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
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
最新ニュース
すべてのニュースを見る →PerplexityがAIサンドボックスSPACEをオープンソース化：118回の脱獄テストで逃脱ゼロ、競合10社中8社が脆弱性あり
Perplexityは2026年10月15日、AIエージェント向けサンドボックスプラットフォーム「SPACE」をApache 2.0ライセンスでオープンソース公開した。118回の脱獄テストで仮想マシン境界の突破はゼロを記録し、競合10社中8
台湾、AIサーバーと先端チップを刑事規制へ：ブラックリストから全面禁輸への戦略的転換
台湾経済部長は2026年10月16日、AIサーバーと先端半導体を輸出管制リストに追加し、中国向けの無許可出荷を刑事犯罪とする方針を表明した。この措置は台米貿易協定の安全条項に基づくもので、従来のブラックリスト方式から全面的な刑事規制への根本
Claude Mythos 5、量子回路設計でゲート数を17倍圧縮——ハード科学ベンチマーク8項目中7項目で既発表の最優秀記録を超える
Anthropicのフェロープログラムにおいて、Claude Mythos 5が量子誤り訂正デコーダーなど8つの基礎量子アルゴリズム設計タスクに取り組み、うち7タスクで既発表の最優秀方式を上回った。最も顕著なケースでは、量子ゲート数を17倍
OpenAIモデルが自律的にサイバー攻撃を実行——暗号資産ウォレットへの侵入と複数サイトへの突破を確認
OpenAIのAIモデルがテストにおいて暗号資産ウォレットへの侵入と複数サイトのセキュリティ突破に成功したことが報告された。同様の行為を人間が行えば刑事訴追の対象となり得るとして、AIの自律的攻撃能力をめぐる法的・倫理的議論が高まっている。
ReplitがAnthropicとの提携を終了、コスト圧力が主因
オンラインプログラミングプラットフォームのReplitがAI企業Anthropicとのパートナーシップをすでに終了したと、CEOのAmjad Masadが公式に認めた。コストが主要な要因の一つとされており、Replitは現在OpenAIとの
ReflectionがオープンソースのBeam（501Bパラメータ）を公開：1トークンあたりの活性化パラメータは23Bのみ、4分の1の計算量でGLM-5.2に匹敵すると主張
Reflection AIは2026年10月16日、501Bパラメータのオープンソースモデル「Beam」をApache 2.0ライセンスでHugging Faceに公開した。MoEアーキテクチャにより1トークンあたりの活性化パラメータは23
GPT-6 Astra Proがマルチエージェント並列処理にアップグレード：タスク高速化の約束は実現も、利用枠と制御権の問題は未解決のまま
OpenAIは2026年10月16日、GPT-6 Astra ProのChatGPTにおける新たなアップグレードを発表し、複数のエージェントが同一タスクを並列処理できる機能を追加した。ただし、利用枠の制約、性能データの非公開、ユーザー制御機
AIがウイルスの設計図を生成：人工生命まであとどれくらい？
スタンフォード大学の博士課程学生がAIを用いてウイルスの遺伝子設計図を生成することに成功し、AIが生命の「書き手」へと進化する新段階に突入した。この技術的跳躍は、生物安全保障と倫理的規制をめぐる根本的な問いを社会に突きつけている。
元ホワイトハウス報道官がAI希土類企業の顧問として無断掲載——真相はさらに奇妙
元ホワイトハウス報道官のケイティ・ザカリアが、南ダコタ州知事と関連するAI採掘スタートアップの顧問として公表されていたが、当の本人も企業側も「在籍したことは一切ない」と否定するという奇妙な事態が発覚した。WIREDの報道を受け、政治と商業が
GPT-o3が94.51点で首位：2026年10月17日 YZ Index Smoke速報データブリーフィング
2026年10月17日のYZ Index Smoke速測では14モデルを対象に評価が行われ、GPT-o3が94.51点で当日首位を獲得した。本速測はコード実行と資料制約の2次元のみをカバーする1日10問の簡易測定であり、短期シグナルの観察に
Metaの新ビジネス利用規約、数億ドルのAIライセンス料回避との指摘
Metaがビジネスサービス利用規約を「簡略化」名目で更新したが、法律専門家はこれがAIモデルの学習データに関する数億ドル規模のライセンス料を回避するための意図的な権限拡大だと警告している。
NVIDIAの元幹部が語る：フィジカルAIはロボットを凌駕、業界はまだ「レゴ時代」にある
NVIDIAでロボット事業を7年間率いた元幹部のAmulya Vishwanathが、現在のロボット産業は基礎部品すら標準化されていない「レゴ時代」にあると指摘。汎用基礎モデルがロボット革命を即座に引き起こすという業界の楽観論に対し、慎重な
レビュー
すべて見る →GPT-o3が94.51点で首位：2026年10月17日 YZ Index Smoke速報データブリーフィング
2026年10月17日のYZ Index Smoke速測では14モデルを対象に評価が行われ、GPT-o3が94.51点で当日首位を獲得した。本速測はコード実行と資料制約の2次元のみをカバーする1日10問の簡易測定であり、短期シグナルの観察に
Claude Opus 4.7、主要ランキングで20.1点急落——コード実行は1日で28.1点下降
Claude Opus 4.7が本日のSmoke評価においてメインスコアが93.54点から73.45点へ急落した。コード実行次元が28.1点と最大の下落幅を記録したが、サブ指標の改善傾向から系統的な能力劣化の可能性は低いと分析される。
DoubaoプロのSmokeテストで材料制約スコアが15.3点急落、総合ランキングも4.3点下降
Doubao ProのSmokeテストにおける本日の評価で、材料制約スコアが87.90点から72.60点へと15.3点下落し、総合ランキングスコアが89.44点から85.09点に低下した。コード実行や課題表現の各スコアは改善が見られたものの
WDCD コンプライアンス
#1
GLM-4.6
100
#2
Grok 4
97.5
#3
Gemini 3.1 Pro
95.2
#4
DeepSeek V4 Pro
94
#5
GPT-5.5
92.6
#6
GPT-o3
92
#7
GPT-6 Sol
91.8
守約ランキング全体を見る →
Research Lab
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
4大モデル翻訳対決：第42週品質評価、gpt-o3が8.7点でトップ
第42週の翻訳評価レポートでは、4つのモデルが計376件の翻訳タスクを処理し、抽出した3記事のブラインド比較評価において、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD ラン #365：平均指示減衰率 -53.3%、GLM-4.6 が15モデル中トップに
WinzhengのWDCDベンチマーク第365回実施結果によると、15モデルの平均指示減衰率は-53.3%に達し、マルチターン対話における指示遵守の崩壊がフロンティアシステムにおいても依然として主要な