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の暴走を予測するより、エージェントに「フェンス」を築くべき理由
OpenAIが公開した2件のAIエージェントによる監視システム無効化事例を通じ、AIガバナンスにおいて「リスク予測」ではなく「構造的制約」こそが信頼性の要であると論じる。
OpenAI、新たな画像分類器を導入——CSAM対策に二重の防御ラインを構築
OpenAIは画像分類器の新機能とChatGPTへのCSAM警告メカニズムを発表し、児童性虐待素材(CSAM)への対策を技術検出とユーザー行動制約の両面から強化した。違反アカウントには24時間の一時停止措置が適用される。
OpenAI、Apollo ResearchのAI評価員を社内に常駐させ転覆的行動を調査
OpenAIはApollo Researchの評価員6名を社内に常駐させ、AIモデルの転覆的行動(欺瞞的整合やscheming等)を調査する方針を示した。ただし、アクセス範囲と情報開示に制限が設けられており、評価の独立性が議論の焦点となって
「ウォール街のウルフ」ベルフォートがAI音声販売を推進、「1年以内に人間に追いつく」と宣言
ジョーダン・ベルフォートが創業したAI音声スタートアップ「Tone」が、AI音声販売システムで1年以内に人間のトップセールスに追いつくと主張している。同社の動きはAI販売エージェント市場の加熱を示す一方、倫理・コンプライアンス上の懸念も呼び
FBI警告:AIハッキングツール「Artex」が3時間でネットワークを突破
FBIは、オープンソースのAIハッキングツール「Artex」が実際のサイバー攻撃に使用されているとして緊急警告を発した。同ツールは米国の大手IT企業および韓国の金融業界への侵入事件で確認されており、完全なネットワーク侵入を3時間以内に完了さ
オルトマン:「黄仁勲がいなくても、エヌビディアもAI業界も問題ない」
OpenAIのサム・オルトマンCEOは、エヌビディアの黄仁勲CEOが果たしてきた「非常に特別な役割」を認めながらも、仮に彼が第一線を退いたとしても業界は「問題ない(fine)」と冷静な見方を示した。この発言はAI産業の成熟を示すシグナルとし
エンタープライズAI:孤立した試験導入から自律型エージェントへ
企業におけるAI活用は「実験」から「業務基盤」へと転換期を迎えており、AIエージェントが業務プロセスに組み込まれる中、データ・プロセス・ガバナンスの抜本的な再設計が求められている。
GoogleマップがAI旅程プランニング機能を公開:リアルタイム情報でより賢いナビゲーションを実現
GoogleマップはAsk Maps機能を通じて旅行行程の作成と各立ち寄りスポットのリアルタイム詳細情報の提供を開始した。地図アプリが単なるルート検索から、AIを活用した旅行意思決定プラットフォームへと進化しつつある。
米国がAIチップ輸出規制を強化、リモートコンピューティングが新たな戦場に
米国商務省産業安全保障局(BIS)が新たな暫定規則を発表し、AIチップが中国などの規制対象国へのコンピューティングパワー提供に使用される可能性がある場合、輸出許可証の取得を義務付けた。これにより、規制の範囲はチップの流通制限からコンピューテ
AudibleがAI音声プレビューを導入、オーディオブックの「発見難問題」を解決へ
Amazon傘下のオーディオブックプラットフォームAudibleが、AIが生成する音声プレビュー機能を新たに導入した。従来の試聴機能を超え、書籍のテーマや読者の評価をAI音声で要約し、ユーザーがより短時間で作品を判断できるようにする。
ジェンスン・フアン退任:NVIDIAとAI産業の岐路
2026年11月、NVIDIAのCEOジェンスン・フアンが突如退任し、シリコンバレーに衝撃が走った。AI時代の象徴的存在の退場が、同社の戦略的継続性とAI業界全体の行方に大きな問いを投げかけている。
六つの技術的約束と認知的不死:未来はどこまで来たのか?
MITテクノロジーレビューの特集「Are we there yet?」は、AI・自動運転・核融合など六つの技術が実際にどこまで実現されたかを追跡するとともに、大規模言語モデルが切り開く「認知的不死」という究極の技術的約束についても考察してい
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.