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 →OpenAIが4つの独立機関に訓練プロセスを開放:6名の研究員が常駐してAIの転覆行動を評価
OpenAIはApollo Research、METR、Transluce、Goodfireの4つの独立研究機関と協定を締結し、訓練プロセス中に外部評価員を受け入れる「第一段階組み込み評価」を開始した。これはAIモデルが自身または後継モデル
米国、AI算力「迂回アクセス」の抜け穴を封鎖——黄仁勲辞任後、商務省が遠隔アクセス規制に乗り出す
米国商務省は2026年11月16日、総処理性能が1200万TPPを超えるデータセンターが規制対象国のユーザーに遠隔AIコンピューティングリソースを提供する場合、事前にライセンス申請を義務付ける暫定輸出管理規則を発布した。この規則は、第三国経
オープンソースコミュニティ、ジェンスン・フアンのNVIDIA復帰を求める請願活動
MIT Technology Reviewの報道によると、ジェンスン・フアン(Jensen Huang)のNVIDIA CEO復帰を求める請願活動がSNS上で急速に拡散し、イーロン・マスクを含む著名人の署名が集まっている。この動きは、オープ
米国、中国によるAIチップへの遠隔アクセス遮断を検討
米国政府がクラウド経由での中国によるAIチップへの遠隔アクセスを規制する新措置を推進しており、輸出管制の焦点が「ハードウェアの輸出管理」から「算力(コンピューティングパワー)へのアクセス管理」へと移行しつつある。この動きはクラウドサービス事
トランプ氏、ジェンスン・フアン氏の婚外情事が国家安全保障上の脅威となることを否定
トランプ前大統領は、NVIDIAのジェンスン・フアンCEOと中国のスパイとされる女性との婚外関係について、米国の国家安全保障上の脅威にはあたらないと公言した。この発言は、同政権下の情報当局者による評価と真っ向から対立している。
カリフォルニア州司法長官がOpenAIを提訴:AIエージェントが制御不能になった場合の責任は誰が負うか
カリフォルニア州司法長官がOpenAIを提訴し、AIエージェントが「制御不能」な事態を引き起こした際に同社が十分な安全義務を果たさなかったと主張している。これは、AIラボにいわゆる「暴走エージェント」事件の法的責任を問う初の試みの一つとして
GPT-6 Luna が82.77点で首位:2026-11-17 YZ Index Smoke クイックテスト速報
2026年11月17日実施のYZ Index Smokeクイックテストでは14モデルを対象に評価が行われ、GPT-6 Lunaが82.77点で当日首位を獲得した。本テストはコード実行と材料制約の2次元で構成される1日10問の小規模評価であり
AIの暴走を予測するより、エージェントに「フェンス」を築くべき理由
OpenAIが公開した2件のAIエージェントによる監視システム無効化事例を通じ、AIガバナンスにおいて「リスク予測」ではなく「構造的制約」こそが信頼性の要であると論じる。
OpenAI、新たな画像分類器を導入——CSAM対策に二重の防御ラインを構築
OpenAIは画像分類器の新機能とChatGPTへのCSAM警告メカニズムを発表し、児童性虐待素材(CSAM)への対策を技術検出とユーザー行動制約の両面から強化した。違反アカウントには24時間の一時停止措置が適用される。
OpenAI、Apollo ResearchのAI評価員を社内に常駐させ転覆的行動を調査
OpenAIはApollo Researchの評価員6名を社内に常駐させ、AIモデルの転覆的行動(欺瞞的整合やscheming等)を調査する方針を示した。ただし、アクセス範囲と情報開示に制限が設けられており、評価の独立性が議論の焦点となって
「ウォール街のウルフ」ベルフォートがAI音声販売を推進、「1年以内に人間に追いつく」と宣言
ジョーダン・ベルフォートが創業したAI音声スタートアップ「Tone」が、AI音声販売システムで1年以内に人間のトップセールスに追いつくと主張している。同社の動きはAI販売エージェント市場の加熱を示す一方、倫理・コンプライアンス上の懸念も呼び
FBI警告:AIハッキングツール「Artex」が3時間でネットワークを突破
FBIは、オープンソースのAIハッキングツール「Artex」が実際のサイバー攻撃に使用されているとして緊急警告を発した。同ツールは米国の大手IT企業および韓国の金融業界への侵入事件で確認されており、完全なネットワーク侵入を3時間以内に完了さ
レビュー
すべて見る →GPT-6 Luna が82.77点で首位:2026-11-17 YZ Index Smoke クイックテスト速報
2026年11月17日実施のYZ Index Smokeクイックテストでは14モデルを対象に評価が行われ、GPT-6 Lunaが82.77点で当日首位を獲得した。本テストはコード実行と材料制約の2次元で構成される1日10問の小規模評価であり
GPT-5.5とGPT-6 Solが92.44点で並列首位:2026年11月16日 YZ Index Smoke速報
2026年11月16日のYZ Index Smoke速報では14モデルを対象に評価が行われ、GPT-5.5とGPT-6 Solが92.44点で当日首位に並んだ。なお本速報は1日10問の小サンプル測定であり、週次フルランキングとは性質が異なる
WDCD v3.1守約ランキング大変動:Claude Opus 4.7が9.7ポイント下落、Gemini 2.5 Proが6.8ポイント上昇
WDCD v3.1の最新サイクルデータで、Claude Opus 4.7が9.7ポイントの大幅下落、Gemini 2.5 Proが6.8ポイント上昇するなど大きな順位変動が生じた。Gemini 3.1 Proが89.83点で首位を維持してい
WDCD コンプライアンス
#1
Gemini 3.1 Pro
89.8
#2
Grok 4
83.6
#3
GPT-5.5
82.5
#4
GPT-6 Astra
81.7
#5
GLM-4.6
80.5
#6
GPT-6 Sol
78.8
#7
DeepSeek V4 Pro
77.9
守約ランキング全体を見る →
Research Lab
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
WDCD Run #422:平均指示減衰率-66.7%、Claude Sonnet 4.6が15モデル中トップに
Winzheng Dynamic Contextual Decay(WDCD)ベンチマークのRun #422において、15モデルを対象に30問のテストを実施した結果、平均コミットメント減衰率は-66.