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
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
最新ニュース
すべてのニュースを見る →SpaceXが13ギガワットのAI算力目標を設定、18ヶ月でGoogleの27年分を複製：非テクノロジー企業がインフラの常識を書き換える
業界調査機関SemiAnalysisの報告によると、SpaceXは2027年末までに13ギガワットのAIデータセンター容量を建設する計画であり、これはOpenAIと孫正義主導のStargateアライアンスの計画を30〜80%上回る規模だ。蓄
Airbnb公式発表：2027年上半期にAIトラベルコンシェルジュを導入予定
民泊プラットフォームのAirbnbは、2027年上半期に「AIトラベルエージェント」と呼ばれるスマートアシスタントを正式リリースすると発表した。同機能は旅行の全プロセス——旅程計画から宿泊施設・体験の比較、予約管理、滞在中のリアルタイムサポ
チャットボット広告戦争勃発：何が効果的で、何が裏目に出るか
生成AIの競争はモデル性能から収益モデルへと拡大しており、AnthropicがClaudeへの広告掲載を拒否する一方、他社はチャットボットへの広告導入を加速させている。広告はすでに現実のものとなっているが、ユーザーの信頼を損なわずに収益化を
ChatGPTが殺人事件に関与：妻がAIを利用して夫の毒殺を計画
米Ars Technicaが報じた最新の訴訟によると、ある女性がChatGPTを利用して夫の毒殺計画を立案・実行したとして告訴された。エネルギードリンクに毒物を混入するという手口が用いられたとされ、AIの責任の所在をめぐる議論が広がっている
Googleが学校に与えた選択肢：GeminiはなくせるがAI検索は外せない
GoogleはAI機能に関する学校側の懸念に応え、GeminiアシスタントをオフにできるオプションをEducation向けサービスに追加した。しかし、検索結果に表示されるAI生成の要約・回答については学校側がオフにする手段がなく、「選択肢の
NVIDIA Cosmos 3、4つの新オープンモデルを追加：単体ロボットから自動運転まで全カバー、しかし96GB VRAMという現実的なハードルも
NVIDIAは2026年11月5日、HuggingFaceを通じてCosmos 3 Nanoシリーズの4つのオープンウェイトチェックポイントを公開し、自動運転とロボティクスの両分野に対応したインタラクティブな世界シミュレーション能力を正式に
OpenAIがGPT-6 Cyberを発表：脆弱性悪用能力が51%向上、境界遵守率99.93%を主張
OpenAIは2026年11月5日、サイバーセキュリティ特化モデル「GPT-6 Cyber」を発表した。自社の準備フレームワークにおいてCritical（最高危険）レベルに分類される同モデルは、ベンチマークで前世代比51%の性能向上を示す一
OpenAIのサイバーセキュリティ新モデル、本当に十分か？
OpenAIが2026年11月6日にサイバーセキュリティ向けの新モデルを発表した。しかしその真の問いは、モデルの性能よりも、AIラボがデジタルインフラ保護に深く関与する中で求められる信頼性と説明責任にある。
Metaが警告：データセンターへの政治的反発がAI拡張を鈍化させる可能性
Metaは規制当局への開示文書の中で、データセンターをめぐる政治的反発が選挙サイクルで増幅され、同社の将来的なAI投資やインフラ拡張を困難にする可能性があると警告した。AI競争の勝敗は実験室内のモデルだけでなく、地方議会や地域社会の合意形成
MetaがAIアバタービデオ通話「Muse」を公開——AIウェアラブルへの布石
Metaは米国ユーザー向けに、AIアシスタント「Muse」のカスタマイズ可能なアニメーションアバターによるビデオ通話機能を公開した。さらにTamagotchi型ウェアラブルデバイスの開発計画も明らかになっており、AIをスクリーンから日常へと
GPT-6.1 Sol、材料制約スコアが29.1点急落——コード実行は19.5点上昇
GPT-6.1 SolはSmoke評価テストにおいて、材料制約スコアが89.80点から60.70点へと29.1点急落した一方、コード実行スコアは75.00点から94.50点へと19.5点上昇し、総合スコアは81.66点から79.29点に低下
GPT-6 Astra、材料制約スコアが29.1点急落・コード実行は19.5点上昇
本日のSmokeテストにて、GPT-6 Astraの材料制約スコアが89.80点から60.70点へ29.1点下落した一方、コード実行スコアは75.00点から94.50点へ上昇。主要ランキング総合スコアは81.66点から79.29点へ小幅低下
レビュー
すべて見る →GPT-6.1 Sol、材料制約スコアが29.1点急落——コード実行は19.5点上昇
GPT-6.1 SolはSmoke評価テストにおいて、材料制約スコアが89.80点から60.70点へと29.1点急落した一方、コード実行スコアは75.00点から94.50点へと19.5点上昇し、総合スコアは81.66点から79.29点に低下
GPT-6 Astra、材料制約スコアが29.1点急落・コード実行は19.5点上昇
本日のSmokeテストにて、GPT-6 Astraの材料制約スコアが89.80点から60.70点へ29.1点下落した一方、コード実行スコアは75.00点から94.50点へ上昇。主要ランキング総合スコアは81.66点から79.29点へ小幅低下
Doubao ProがSmoke速報テストで87.6点首位：2026-11-06 YZ Index Smoke速報データブリーフ
2026年11月6日実施のYZ Index Smoke速報テストでは13モデルを対象に評価が行われ、Doubao Proが87.6点でトップとなった。本テストはコード実行と資料制約の2次元を対象とした1日10問の速報測定で、短期的なシグナル
WDCD コンプライアンス
#1
GPT-6 Astra
90.5
#2
Gemini 3.1 Pro
90
#3
GLM-4.6
90
#4
Claude Opus 4.7
89.3
#5
GPT-6 Sol
89.3
#6
Claude Sonnet 4.6
88.9
#7
Grok 4
88.3
守約ランキング全体を見る →
Research Lab
WDCD Run #411：GPT-6 AstraがトップのYZ Index 90.5点、平均指示崩壊率は-80%
Winzhengが実施したWDCD Run #411（2026年11月4日）では、15モデルを対象に多ターン対話における指示遵守の崩壊を測定した結果、フィールド全体の平均崩壊率は-80%を記録し、GP
4大モデル翻訳対決：第45週品質評価、gpt-o3が8.7点でトップ
今週382本の翻訳タスクを4つのモデルが処理し、抽出した3本でのブラインド比較評価の結果、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
WinzhengのWDCDベンチマークRun #406において、Gemini 3.1 Proが唯一の制約強化モデルとして91.0点で首位を獲得。15モデルのコホート平均は指示減衰率-9.3%を記録した