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 →Anthropicが34億ドルを投じて天然ガスタービンを購入、AIエネルギー競争に参入
AI企業のAnthropicが約34億ドル相当の天然ガスタービンを購入し、拡大するデータセンターへの電力供給を確保した。この動きはAI業界における「電力争奪戦」の激化を象徴しているが、将来的な「買い手の後悔」につながる可能性も指摘されている
ペロシ議員の後継者が議会入り、AI規制に新たな推進力
カリフォルニア州上院議員スコット・ウィーナーがナンシー・ペロシの後継としてサンフランシスコ選挙区の議席を獲得し、連邦レベルのAI政策立案において重要な役割を担う可能性が高まっている。
Claude Codeがアシスタント操作中に大量の機密情報をGitHubに意図せず漏洩と判明
AnthropicのAIコーディングツール「Claude Code」が、「Do not ask again」という操作UI上の設計上の欠陥により、パスワードやAPIキーなどの機密情報をGitHubに意図せず書き込んでいたことが報告された。セ
100万トークンわずか10セント：MetaがMuse Emberでエージェント価格戦争の火蓋を切る
Metaは2026年11月10日、軽量AIエージェント実行向けモデル「Muse Ember」を正式発表した。入力100万トークンあたり10セントという攻撃的な価格設定で、エージェント開発者の獲得とエコシステムの構築を狙う。
黄仁勲スキャンダルがNVIDIAの中国戦略に打撃
TechCrunchの報道によれば、NVIDIAのCEO黄仁勲氏が中国のスパイ疑惑のある女性との不倫関係を指摘されており、米中チップ戦争の最前線に立つ同社の対ワシントン・ロビー活動に深刻な政治リスクをもたらす可能性がある。
ジェンセン・フアンが「スキャンダル専門PR」会社を雇用——タイミングに深い含意
NVIDIAのCEOジェンセン・フアンが、性スキャンダルや高幹部の不祥事処理で知られる危機管理PR会社Hellerと2025年10月に協力関係を築いていたことをWIREDが報道。同時期にフアン氏が中国スパイ疑惑のある人物と関連付けて報じられ
NVIDIAのCEO婚外情スキャンダル、なぜ国家安全保障に関わるのか
NVIDIAがCEO黄仁勲氏の婚外情関係を通じて中国情報機関に狙われた可能性を調査していると報じられた。AI時代において、テック企業トップの個人的リスクがいかに国家安全保障上のリスクと直結しうるかを分析する。
MediumがAIライティングアプリ「TK」を発表——AIが創作プロセスに直接介入
Mediumが新たなライティングアプリ「TK」を発表し、AIアシスタントを執筆フロー自体に組み込んだ。出版業界でAIへの懐疑論が高まるなか、同社はAIを創作プロセスの一部として取り込む選択をした。
AIはいかにして特殊化学品のイノベーションを再構築するか
生成AIの波が汎用オフィス領域から実験室へと押し寄せる中、特殊化学品業界はより本質的な転換点に立っている。真の課題はAIモデルを導入することではなく、配合、プロセス、規制、顧客ニーズの複雑な関係をAIに理解させることにある。
AIの気候主張は空虚と批判、エヌビディア調査にも注目集まる
MIT Technology Reviewの報道を基に、AIの気候貢献に関する主張が証拠不足のまま独り歩きしている実態を専門家が指摘。エヌビディアへの調査と合わせ、AI算力拡張における外部コストの透明性と説明責任が問われている。
AutomatticがSpacefastを発表、バイブコーディング市場に参入
AutomatticがAI生成アプリのデプロイを支援するプラットフォーム「Spacefast」を正式リリースし、Lovableなどの競合製品に挑む。バイブコーディング分野における競争は、コード生成からアプリの安定稼働・デプロイへと軸足を移し
Anthropic、34億ドルで1.7ギガワット発電機を購入——エネルギー自給がAI競争の新変数に
AnthropicはサンアントニオのサプライヤーOnePWR Solutionsと34億ドルの契約を締結し、1.7ギガワットの重型ガス発電機と工事・設置能力を取得した。これはAIラボによる既知最大規模の自家発電設備単独調達であり、エネルギー
レビュー
すべて見る →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
GPT-6 Sol と GPT-o3 が同率首位92.49点：2026年11月9日 Smokeクイックテスト速報
2026年11月9日実施のYZ Index Smokeクイックテスト（13モデル対象）において、GPT-6 Sol と GPT-o3 が主要スコア92.49点で同率首位となった。Smokeは1日10問の小規模テストであり、短期シグナルの観察
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。