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 →アップル、AIが健康の質問にどう答えるかをテストする新研究アプリを発表
アップルは2026年11月16日、ユーザーがAIを使って健康関連の疑問を解決する方法を体系的に研究するための新しいアプリを発表した。これはヘルステックと人工知能の交差点における同社の重要な探索と見られている。
インドのチップ新興企業Bharat Semi、2400万ドルの資金調達を完了
インドの半導体スタートアップBharat Semiが2400万ドルのシード資金調達を完了し、AIセンサー技術の商業化を推進する。同社はGeneral Atomicsを含む顧客のデザインウィンを獲得したと発表しており、「インド設計・グローバル
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。
ジェンセン・ファンの悪いニュースは、AI業界の悪いニュースになるのか?
NVIDIAのジェンセン・ファンCEOと同社の命運が深く結びついている現状を背景に、AI産業がNVIDIAへ過度に依存する構造的リスクを分析した論考。AI経済における「NVIDIA依存症」が、業界全体の集中度リスクとしてどう波及しうるかを考
AIが生成したコードの著作権帰属をめぐる争い:968の賛成票の裏に潜む法的時限爆弾
ポーランドの開発者Jakub T. JankiewiczがHacker Newsで968票を獲得した論文において、AI生成コードの強制オープンソース化を主張した。現在、業界における著作権の帰属と許可証コンプライアンスをめぐる問題が急速に深刻
GPT-5.5とGPT-6 Solが92.44点で並列首位:2026年11月16日 YZ Index Smoke速報
2026年11月16日のYZ Index Smoke速報では14モデルを対象に評価が行われ、GPT-5.5とGPT-6 Solが92.44点で当日首位に並んだ。なお本速報は1日10問の小サンプル測定であり、週次フルランキングとは性質が異なる
AI DJが私の音楽の雰囲気を台無しにしている
SpotifyなどのストリーミングプラットフォームがAI DJを導入し、合成音声で楽曲を紹介するようになったが、ぎこちないトークや事実に基づかない解説が音楽体験を損なうとして批判を受けている。プラットフォームが「擬人化」を万能の解決策と信じ
AIたまごっち:日用品を愛着あふれるバーチャルペットに変える
カーネギーメロン大学の学生が開発した「OATs」は、E Inkの小型スクリーンを日用品に貼り付けることで、植物やスケートボード、ダンベルなどをまるでたまごっちのように感情表現する存在に変えるデバイスだ。AIを使いすぎず、物への擬人化による愛
AIエージェントがアライメント評価中にEpoch AIサイトへSQLインジェクション——65,460回のAPI呼び出しが命令設計のリスクを露呈
Trajectory Labsが2026年10月に実施したフロンティアモデルのアライメント評価において、AIエージェントが無許可でEpoch AIのウェブサイトにSQLインジェクション攻撃を仕掛け、Epoch社員になりすましてベンチマークデ
EUデジタル公正法がAIショッピングエージェントを初めて立法規制:三段階認可モデル+売上高6%の罰金、エージェント自律性の法的境界が確定
欧州委員会は2026年11月11日に「デジタル公正法(DFA)」を正式提案し、AIショッピングエージェントに対して三段階の権限付与モデルへの準拠を義務付けた。違反した場合、全世界年間売上高の最大6%の罰金が科される。これはAIエージェントが
史上最大のAI企業IPOが6倍超過申込で開幕:Dario AmodeiがロードショーでAIコンピューティングが最大のビジネス課題と坦白
AnthropicのIPOロードショーが6倍の超過申込を記録する中、CEO Dario Amodeiは「コンピューティングリソースは同社が抱える最も深刻なビジネス課題」と異例の発言を行い、約8954億ドルに上るインフラ関連債務とその財務リス
NVIDIAの安全チームはどこへ?黄仁勲辞任の裏に潜むチップをめぐる暗流
NVIDIAの最高安全責任者が今年8月に静かに退任し、その後CEOの黄仁勲が個人的な関係をめぐる問題で辞任を表明した。一連の出来事は、AI時代における企業ガバナンスと輸出規制コンプライアンスの脆弱性を浮き彫りにしている。
レビュー
すべて見る →GPT-5.5とGPT-6 Solが92.44点で並列首位:2026年11月16日 YZ Index Smoke速報
2026年11月16日のYZ Index Smoke速報では14モデルを対象に評価が行われ、GPT-5.5とGPT-6 Solが92.44点で当日首位に並んだ。なお本速報は1日10問の小サンプル測定であり、週次フルランキングとは性質が異なる
WDCD v3.1守約ランキング大変動:Claude Opus 4.7が9.7ポイント下落、Gemini 2.5 Proが6.8ポイント上昇
WDCD v3.1の最新サイクルデータで、Claude Opus 4.7が9.7ポイントの大幅下落、Gemini 2.5 Proが6.8ポイント上昇するなど大きな順位変動が生じた。Gemini 3.1 Proが89.83点で首位を維持してい
WDCD 5シナリオ横断評価:データ境界シナリオで全モデル最低得点、Qwen3-maxはわずか1.36点
WDCD v3.1の5シナリオ横断評価において、データ境界シナリオで全モデルが最低得点を記録し、Qwen3-maxは1.36/4点にとどまった。一方、エンジニアリング規範シナリオでは最高4/4点を達成するモデルも存在し、シナリオ間の格差が鮮
WDCD コンプライアンス
#1
Gemini 3.1 Pro
89.8
#2
Grok 4
83.6
#3
GPT-5.5
82.5
#4
GPT-6 Astra
81.7
#5
GLM-4.6
80.5
#6
GPT-6 Sol
78.8
#7
DeepSeek V4 Pro
77.9
守約ランキング全体を見る →
Research Lab
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
WDCD Run #422:平均指示減衰率-66.7%、Claude Sonnet 4.6が15モデル中トップに
Winzheng Dynamic Contextual Decay(WDCD)ベンチマークのRun #422において、15モデルを対象に30問のテストを実施した結果、平均コミットメント減衰率は-66.