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 →NVIDIAのGR00T 2、5回のデモで成功率95%達成——富士康・シーメンスが生産ライン評価を開始も、モデルの重みは12月公開予定
NVIDIAは2026年11月9日、テキサス州オースティンで開催されたCoRL 2026にてGR00T 2を発表。5回のタスクデモ後に50項目の評価タスクで平均成功率95%を達成したが、モデルの重みは12月まで非公開で、ライセンス条件も未発
OpenAI、GPT-6 Cyberを「危急」レベルに指定——48.5%の脆弱性悪用率が示すアライメントの難題
OpenAIが2026年11月にリリースしたGPT-6 Cyberは、ExploitGymベンチマークで48.5%の脆弱性悪用率を記録し、社内リスク評価で最高レベルの「危急」に分類された。一方、同シリーズの前モデルがアライメント不足を理由に
DeepMindがAIでSignalプロトコルの安全性を証明、次の目標はあらゆるソフトウェア
Google DeepMindの研究チームがAIツールを活用し、広く使われているSignal暗号化プロトコルの形式的検証（formal verification）を完了した。数学的証明によってプロトコルが設計通りに機能することを確認し、将来
オーストラリア、AI安全基準を義務化——フロンティア企業の違反には刑事責任も
オーストラリアのアルバニージー首相は2026年11月10日、国内で事業を展開するフロンティアAI企業に対し6項目の安全ガードレールへの準拠を法的に義務付け、重大な違反には刑事責任を問える新たなAI専門規制機関を設立すると発表した。
AnthropicがIPOを推進、今週中に評価額レンジを決定か
AI企業AnthropicがIPOプロセスを進めており、早ければ今週中に評価額レンジを確定する見通しだと報じられている。同社はClaudeシリーズの大規模言語モデルで知られ、公開市場への上場に向けた重要な一歩を踏み出しつつある。
ファン・レンフン（Jensen Huang）の婚外情スキャンダル：NvidiaのCEOの私的倫理危機がAI帝国を揺るがす
Nvidiaの共同創設者兼CEOであるJensen Huangの婚外情スキャンダルが浮上し、相手が中国のスパイ疑惑を持つ人物とされていることから、私的倫理危機が地政学的リスクや業界全体に波及する公的問題へと発展している。
米国AI安全機関CAISSIで指導者不在が続く――報告書の発行停止、ホワイトハウスへの非公式報告を強いられる
米商務省傘下のAI安全機関CAISSIでは、2026年4月以降に所長解雇・後任辞任が相次ぎ、常設の指導者が不在の状態が続いている。公開安全報告書の更新も停止しており、ホワイトハウスの特定部局への非公式報告も求められている。
METRの評価でAnthropicのAI研究開発速度が過去比1.9倍に到達——RSP閾値の発動が間近
METRが2026年11月5日に公表した報告書によると、AnthropicのAI研究開発能力の向上速度は2024年3月〜2025年10月の歴史的速度の約1.9倍に達しており、Anthropicは責任拡張政策（RSP）が定めるAI駆動加速の閾
ファン・ジェンスン氏スキャンダル拡大、NVIDIAが訴訟の包囲網に直面
NVIDIAの取締役会がCEOジェンスン・ファン氏と中国スパイとの疑惑をめぐる調査を正式に開始し、株価が4%超下落。過去の「問題なし」という公式声明が証券詐欺訴訟の根拠として利用される可能性を専門家が警告している。
NVIDIAスキャンダルの前日譚：空売り機関が6ヶ月前からジェンスン・フアンに目をつけていた
空売り調査機関Culper Researchは、NVIDIAのスパイスキャンダルが表面化する6ヶ月前に、CEOジェンスン・フアンと中国人幹部との「異常に緊密な」関係を公開指摘していた。しかし市場はその警告を深刻に受け止めず、事後になって初め
ジェンセン・ファン、性スキャンダル対応実績のあるPR会社を約1年前に雇用か
TechCrunchがWiredの報道を引用した情報によると、NvidiaのCEOジェンセン・ファンは約1年前、性スキャンダルの対応実績を持つPR会社を雇用したという。このPR会社の起用は、2025年10月に『ニューヨーク・タイムズ』がアリ
ChatGPT EnterpriseがAWS Marketplaceに正式出品——企業調達をクラウド請求に統合
OpenAIはChatGPT EnterpriseをAWS Marketplaceに正式出品し、企業顧客は既存のAWS調達・請求フレームワーク内で直接サブスクリプション契約を結べるようになった。対象企業はAWS利用コミットメント額への充当も
レビュー
すべて見る →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。
GLM-4.6のSmokeテスト：コード実行25分、API障害によりコミュニケーション次元欠損で主榜36.25点
GLM-4.6は本日のSmokeテストで主榜36.25点を記録したが、API障害によりcommunication次元のデータが完全に欠損し、正式ランキングへの参入は見送られた。コード実行・工程判断いずれも25.00点、材料制約のみ50.00
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
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
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。