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 →米国土安全省がDeepSeekを禁止――3ヶ月にわたり静かに執行された禁令
米国土安全省（DHS）は2026年10月19日、DeepSeekを連邦民間行政機関から排除する禁令を連邦官報に公示した。禁令自体は同年7月24日に署名されており、公示まで87日間にわたって非公開のまま執行されていた。
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%の指示劣化が確認された。GPT-6 Lun
GoogleがAmazonに続き、NVIDIAのAI開発者エコシステムに切り込む
GoogleはAmazonに続き、PyTorchユーザーがAIアプリケーションをNVIDIA GPUから他のハードウェアへ移行しやすくする開発者向けツールを公開した。この動きは、NVIDIAのCUDAエコシステムが形成してきた開発者囲い込み
GeminiのパーソナルAIが車内へ——今すぐ設定を見直すべき理由
GoogleのGeminiが「パーソナルインテリジェンス」機能を車載システムに展開し、カレンダーやメール、位置情報などの個人データと連携できるようになる。利便性が高まる一方、プライバシー設定の見直しが急務となっている。
Metaが「学習」という言葉を削除、AIスクレイピング論争は収まらず
Metaは利用規約から「学習（train）」という言葉を削除したが、robots.txtプロトコルを尊重する条項の追加は拒否した。批評家はこの変更を実質的な行動変容を伴わない広報戦略に過ぎないと指摘している。
Claude Opus 4.7が84.9点で首位：2026-10-21 YZ Index Smoke速報データブリーフィング
2026年10月21日実施のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Opus 4.7が84.9点で当日首位を獲得した。本速報はコード実行と資料制約の2次元のみを対象とした日次小規模サンプルテストであ
Meta AIコンパニオン「Muse」、米国で40日間のダウンロード数が1000万件突破
MetaのAIコンパニオンアプリ「Muse」が米国リリースからわずか40日でダウンロード数1000万件を達成し、同期間でこの節目に到達した史上12番目のアプリとなった。ダウンロード数だけでなく、AIコンパニオン競合他社を上回るユーザー定着率
Metaが従業員に責任転嫁：海賊版書籍でのAI訓練、幹部は本当に知らなかったのか？
Metaは著作権侵害訴訟において、「海賊版書籍の入手を誰も『決定』していない」として責任を現場従業員に押し付ける弁護戦略を採用しているとArs Technicaが報じた。この手法は法的にも世論的にも強い反発を招いている。
フランス政府がプラットフォームを緊急召集：抗議動画とAI偽造画像が焦点に
フランス政府はTikTokなどのソーシャルメディアプラットフォームを緊急会議に召集し、抗議活動関連動画の拡散抑制とAI改ざん画像の制限を要求した。また、VintedやeBayなどの転売プラットフォームも、盗品の流通阻止に向けた協定に署名した
ブルームバーグ報道：シュミットのAnthropicへの株式保有は約1%、CEOの半分に相当
ブルームバーグの報道によると、元Google CEOのエリック・シュミットがAIラボAnthropicの株式約1%を保有していることが明らかになった。これはAnthropicのCEOダリオ・アモデイの持分の約半分に相当する。
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。
レビュー
すべて見る →Claude Opus 4.7が84.9点で首位：2026-10-21 YZ Index Smoke速報データブリーフィング
2026年10月21日実施のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Opus 4.7が84.9点で当日首位を獲得した。本速報はコード実行と資料制約の2次元のみを対象とした日次小規模サンプルテストであ
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
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