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-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
▲ Gemini 2.5 Pro +15.8 · ▼ GLM-4.6 -52.1
·
#1
GPT-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
▲ Gemini 2.5 Pro +15.8 · ▼ GLM-4.6 -52.1
·
最新ニュース
すべてのニュースを見る →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-66.7%となり、Claude Sonnet
ChatGPTがビジネスプロフィール機能を導入——Googleのビジネスを狙うのか？
OpenAIはChatGPTに企業向けビジネスプロフィール機能を導入し、AIによる消費者向けサービス発見プラットフォームとしての地位確立を目指している。この動きはGoogleとの競争関係をさらに複雑なものにしている。
PSIがAIで量子計算20年来の難問を解読、科学的発見をビジネスに変える挑戦
スタートアップPSIがAnthropicの未公開モデルを活用し、量子計算分野で約20年間未解決だった基礎的問題を解いたと報告。同社は「AIによる科学的発見」を商業化する新たなビジネスモデルの確立を目指している。
Ouraが6億2500万ドルでAI医療企業を買収——IPO延期後の新たな賭け
スマートリング大手のOuraが、AIネイティブなプライマリケアスタートアップのCounsel Healthを6億2500万ドルで買収することに合意した。最大22億ドルのIPOを無期限延期した数週間後のこの動きは、同社が「指輪を売る会社」を超
Claude Opus 4.7が79.56点で首位：2026-11-11 YZ Index Smoke速報データブリーフィング
2026年11月11日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Opus 4.7が79.56点で当日首位を獲得した。本レポー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問の小規模サンプルによ
ファン・ジェンスンが「中国スパイ」との関係疑惑で報道——NVIDIAが国家安全保障の嵐に
NVIDIAのCEOジェンスン・フアン氏が中国情報機関との関係が疑われる女性と不倫関係にあるとする未確認の報道が浮上し、ワシントンで国家安全保障上の懸念を呼んでいる。NVIDIAおよびフアン氏本人はいずれも公式回応を出しておらず、司法・行政
Claude Meetings登場：会議をリアルタイムでタスクプランに変換
AnthropicはClaude Meetingsを発表し、会議中にリアルタイムで議論を構造化されたプランやタスクに変換できるAIアシスタントを提供する。これは従来の「会議後の記録」から「会議中の実行支援」へという役割転換を意味する。
DeepMindがGemini Robotics 2.5を発表、タスク成功率が最大2倍に
Google DeepMindは2026年11月10日、ロボット基盤モデル「Gemini Robotics 2.5」を正式リリースするとともに、ロボット安全性ベンチマーク「ASIMOV-jailbreak」をオープンソース公開した。新モデル
MetaのAIアシスタントMuseがApple WatchとWear OSに対応
MetaのAIエージェント「Muse」がApple WatchおよびAndroid Wear OSプラットフォームに正式対応し、ユーザーがスマートウォッチ上で直接AIアシスタントと対話できるようになった。これはMetaがウェアラブルAI領域
Googleが専用チップ2製品を発表、AIハードウェア版図をさらに拡大
Googleは2026年11月10日、機密モデルトレーニング向けおよび大容量メモリ向けの2種類の新型TPU（テンソル処理ユニット）を発表した。同社はNVIDIAのGPU優位に対抗する長期戦略の一環として、TPU製品ラインをより多くのユースケ
百年の冶金難題に挑む：金属抽出プロセスの進化と突破口
金属産業のプロセス革新は過去100年以上にわたり停滞してきたが、脱炭素コストの内部化と複合的な外圧が、水素還元や電気化学抽出など新技術の経済的合理性を高め、変革の機運が高まっている。
ペロシの後継者がAI規制に照準、データセンターは電力難に直面
MIT Technology Reviewの最新号は、米国議会における新たなAI規制推進者の登場と、AIブームを支えるデータセンターの電力制約という、相互に絡み合う二つの議題を取り上げている。
レビュー
すべて見る →Claude Opus 4.7が79.56点で首位：2026-11-11 YZ Index Smoke速報データブリーフィング
2026年11月11日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Opus 4.7が79.56点で当日首位を獲得した。本レポー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問の小規模サンプルによ
GPT-6 AstraとGPT-6.1 Solが92.49点で並列首位：2026-11-10 Smokeクイックテストデータ速報
2026年11月10日のYZ Index Smokeクイックテストでは、13モデルを対象に評価が行われ、GPT-6 AstraとGPT-6.1 Solがともに92.49点で当日首位に並んだ。Smokeは毎日10問の簡易テストであり、短期的な
Qwen3 Max、Smoke評価データが全項目欠損――API障害により今回の主要ランキングから除外
Qwen3 MaxがSmokeデイリー評価において全5評価軸のデータが欠損し、主要ランキングスコアも算出不能となった。API障害が原因とみられ、自動再実行メカニズムが発動、今回はランキングに参加しない。
WDCD コンプライアンス
#1
Claude Sonnet 4.6
93.9
#2
Gemini 3.1 Pro
91.9
#3
GPT-6 Sol
85.3
#4
GPT-5.5
81.9
#5
GPT-6 Luna
81.7
#6
Claude Opus 4.7
77.7
#7
Grok 4
77
守約ランキング全体を見る →
Research Lab
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.
4大モデル翻訳対決：第46週品質評価、claude-sonnet-4.6が9点でトップ
第46週の翻訳評価レポートでは、4つのモデルが計395件の翻訳タスクを処理し、3件のサンプルを対象にした複数モデルによるブラインド評価の結果、claude-sonnet-4.6が平均9点で総合最高評価
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