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 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
最新ニュース
すべてのニュースを見る →OpenAIとServiceNowが協力関係を拡大：ワークフローにChatGPTを統合、セキュリティソリューションは来年提供開始
OpenAIとServiceNowは協力関係の拡大を発表し、OpenAIのモデルとエージェントをServiceNowプラットフォームに深く統合するとともに、ServiceNowのワークフロー機能をChatGPTおよびCodexに導入する。セ
AIエージェントにファンタジーフットボールチームを任せてみた――最初にやったのはハーランドのベンチ落としだった
WIREDの記者がOpenAIのCodexにファンタジーフットボールチームの運営を丸ごと委ねる実験を実施。AIエージェントが実際の動的環境でどのように予測・意思決定を行うかを検証した結果、現時点ではまだ経験豊富な人間プレイヤーに及ばないこと
Wiz CTOが警告：インターネットの老朽化コードに「脆弱性の末日」が迫る
PHPの重大脆弱性騒動を受け、Wiz CTOがインターネット基盤を支える老朽化オープンソースコードの脆弱性集中露出リスクを「Vulnpocalypse（脆弱性の末日）」と表現し、システム的なセキュリティガバナンスの必要性を訴えた。
PHPの脆弱性の嵐：世界のWebサイトの70%に影響、「脆弱性の黙示録」が迫る
世界のWebサイト約70%を支えるPHPに2つの深刻な脆弱性が発見され、企業・政府機関・個人サイト運営者が緊急対応を迫られている。Wiz CTOはこの状況を「vulnpocalypse（脆弱性の黙示録）」と表現し、オープンソース基盤の構造的
Anthropic、IPO前に企業向けAI支出可視化ツールを発表
AnthropicがIPO計画を前に、企業クライアントがAIへの支出内訳を把握できる支出分析ツール群を発表した。収益の質と企業ビジネスの持続可能性を投資家に示す狙いがある。
GPT-6 Luna、Smoke評価メインランキングで19.8点急落——コード実行スコアが100から75へ
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
Grok 4の材料制約スコアが17.4点急落、コード実行は7.9点上昇——Smoke評価メインランキングは3.5点低下
本日のSmoke評価において、Grok 4の材料制約スコアが75.00点から57.60点へと17.4点急落した一方、コード実行スコアは74.40点から82.30点へ上昇し、メインランキングの総合スコアは74.67点から71.19点へと3.5
Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solが87.36点で並列首位：2026-10-29 YZ Index Smoke速報データ
2026年10月29日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solの4モデルが87.36点で当日首位に並んだ。S
AI幹部がAIで家族と絆を深める？ 現実から乖離したエリートたちの盲点
TechCrunchの評論記事が、AI企業幹部たちがAIを使って家族との関係を築くことを公言している現象を取り上げ、こうした発言がいかに彼らの一般ユーザーとの乖離を露呈しているかを指摘している。
Chrome AIオートフィルがGmailを読み取り、フォームを自動入力
GoogleはChromeのAI駆動オートフィル機能をアップグレードし、ユーザーの明示的な許可のもとでGmailの受信トレイをスキャンし、フライト確認情報や荷物追跡情報などをWebフォームに自動入力できるようにした。この機能はGeminiを
GoogleがGeminiと検索を開放：AIエージェントがアプリの入口を再定義する
Googleは第三者アプリ向けにGeminiと検索機能を開放し、新たな開発者プラットフォームを立ち上げた。これによりAIエージェントがアプリの発見・利用の入口を根本から変えようとしている。
「2020年大統領選の勝者は誰か」——GoogleのAIが国内外で見せる二つの顔
GoogleのAIは、2020年米大統領選挙の結果という単純な事実の質問に対し、米国内のユーザーには曖昧な回答を返す一方、海外からの質問には明確な答えを示すという「地域差別対応」が明らかになった。この現象は、AIの政治的中立性をめぐる根本的
レビュー
すべて見る →GPT-6 Luna、Smoke評価メインランキングで19.8点急落——コード実行スコアが100から75へ
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
Grok 4の材料制約スコアが17.4点急落、コード実行は7.9点上昇——Smoke評価メインランキングは3.5点低下
本日のSmoke評価において、Grok 4の材料制約スコアが75.00点から57.60点へと17.4点急落した一方、コード実行スコアは74.40点から82.30点へ上昇し、メインランキングの総合スコアは74.67点から71.19点へと3.5
Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solが87.36点で並列首位：2026-10-29 YZ Index Smoke速報データ
2026年10月29日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solの4モデルが87.36点で当日首位に並んだ。S
WDCD コンプライアンス
#1
GLM-4.6
96.2
#2
Gemini 3.1 Pro
94
#3
GPT-o3
92.3
#4
Grok 4
90.3
#5
GPT-6 Sol
86.9
#6
GPT-5.5
86.8
#7
Claude Sonnet 4.6
85.8
守約ランキング全体を見る →
Research Lab
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
Winzhengが実施したWDCD Run #400では、評価対象の全15モデルが多ターン対話における平均コミットメント劣化率0%を記録した。GLM-4.6が96.2点で首位に立ち、Gemini 3.
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
WDCD Run #390：15モデルの平均指示劣化率が-60%を記録、GPT-6 Lunaが満点でトップ
Winzhengが実施したWDCD（動的文脈劣化）ベンチマークのRun #390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劣化を測定した結果、ラウンド1からラウンド3にかけて平均-60%の