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 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
最新ニュース
すべてのニュースを見る →ジェンスン・フアン、婚外交際スキャンダルで辞任──AI業界の勢力図を揺るがす激震
TechCrunchの報道によると、NVIDIAの創業者兼CEOジェンスン・フアンが婚外交際スキャンダルを受けて辞任を発表した。米中がAIインフラの主導権を争う中、この人事地震の波紋はシリコンバレーにとどまらない広がりを見せている。
黄仁勲「衝撃波」来襲——台湾の店主たちはなぜ彼と距離を置こうとするのか?
NVIDIAのジェンスン・フアン(黄仁勲)CEOはかつて台湾の夜市で絶大な集客効果を誇ったが、彼をめぐる論争が広がるにつれ、一部の飲食店が静かに関係を断ち切り始めている。一方で支持を表明し続ける店主もおり、著名人効果の光と影が浮き彫りになっ
AIエージェントが引き起こす連鎖障害——新時代の「Y2K問題」が到来か?
航空会社の予約システムや銀行アプリなど各所でシステム障害が相次ぐ中、専門家はAIエージェントの無制限な自動処理が引き起こす「構造的リスク」に警鐘を鳴らしている。その本質はY2K問題になぞらえて論じられ、ガバナンスの整備が急務だと指摘されてい
デジタル世界の集団障害:AIブームを支える脆弱な基盤
相次ぐ大規模システム障害、AnthropicのIPO、そしてAIチップ市場の権力移行——この3つの出来事が、AIブームの裏に潜むデジタルインフラの脆弱性を浮き彫りにしている。
MetaがMuse Charmを300ドルで発売か、AI対応ウェアラブル新製品
Metaが「Muse Charm」という名称のAIウェアラブルデバイスを約300ドルで発売する計画があるとThe Informationが報じた。MetaはこれをO否定せず、「間もなく詳細を公開する」と述べるにとどめている。
Claude Fable 5.2、ブラックホール物理学の未解決問題2件を解決——20年来の未完の計算に終止符、精密境界値9.1266を確定
Anthropicは2026年11月17日、Claude Fable 5.2が黑洞理論物理学における2つの長年の未解決問題を独立して解決したと発表した。これはAIシステムが基礎科学分野で独立して論文を完成・連名発表した初の公開記録とされる。
AnthropicのNASDAQ初日に17%急騰、1兆7,600億ドルの時価総額の裏に8,950億ドルの算力契約
Anthropicは2026年11月20日にNASDAQへ上場し、初日に34%急騰後、終値ベースで17.07%高の1兆7,600億ドルの時価総額を記録。しかし約8,950億ドルに上る算力契約コミットメントという重い課題も抱えている。
AnthropicのIPO、慈善事業に最大1560億ドルをもたらす可能性
AIフロンティア企業AnthropicのIPOが、公共福利財団・従業員の個人寄付・企業のマッチング寄付の三つを合わせて最大1560億ドルの慈善資金を生み出す可能性があるとTechCrunchが報じた。この規模は多くの国の年間GDPに匹敵する
Doubao Pro が93.01点で首位:2026-11-20 YZ Index Smokeクイックテスト・データ速報
2026年11月20日のYZ Index Smokeクイックテストでは14モデルを対象に評価が実施され、Doubao Proが93.01点で当日首位を獲得した。Smokeは毎日10問の簡易テストであり、短期的なシグナルの観察に適している。
AnthropicのCEO、ナスダックの鐘を鳴らす——「AIの発展はアクセルだけを踏んではならない」
AnthropicのCEOダリオ・アモデイ氏がナスダックの始値告知の鐘を鳴らす場を借りて、商業的・政治的圧力に屈せず自社の判断するペースでAI開発を進めるという姿勢を公式に表明した。同社の「負責任な拡張ポリシー」の枠組みを改めて公の場で示し
AnthropicがNASDAQ初上場で33%急騰、AIの資本市場への参入が新たな局面へ
Claudeモデルを開発するAnthropicが11月20日にNASDAQへ上場し、初日の取引価格がIPO公開価格83ドルを33%上回る111ドルに達した。今回のIPOで800億ドル超の資本を調達し、AI業界の資本市場参入における重要な転換
GoogleはAIエージェント訓練専用の「並行インターネット」を構築した
GoogleのChromeチームが、AIブラウジングエージェントを安全に訓練・評価するため、実際のインターネットを高度に模倣した隔離されたサンドボックス環境——いわば「鏡の次元」——を構築した。これにより、エージェントの誤動作や情報漏洩のリ
レビュー
すべて見る →Doubao Pro が93.01点で首位:2026-11-20 YZ Index Smokeクイックテスト・データ速報
2026年11月20日のYZ Index Smokeクイックテストでは14モデルを対象に評価が実施され、Doubao Proが93.01点で当日首位を獲得した。Smokeは毎日10問の簡易テストであり、短期的なシグナルの観察に適している。
Doubao Pro のコード実行スコアが26.2点急落、メインランキングはわずか0.03点増にとどまる
Doubao Pro の本日のSmokeテストにおいて、コード実行スコアが75.00点から48.80点へと26.2点下落した一方、資料制約スコアは100点満点に達し、メインランキングのスコアは71.81点から71.84点へとわずか0.03点
GPT-o3、素材制約スコアが16.7点急落も、コード実行は23.8点上昇——総合ランキングは5.6点アップ
GPT-o3の本日のSmoke評価では、素材制約スコアが100.00から83.30へ急落した一方、コード実行スコアが50.00から73.80へ大幅上昇し、総合ランキングスコアは72.50から78.08へ改善した。サンプル規模が小さいことから
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
4大モデル翻訳対決:第47週品質評価、claude-sonnet-4.6が9点でトップ
今週442件の翻訳タスクを4モデルで処理し、抽出した3記事をマルチモデルブラインド評価した結果、claude-sonnet-4.6が平均9/10点で総合最優秀となった。
WDCD ラン #428:Gemini 3.1 Pro が89.8点でトップ、平均指示減衰率は-16.4%を記録
Winzheng Dynamic Contextual Decay(WDCD)ベンチマークのラン #428において、Gemini 3.1 Pro が89.8点で首位を獲得し、15モデル全体の平均コミッ