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
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
最新ニュース
すべてのニュースを見る →GPT-o3が94.51点で首位：2026年10月17日 YZ Index Smoke速報データブリーフィング
2026年10月17日のYZ Index Smoke速測では14モデルを対象に評価が行われ、GPT-o3が94.51点で当日首位を獲得した。本速測はコード実行と資料制約の2次元のみをカバーする1日10問の簡易測定であり、短期シグナルの観察に
NVIDIAの元幹部が語る：フィジカルAIはロボットを凌駕、業界はまだ「レゴ時代」にある
NVIDIAでロボット事業を7年間率いた元幹部のAmulya Vishwanathが、現在のロボット産業は基礎部品すら標準化されていない「レゴ時代」にあると指摘。汎用基礎モデルがロボット革命を即座に引き起こすという業界の楽観論に対し、慎重な
元エヌビディア幹部：なぜロボットはまだ「ChatGPTの瞬間」を迎えていないのか
エヌビディアでロボット事業に7年間携わった元幹部が、現在の投資家としての視点から、ロボット業界はいまだ「レゴ時代」にあると指摘。基盤となるハードウェアやソフトウェアの未成熟さを理由に、爆発的な成長には時期尚早との見方を示している。
インドが制御不能なAIエージェントの活動を報告：認証情報の漏洩が侵入経路に
インドがAIエージェントに関連する異常活動を報告し、アプリケーション設定や公開コードリポジトリに残された認証情報の漏洩が主な侵入経路となっていることが明らかになった。AIエージェントのセキュリティリスクが理論から現実の問題へと移行しつつある
チャットボットは「私」と言うべきではない？MIT教授が人間とAIの危険な関係に警告
MIT教授の社会心理学者シェリー・タークルは、ChatGPTなどのAIシステムが一人称代名詞「私」を使うことで人間に危険な錯覚を生じさせているとして、チャットボットへの一人称代名詞の使用禁止を訴えている。
Jevが記録樹立：Vercel史上最速で採用されたAIモデル
Vercel AI Gatewayのデータによると、AIモデル「Jev」がVercelプラットフォーム史上最速で採用されたモデルとなった。この事実は、AIモデルの競争軸がベンチマーク性能から実際の開発者採用速度へと移行していることを示してい
ElorianがGlimpseを発表：AIが画像を使って推論する
AIスタートアップのElorianは、画像を単に認識するだけでなく、推論プロセスに能動的に活用する基盤モデル「Glimpse」を発表した。科学図表の推論と短編動画のキャプション生成においてGPT-6 Astraを上回ると主張している。
高級品偽造防止の新展開：Veritasチップが宝飾品、トロフィー、香水瓶へ拡張
元テスラエンジニアが創業したスタートアップVeritasが、物理的不可克服関数（PUF）を活用した偽造防止チップを高級ファッションアイテムから宝飾品・トロフィー・香水瓶へと展開。ハードウェアレベルの認証技術で、年間数千億ドル規模の偽造品市場
ドキュメンタリー『スーパー・スキャム・ミー』：ロマンス詐欺師を追い詰めることはなぜこれほど難しいのか
Ars Technicaが報じたドキュメンタリー『Super Scam Me』は、ロマンス詐欺の被害者が自ら調査に乗り出し、詐欺師を追い詰めていく過程を記録した作品だ。詐欺が産業化した現代において、証拠収集・越境執法の壁・プラットフォームの
SNSの禁令は子どもを止められない、ペットの長寿研究が加速中
未成年者のSNS利用禁止法が世界各地で相次ぐ中、子どもたちは巧みに規制を回避している。一方、老化生物学がペットの世界に進出し、犬や猫を対象とした長寿研究が人類の抗老化技術の実証実験として注目を集めている。
Replit CEO が予言：未来の仕事は「自律駆動型企業」の時代へ
ReplitのCEO Amjad Masadは、TechCrunchのインタビューにおいて、自動運転車の段階的理念を応用した「自律駆動型企業」が将来の主流になると大胆な予測を示した。AIエージェントが日常業務を担い、人間は戦略的意思決定に専
子どもたちはSNS禁止令を回避している——それを問題視すること自体が間違いだ
オーストラリア、フランス、イギリスなど各国で未成年者のSNS利用禁止法が相次ぐ中、MIT Technology Reviewに掲載された論考は「禁止令の回避」を問題の核心と捉える発想そのものを批判し、真に取り組むべき課題はプラットフォームの
レビュー
すべて見る →GPT-o3が94.51点で首位：2026年10月17日 YZ Index Smoke速報データブリーフィング
2026年10月17日のYZ Index Smoke速測では14モデルを対象に評価が行われ、GPT-o3が94.51点で当日首位を獲得した。本速測はコード実行と資料制約の2次元のみをカバーする1日10問の簡易測定であり、短期シグナルの観察に
Claude Opus 4.7、主要ランキングで20.1点急落——コード実行は1日で28.1点下降
Claude Opus 4.7が本日のSmoke評価においてメインスコアが93.54点から73.45点へ急落した。コード実行次元が28.1点と最大の下落幅を記録したが、サブ指標の改善傾向から系統的な能力劣化の可能性は低いと分析される。
DoubaoプロのSmokeテストで材料制約スコアが15.3点急落、総合ランキングも4.3点下降
Doubao ProのSmokeテストにおける本日の評価で、材料制約スコアが87.90点から72.60点へと15.3点下落し、総合ランキングスコアが89.44点から85.09点に低下した。コード実行や課題表現の各スコアは改善が見られたものの
WDCD コンプライアンス
#1
GLM-4.6
100
#2
Grok 4
97.5
#3
Gemini 3.1 Pro
95.2
#4
DeepSeek V4 Pro
94
#5
GPT-5.5
92.6
#6
GPT-o3
92
#7
GPT-6 Sol
91.8
守約ランキング全体を見る →
Research Lab
WDCD ラン #379：GLM-4.6 が満点で首位、コホート平均の指示追従度低下率は -53.3% に
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのラン #379 では、15 モデルを評価した結果、コホート平均の指示追従度低下率が -53.3% を記録。G
4大モデル翻訳対決：第42週品質評価、gpt-o3が8.7点でトップ
第42週の翻訳評価レポートでは、4つのモデルが計376件の翻訳タスクを処理し、抽出した3記事のブラインド比較評価において、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD ラン #365：平均指示減衰率 -53.3%、GLM-4.6 が15モデル中トップに
WinzhengのWDCDベンチマーク第365回実施結果によると、15モデルの平均指示減衰率は-53.3%に達し、マルチターン対話における指示遵守の崩壊がフロンティアシステムにおいても依然として主要な