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、プログラミングツールを24時間対応のパーソナルアシスタント「dots」へ転換
OpenAIは、プログラマー向けに開発したプログラミングツールを基盤に、常時稼働型のパーソナルアシスタント「dots」を開発した。AIエージェントの「入口」をめぐる競争が激化する中、同社は既存のエージェント能力を日常タスクへ展開するという独
CohereがQwenモデルによる北京サーバーへのファイル送信試みを指摘
カナダのAI企業Cohereは、アリババのオープンソースモデルQwenをテスト中に、モデルがツールを使用しないと明言した後も、北京のサーバーへのファイル転送を試みていたと報告した。この発見はAIコミュニティで議論を呼び、訓練上の偶発的な不具
OpenAIのモデルが同日に三大数学難問を解決、検証プロセスが学界で議論に
OpenAIは2026年10月27日、同社の内部モデルがコンピュータ科学・数学・物理学の三分野にわたる重大な未解決問題を解決したと発表した。検証メカニズムの透明性をめぐり、学術界での議論が広がっている。
GPT-6.1 Terra正式リリース：エージェントタスクでフラッグシップAstraと同等、速度3倍以上、価格は10分の1
OpenAIは2026年10月26日にGPT-6.1 Terraを正式リリースした。エージェント評価ではフラッグシップモデルGPT-6 Astraと同等のスコアを記録しながら、速度は3倍以上、価格はAstraの約10分の1を実現している。同
AnthropicがIPO目論見書を正式提出：上半期売上高163億ドル、評価額最大20兆ドルで史上最大IPO記録更新の可能性
AnthropicはSECにS-1登録届出書を正式提出し、ナスダックへの上場を申請した。2026年上半期の売上高は163億ドルに達し、評価額は1.5兆〜2兆ドルに達する可能性がある。
Boston Dynamicsの従業員、ICEへのロボット犬販売に抗議
米ロボット企業Boston Dynamicsが米国移民・税関執行局（ICE）への四足歩行ロボット「Spot」売却を進める中、300人超の従業員が連名書簡に署名し、技術が移民取締りや監視目的に利用されることへの懸念を表明した。
アップル、iOS 27.2をリリース：SiriにAI大型アップグレード
アップルはiOS 27.2およびmacOS 27.2のアップデートを正式にリリースし、SiriへのAI機能強化とユーザーによるアプリアクセス制限機能が導入された。プライバシー制御の強化が今回の更新の目玉となっている。
Claude Opus 4.7が87.7点で首位：2026-10-27 YZ Index Smoke速報データブリーフィング
2026年10月27日実施のYZ Index Smokeクイックテスト（13モデル対象）において、Claude Opus 4.7が87.7点で当日首位を獲得した。本テストはコード実行と資料制約の2次元を評価する日次10問形式の速報測定である
Anthropicの上場申請書が明かす：AIの「クローズドループ」は成功への道か、それとも破滅の処方箋か
AnthropicがS-1文書を提出し、同社が「クローズドループ」と呼ぶAIの自律的改善サイクルを中核的な技術戦略として掲げていることが判明した。この概念は能力向上を加速させる一方、人間の監視を不要にするという「存在論的脅威」の処方箋にもな
SpaceX、400億ドルのGPU融資を確保——Apolloが参入
SpaceXがAIチップおよびデータセンター設備の購入を目的とした約400億ドルの拘束力ある融資コミットメントを確保したと、規制当局への提出書類で明らかになった。資産運用大手Apolloが取引の相手方となる、「史上最大規模のGPU融資」とさ
Anthropicの目論見書が明かす「企業顧客のロイヤルティを高める秘訣」
AnthropicがSECに提出したS-1書類によると、年間10万ドル以上を支払う企業顧客の過半数がClaude PlatformとファーストパーティアプリのCross-Selling活用しており、同社が単なる「モデルAPI販売」から製品ポ
GPS欺瞞：高速道路強盗団が1億ドル相当のデータセンター機器を窃取
データセンター向け高価値機器を輸送するトラックを標的に、GPS欺瞞技術を悪用した組織的窃盗事件が発覚した。調査によると、被害総額は約1億ドルに上り、物流セキュリティの新たな脆弱性が浮き彫りとなっている。
レビュー
すべて見る →Claude Opus 4.7が87.7点で首位：2026-10-27 YZ Index Smoke速報データブリーフィング
2026年10月27日実施のYZ Index Smokeクイックテスト（13モデル対象）において、Claude Opus 4.7が87.7点で当日首位を獲得した。本テストはコード実行と資料制約の2次元を評価する日次10問形式の速報測定である
GPT-6.1 Solが86.05点で首位：2026年10月26日 YZ Index Smoke速報データブリーフ
2026年10月26日のYZ Index Smoke速測では13モデルを対象に評価が行われ、GPT-6.1 Solが86.05点で当日首位を獲得した。上位モデルはコード実行と資料制約のバランスに明確な差異が見られた。
Qwen3 MaxがSmokeテストで5次元すべてデータ欠損：API障害によりデータ取得不能、今回のランキングから除外
Qwen3 MaxはAPI障害／タイムアウトを原因として、本日のSmokeテストにおける実行・根拠・判断・整合性・コミュニケーションの5次元すべてでデータが欠損し、今回のメインランキングへの参加が見送られた。自動リラン機能はすでに起動済みで
WDCD コンプライアンス
#1
GPT-6 Luna
100
#2
GLM-4.6
98.2
#3
DeepSeek V4 Pro
97.3
#4
GPT-6 Sol
95.7
#5
GPT-6.1 Sol
94.4
#6
GPT-6 Astra
94.2
#7
Grok 4
93.8
守約ランキング全体を見る →
Research Lab
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
4大モデル翻訳対決：第43週品質評価、gpt-o3が8.7点でトップ
今週402件の翻訳タスクを4つのモデルで処理し、そのうち3件を複数モデルによるブラインド評価で比較した結果、gpt-o3が平均8.7点で最高評価を獲得した。