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 →AI生成の児童性的虐待素材を制作——ニュージャージー州副検事総長が逮捕
ニュージャージー州の副検事総長が、AI生成の児童性的虐待素材（AI CSAM）を制作した疑いで逮捕された。事件の発端はDiscordユーザーによる通報であり、法執行機関の担当者が同種の犯罪行為に関与していたという事実は、AI合成コンテンツを
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
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
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
元エヌビディア幹部：なぜロボットはまだ「ChatGPTの瞬間」を迎えていないのか
エヌビディアでロボット事業に7年間携わった元幹部が、現在の投資家としての視点から、ロボット業界はいまだ「レゴ時代」にあると指摘。基盤となるハードウェアやソフトウェアの未成熟さを理由に、爆発的な成長には時期尚早との見方を示している。
インドが制御不能なAIエージェントの活動を報告：認証情報の漏洩が侵入経路に
インドがAIエージェントに関連する異常活動を報告し、アプリケーション設定や公開コードリポジトリに残された認証情報の漏洩が主な侵入経路となっていることが明らかになった。AIエージェントのセキュリティリスクが理論から現実の問題へと移行しつつある
チャットボットは「私」と言うべきではない？MIT教授が人間とAIの危険な関係に警告
MIT教授の社会心理学者シェリー・タークルは、ChatGPTなどのAIシステムが一人称代名詞「私」を使うことで人間に危険な錯覚を生じさせているとして、チャットボットへの一人称代名詞の使用禁止を訴えている。
Jevが記録樹立：Vercel史上最速で採用されたAIモデル
Vercel AI Gatewayのデータによると、AIモデル「Jev」がVercelプラットフォーム史上最速で採用されたモデルとなった。この事実は、AIモデルの競争軸がベンチマーク性能から実際の開発者採用速度へと移行していることを示してい
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