elastic EP scale-up」は、MoEモデルの推論デプロイメントにおいて、完全な副本の追加や再起動なしに実行中のEPグループへ新規GPUランクを動的に追加する機能であり、再起動と比べて最初のリクエス
レビュー
すべて見る →AIの安全性に「組み合わせ可能性」を前提とすべきでない：デプロイには独立したテストが必要
デプロイされたAIシステムの安全性は基盤モデルの評価結果とは大きく異なる場合があり、システムプロンプトや微調整などの変更後は独立したテストが不可欠であることを、研究知見をもとに論じた記事。
MLCommonsがAILuminate Safety 1.2.1とJailbreak 1.1ベンチマークを公開
MLCommonsは、AIシステムの有害コンテンツ生成傾向と攻撃への耐性を測定するAILuminate Safety 1.2.1およびAILuminate Jailbreak 1.1ベンチマークを公開し、27システムの評価結果とともにオンデ
Candela 発表：AIリスクベンチマークテストのサービス化
MLCommonsが、AIリスクと信頼性に特化したベンチマークテストサービス「Candela」を正式リリースした。AILuminateベンチマークを通じて、モデル開発から企業導入まで幅広いシナリオを評価できる。
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