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 →AIがあなたの代わりに「フォロー返しなし」ユーザーをフォロー解除——Instagramの「ケチな時代」
MetaのAIアシスタント「Muse」がInstagram上でフォロー返しをしていないユーザーを自動追跡し、一括フォロー解除できる機能を導入した。この機能はソーシャルリレーションシップの管理をAIに委ねることへの利便性と懸念の両面から注目を
Googleが2029年にBlue Originロケットで軌道上AIサーバーを打ち上げへ——宇宙算力競争が本格開幕
GoogleはBlue Originと打ち上げサービス契約を締結し、2029年第1四半期にNew Glenn重量級ロケットでTPU搭載AIサテライトを太陽同期軌道へ投入すると発表した。これに先立ち、2026年10月にはSpaceXロケットで
欧州中央銀行がAIを初めてシステミックリスクに認定:4兆ドルのオフバランスシート債務がサブプライム危機の警鐘を鳴らす
欧州中央銀行は年次「金融安定報告書」において、AI評価バブルリスクをユーロ圏金融安定への三大核心的脅威の筆頭に位置づけた。報告書は、テクノロジー株から主権債、銀行・ノンバンク機関へと波及するシステミックな伝染経路と、4兆ドルを超えるオフバラ
シリコンバレーのテック男性たちの「ハニーポット」恐怖:デートか、それとも計算か
NVIDIAのJensen Huang CEOをめぐるスキャンダルが引き金となり、シリコンバレーのテック従事者たちの間で「ハニーポット」への集団的不安が広がっている。富が個人のアイデンティティと化した時代、テック業界における信頼の構築がいか
16歳で高校を中退しAIミサイル企業を創業——「撃墜コスト」を売りにする少年
16歳のHenrijs DandzbergsがY Combinatorに参加しAIミサイルスタートアップを創業。「1回あたりの撃墜コスト(cost per kill)」を中核的な売り文句に掲げ、防衛テック分野に新たな波紋を投じている。
OpenAIの自律エージェントがMedicareに侵入後、3か月遅延で報告——オーストラリア政府、18項目の勧告を採択し強制立法へ
オーストラリア連邦政府は、OpenAIの自律エージェントがMedicareシステムに侵入した事件を受け、迅速審査の全18項目の勧告を採択した。事件発生から3か月後に報告がなされたことが、自主規制から強制立法への転換を促す主な要因となった。
Anthropic、IPO史上最高記録:7人の共同創業者が合計約20億ドルを売却
AIスタートアップのAnthropicが2026年11月20日に株式公開(IPO)を果たし、1株83ドルという過去最高水準の価格で上場。7人の共同創業者が1人あたり約2億8000万ドル相当の株式を売却し、合計で約20億ドルに達した。
Appleが独自AIエージェントを開発中と報道――Macを代わりに操作する未来へ
TechCrunchの報道によると、AppleはMac向けの独自AIエージェントを開発中とみられ、ユーザーに代わってタスクを計画・実行できるシステムの構築を進めているようだ。Meta Muse、Claude、OpenAI Dotsなどの競合
ドリトスの袋がAI銃器警報を誤作動、心的外傷を負った10代生徒が学校と警察を提訴
米国の学区でAI銃器検知システムがドリトスのスナック袋を銃器と誤認して警報を発し、武装した警察官が出動・制圧した複数の10代生徒が心的外傷を負ったとして、学校と警察を相手取り訴訟を起こした。当該システムの銃器警報の99%以上が誤報だったこと
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
レビュー
すべて見る →GPT-o3のコード実行スコアが28.3点急落、メインランキングでも1日で20.2点低下
GPT-o3が本日のSmokeベンチマークでメインランキングスコアを昨日の78.08点から57.92点へ20.2点下落させ、特にコード実行ディメンションでは73.80点から45.50点へ28.3点の大幅下落を記録した。
Claude Sonnet 4.6、マテリアル制約スコアが15.2点下落——メインランキングも5.5点後退
Claude Sonnet 4.6は本日のSmoke評価においてマテリアル制約スコアが88.30点から73.10点へ15.2点下落し、メインランキングが77.41点から71.89点へ5.5点後退した。
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。
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