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 →MuseをブロックしたAmazonが、今度はAlexaでSMS経由のショッピングを実現
AmazonはサードパーティのAIショッピングツール「Muse」を制限した後、SMSを通じてAlexaと会話できる新機能を発表した。ユーザーは指定番号にテキストメッセージを送るだけで商品の照会・注文・追跡が可能になる。
AI利用量は増加、支出は停滞：AnthropicのIPO前に問われる成長の実態
企業のAI利用量は依然増加しているにもかかわらず、AI関連支出が停滞していることが明らかになった。AnthropicのIPOを目前に控えたこの時期、このギャップはAIの成長ストーリーに対する資本市場の再評価を引き起こす可能性がある。
AI企業があなたの業務文書とメールを買い漁っている
大規模言語モデルが公開インターネット上のテキストを使い尽くしつつある中、AI企業はデータブローカーを通じて企業内部の業務文書やメールをトレーニングデータとして収集し始めている。しかし、データの出所、利用許諾の範囲、従業員の知る権利はいまだグ
ヒューマノイドロボットが自宅に掃除にやってくる：すでに始まっている未来の居住体験
MITテクノロジーレビューの記者が実際にヒューマノイドロボットに自室を掃除させた体験を軸に、家庭向けロボットサービスの現状と商業化に向けた課題を多角的に分析する。同時にサムスンのAI時代に向けた半導体・製造分野での布石も取り上げ、産業チェー
GoodfireのMechanistic Shaping、内部表現を活用して報酬ハッキング率を2%に抑制
Goodfireは2026年11月5日、Mechanistic Shapingという手法を発表し、強化学習モデルの報酬ハッキング率を100%から2%に低下させ、誠実率を96〜98%に向上させた。同手法はモデルの内部表現（ニューロンプローブ）
METRがAnthropicの研究開発速度を1.9倍と評価、加速の大部分はAI支援によるものと判明
METRが2026年11月5日に発表した報告書によると、Anthropicの内部モデル能力向上速度（AECI指標）が2025年10月以降、従来の1.9倍（95%信頼区間：1.5〜2.8倍）に加速していることが明らかになった。この加速は主にA
Physiclが1000万ドルを調達——ロボット訓練に耐えうるデジタル世界の構築へ
ロボットシミュレーション・データスタートアップのPhysicl社が1000万ドルの資金調達を発表した。同社はECサイト向け商品可視化パイプラインを転用し、ロボット訓練における「sim-to-realギャップ」の克服を目指している。
32MBの音声モデルが登場：小容量で音声と音楽を生成
Underdogがわずか32MBという超軽量の音声・音楽生成モデルのデモを公開し、エッジAI時代における「効率性」の競争力を示した。クラウド依存から脱却し、端末側での音声・音楽生成の可能性を切り開く動きとして注目を集めている。
国防総省CTOが今月中にAI研究所向け規制全体像を公表すると発表――議会立法に代わる行政整理アプローチ
国防総省の最高技術責任者エミル・マイケル氏が、連邦政府として既存の法律・規制がAI研究所にどう適用されるかをまとめた全体像を今後1〜2週間以内に公表すると発表した。新たな立法ではなく、行政による既存規則の整理という手法で規制の確実性を提供す
米司法省がAI専門執法機関を設立——しかし法的抜け穴が生来の弱点に
米国司法省は2026年11月5日、刑事・民事の双方の執法権限を持つAI専門機関「超知能執法特別組（DOJ-SITF）」の設立を正式発表した。ただし既存法の「意図認定」問題という根本的な法的抜け穴が存在し、自律型AIによる違法行為の訴追は依然
ヒューマノイドロボットが家に来て掃除をした——私は未来の匂いを嗅いだ
MITテクノロジーレビューの記者がヒューマノイドロボットの清掃サービスを体験した。この体験は、汎用ロボットの商業化に向けた公開テストの様相を呈しており、一般家庭への本格普及にはまだ多くの課題が残されている。
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
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