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 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
最新ニュース
すべてのニュースを見る →英伟达澄清新云融资担保:独立融资是前提
英伟达临时CEO Colette Kress澄清了公司为新云(neocloud)数据中心提供贷款担保的具体条件。只有当新云公司获得独立融资、数据中心建成并安装英伟达设备后,英伟达才会承担担保责任。此举旨在回应市场对其大举投资AI云服务商可能
AIの鼻は人間の嗅覚に匹敵するか?30名の嗅覚専門家がモデルを訓練中
AIスタートアップのOsmoは、約30名の専門嗅覚鑑定士によるデータ収集を通じて「世界初の嗅覚基盤モデル」の構築を目指している。嗅覚のデジタル化は視覚・聴覚に比べて極めて困難であるが、食品・香水・医療など幅広い応用が期待されている。
NVIDIAのQ3売上高1158億ドル、データセンター110%増でAIサイクルの継続を実証
NVIDIAが2026会計年度第3四半期の決算を発表し、総売上高1158億ドル(前年同期比103%増)、データセンター売上高1076億ドル(同110%増)を記録した。Vera Rubin NVL72の量産開始と受注残の上方修正が需要の堅調さ
Lovable、転換期:「バイブコーディング」からAIビジネス経営へ
スウェーデンのAIスタートアップLovableは、自然言語でアプリを生成する「バイブコーディング」プラットフォームから、ユーザーが実際に持続可能なビジネスを運営できるよう支援するプラットフォームへと転換を図っている。生成能力の価値が低下する
AI駆動パッチの拙速展開が米国で複数システムクラッシュ——2万便欠航、NSAネットワーク停止
2026年11月、AIモデルが検出したセキュリティ脆弱性への急速なパッチ適用が引き金となり、米国でFAAによる2万便超の欠航、NSAネットワークの停止、JPモルガンのサービス障害、Microsoft 365の不具合が6日間のうちに相次いで発
Anthropicのロビー活動費、2年間で72万ドルから811万ドルへ急騰:AIセーフティの旗手によるワシントン政治ゲームの実態
Anthropicの連邦ロビー活動費が2024年の72万ドルから2026年には811万ドルへと約11倍に膨張した。同社は与党共和党の有力者とつながりを持つロビイスト会社を複数採用し、AI輸出規制、国防調達、安全保障分野でのAI活用をめぐる政
マイクロソフトが7つのMAIモデルでOpenAIとAnthropicに直接価格対抗——ただし3つの主要テストは自社プラットフォームで実施
マイクロソフトはIgnite 2026でMAIシリーズ7モデルを発表し、同社史上初めてOpenAI・Anthropicの主力製品と価格・性能を直接比較した。ただし主要ベンチマークの大半は自社内部プラットフォームで実施されており、独立検証の観
Z世代の3人に1人以上がAIで友達づくり、孤独感はむしろ深刻化?
ギャラップの最新報告によると、Z世代の36%以上がAIをソーシャルコンパニオンとして利用しているが、AI利用者は非利用者と比べて孤独感を報告する割合がほぼ2倍に上ることが明らかになった。テクノロジーへの依存が深まるほど孤立感が増すという「孤
NVIDIAの投資帝国が650億ドルに膨張――ジェンスン・フアンの離脱が懸念を呼ぶ
NVIDIAの非公開投資ポートフォリオがわずか9ヶ月で約3倍に膨らみ、約650億ドルに達した。一方、同社の投資戦略を牽引してきたCEOジェンスン・フアンの役割変化が、AI新興企業のエコシステムに不確実性をもたらしている。
ファン・ジェンスン退任後も、NVIDIAは売上高の急成長が続くと表明
NVIDIAは創業者兼CEOジェンスン・フアンの退任という異例の企業統治の激震を受けながらも、AI算力需要を背景に売上高の成長が継続するとの強気の見通しを示した。ただし、統治体制の再構築や顧客集中リスクなど、解消されていない課題も残る。
CopilotがOfficeを内包し「仕事の新OS」へ——Microsoftが構造を逆転
Microsoftは、CopilotをWord・Excel・PowerPointを内部で動かす「仕事の新しいオペレーティングシステム」として正式に位置づけた。AIがアプリの付加機能ではなく、ワークフローの入口そのものになるという根本的な転換
NVIDIAの取締役会:Jensen Huangの復帰を意図せず
NVIDIAの取締役会は、トランプ大統領やイーロン・マスク、シリコンバレーの幹部らからの圧力にもかかわらず、解任されたCEOのJensen Huangを復職させる意向はないと明言した。この決定は、AI時代における企業統治と政治的影響力をめぐ
レビュー
すべて見る →GLM-4.6 WDCD12.1ポイント急上昇で首位獲得、GPT-o3は9.1ポイント下落——5モデル上昇・4モデル下降の守約能力シャッフル
YZ Index最新Run #434において、GLM-4.6のWDCDスコアが12.1ポイント上昇して88.60に達し首位を獲得。一方GPT-o3は9.1ポイント下落し、AIモデル間の守約能力に明確な格差が生じた。
WDCD 5大シナリオ横断評価:ビジネスルール最低スコア1.3、15モデル間の得意不得意の差は最大2.7点
WDCD v3.1パイロット評価において、ビジネスルールシナリオと安全コンプライアンスシナリオがいずれも最低スコア1.3/4を記録。15モデルの中にはシナリオ間で最大2.7点の偏差を示すモデルも存在し、企業が本番環境にAIを導入する際の選定
WDCD三輪劣化テスト:Qwen3 MaxはR1で即0点、ClaudeとGrok 4はR3でゼロ崩壊を記録
WDCD v2アンカー問題の三輪テストデータにより、15モデルのR1平均確認率が0.93に達した後、R2平均抵抗率が0.5に急落し、R3平均誠実率はわずか60%にとどまることが判明した。Qwen3 MaxはR1の時点で即座に0点を記録した一
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
4大モデル翻訳対決:第47週品質評価、claude-sonnet-4.6が9点でトップ
今週442件の翻訳タスクを4モデルで処理し、抽出した3記事をマルチモデルブラインド評価した結果、claude-sonnet-4.6が平均9/10点で総合最優秀となった。
WDCD ラン #428:Gemini 3.1 Pro が89.8点でトップ、平均指示減衰率は-16.4%を記録
Winzheng Dynamic Contextual Decay(WDCD)ベンチマークのラン #428において、Gemini 3.1 Pro が89.8点で首位を獲得し、15モデル全体の平均コミッ