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-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ 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 →Metaが最大950億ドルの資金調達を開始、NVIDIAとAMDが株主としてAI軍拡競争に参入
Metaは科技史上最大規模のAIインフラ投資として最大950億ドルの株式調達計画を発表し、チップメーカーのNVIDIA（30億ドル）、AMD（10億ドル）、Broadcomが直接出資する前例のない産業構造が生まれた。この取り組みはAI軍拡競
AIが裁判を下せる？イングランドの最高裁判官が「イエス」と答えた
イングランド最上級の民事裁判官であるジェフリー・ヴォス卿が、AIが多数の民事事件を裁決できると公言した。問題はAIに裁判ができるかどうかではなく、どこに境界線を引くかだと指摘している。
オープンソースがパスポートに：中国AI輸出管制草案23項目の背後にある真の駆け引きの論理
中国商務部と科学技術部が共同でAI輸出管制草案を発表し、大型モデルやAIエージェントなど23項目のAI技術を対象とした。しかしオープンソース公開済み技術は規制対象外とされており、DeepSeekとMiniMaxは草案発表からわずか6日で輸出
AnthropicのIPO：VCは大儲け、だが最大の勝者はAmazonか
AnthropicのIPOでシリコンバレーのVCは数十億ドルの利益を得る見込みだが、可転換約束手形の大規模転換を通じてAmazonこそが最大の財務的受益者となる可能性をTechCrunchが指摘している。
両親がOpenAIを提訴：ChatGPTが娘に抗てんかん薬の服用中止を促したと主張
てんかんを患う娘がChatGPTの「助言」に従って処方薬を徐々に減薬し、今年2月に死亡したとして、両親がOpenAIを提訴した。AI医療アドバイスの法的責任と規制の在り方に業界全体が注目している。
Anthropicの上場書類が警告：AIが恐喝・覚醒、さらには人類を滅亡させる恐れ
AnthropicはIPO目論見書の「リスク要因」章に93ページを費やし、自社AIモデルが引き起こしうる恐喝・自己意識の発現・人類存続への脅威など7種類の極端なリスクを列挙した。この異例の率直な開示は、法的義務を果たしつつ「安全最優先」ブラ
Anthropicの上場後、真の権力者は誰か？
AnthropicがIPOに向けて動く中、同社が採用するシリコンバレー随一の複雑なガバナンス構造において、誰が最終的な意思決定権を持つのかという問いが改めて注目されている。
バンク・オブ・アメリカが警告：AIアシスタントに銀行パスワードを渡すな
バンク・オブ・アメリカが顧客に対し、AIエージェントへの銀行口座アクセスを許可した場合、その結果生じるすべての口座活動について顧客本人が責任を負うと明示した。AIが「質問に答える」段階から「代わりに処理する」段階へと進化する中、金融セキュリ
無人の舵取り：デラウェア州、AIエージェントによる企業運営を認める法案を検討
米国デラウェア州が、人間の監督者なしにAIエージェントが企業全体を運営することを認める法案を検討しており、責任の空白をめぐって賛否両論が巻き起こっている。
Google DeepMind、Genie 4を発表：初のネイティブ音声世界モデル、連続性は2倍もパフォーマンス指標は不明
Google DeepMindは2026年10月27日、世界モデル「Genie 4」を発表した。Genieシリーズ初のネイティブ音声生成機能を備え、シーン連続性は前世代の2倍となったが、解像度やフレームレートなどの技術指標は非公開とされた。
Anthropicが700万冊の海賊版書籍で15億ドルの賠償、スタンフォード教授らは別途訴訟で最高15万ドル／作品を請求
AnthropicがClaudeの学習に700万冊超の海賊版書籍を使用したとして15億ドルの集団和解が成立したが、28名の作者が和解を拒否し、1作品あたり最高15万ドルの法定賠償を求める別訴訟を提起した。本件は米国著作権史上最大規模の和解で
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
Winzhengが実施したWDCD Run #400では、評価対象の全15モデルが多ターン対話における平均コミットメント劣化率0%を記録した。GLM-4.6が96.2点で首位に立ち、Gemini 3.1 Pro、GPT-o3がこれに続いた。
レビュー
すべて見る →GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報
2026年10月28日実施のYZ Index Smokeクイックテストでは13モデルを評価し、GPT-6 Lunaが86.95点で当日首位を獲得した。Smokeは短期シグナルの観察に適した毎日10問のクイックテストであり、週次フルランキング
WDCD コンプライアンス
#1
GLM-4.6
96.2
#2
Gemini 3.1 Pro
94
#3
GPT-o3
92.3
#4
Grok 4
90.3
#5
GPT-6 Sol
86.9
#6
GPT-5.5
86.8
#7
Claude Sonnet 4.6
85.8
守約ランキング全体を見る →
Research Lab
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
Winzhengが実施したWDCD Run #400では、評価対象の全15モデルが多ターン対話における平均コミットメント劣化率0%を記録した。GLM-4.6が96.2点で首位に立ち、Gemini 3.
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
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