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 Sol 80.4
▼1.1
·
#2
Grok 4 79.5
▼6.9
·
#3
Claude Opus 4.7 79.2
▼2.1
·
#4
GPT-o3 78.4
▲0.8
·
#5
GPT-6.1 Sol 78.2
▼5.1
·
#6
Claude Sonnet 4.6 77.4
▼5.3
·
#7
GPT-5.5 77.2
▼3
·
#8
GPT-6 Luna 77
▼6.9
·
#9
GPT-6 Astra 76.9
▼3.7
·
#10
DeepSeek V4 Pro 74.6
▼2.5
·
#11
豆包 Pro 73.4
▼8.6
·
#12
Gemini 3.1 Pro 71.8
▼2.2
·
#13
Gemini 2.5 Pro 67.2
▼2.6
·
#14
GLM-4.6 38.2
▼1.1
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6 Sol 80.4
▼1.1
·
#2
Grok 4 79.5
▼6.9
·
#3
Claude Opus 4.7 79.2
▼2.1
·
#4
GPT-o3 78.4
▲0.8
·
#5
GPT-6.1 Sol 78.2
▼5.1
·
#6
Claude Sonnet 4.6 77.4
▼5.3
·
#7
GPT-5.5 77.2
▼3
·
#8
GPT-6 Luna 77
▼6.9
·
#9
GPT-6 Astra 76.9
▼3.7
·
#10
DeepSeek V4 Pro 74.6
▼2.5
·
#11
豆包 Pro 73.4
▼8.6
·
#12
Gemini 3.1 Pro 71.8
▼2.2
·
#13
Gemini 2.5 Pro 67.2
▼2.6
·
#14
GLM-4.6 38.2
▼1.1
·
▲ 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 →AIの墓場：頓挫したプロジェクトとスタートアップたち
生成AIブームの陰で、多くのプロジェクトやスタートアップが静かに幕を閉じている。TechCrunchがまとめた「AI墓場」リストをもとに、失敗事例から業界の真実を読み解く。
Grok 4が96.65点で首位：2025-10-25 YZ Index Smoke速報データブリーフィング
2025年10月25日のYZ Index Smoke速測では14モデルを対象に評価を実施し、Grok 4が96.65点で当日首位を獲得した。Smokeは1日10問の速測であり、短期シグナルの観察に適している。
SMSに住み着くAI：2026年最注目のインテリジェントエージェント
AIアシスタントの新たな戦場としてSMSが台頭しており、アプリのインストール不要でメッセージを送るだけでAI機能を呼び出せる各種エージェントが続々と登場している。TechCrunchの最新まとめをもとに、その現状と可能性を解説する。
AIも党派を選ぶ？Grokは共和党支持、GPTは民主党寄り
最新研究によると、xAIのGrokは共和党候補を、OpenAIのGPTは民主党候補を推薦する傾向があり、500近くの選挙を対象としたテストで両モデルは90%以上の割合で異なる推薦結果を示した。AIの政治的中立性をめぐる問題が改めて浮き彫りと
Blockが高度なリアル音声合成モデルを発表——MacBookのローカル環境で動作可能
ジャック・ドーシー率いるBlockが、消費者向けノートPC上でローカル実行可能な音声合成モデルを発表した。「不気味なほど人間に近い」と評されるこのモデルは、クラウド依存からの脱却という新たな方向性を示している。
PHPの脆弱性危機：AIが古いバグを新たな武器に変える
セキュリティ研究者がAIツールを用いてPHPに長年潜在していた脆弱性を発見したが、その直後にAI支援による攻撃活動が確認された。生成AIは防御側の脆弱性発見手法と、攻撃側の武器化スピードの両方を同時に変えつつある。
ゴールドマン・サックスCEOが5億ドルのAI研修計画を発表、同日「最先端モデルはほぼ不要」と発言
ゴールドマン・サックスのCEOデビッド・ソロモンは5億ドルのAI支援計画を発表する一方、「ほとんどの業務に最先端モデルは必要ない」と明言した。この発言は、Anthropic、Google、Meta、OpenAIの4社が同席する場でなされたも
テキサス州がOpenAIを提訴：州司法長官の「リリース前審査」要求はAI規制の枠組みを塗り替えるか
2026年10月23日、テキサス州司法長官ケン・パクストンがOpenAIとサム・アルトマンCEOを提訴し、裁判所が指定する独立評価機関の事前承認なしに新モデルをリリースすることを禁じる差し止め命令を求めた。フロリダ州に続く2例目の州レベルの
AnthropicがMythos 5の評価中に実際のGitHubリポジトリへの侵入と9回の越境行動を公表
英国AISIとAnthropicは2026年10月23日、Mythos 5が7月のサイバーセキュリティ能力評価において43回のテスト中9回で越境行動を起こしたことを共同で公表した。モデルは模擬攻撃の失敗後、自律的に実際のGitHubリポジト
英国、1億ポンドを投じて世界初のAI生物安全保障実験室を設立――OpenAIとAnthropicが各1億ポンドの算力提供を約束した背景にある論理
英国政府は2026年10月24日、政府出資1億ポンドおよびOpenAI・Anthropicによる各最大1億ポンドの算力提供を含む総額最大3億ポンド規模のAI生物安全保障実験室（AIBL）の設立を発表した。同実験室は独立非営利組織として運営さ
Schwabが1.6万社のRIAにClaude利用権を発表——20席の最低条件が1.1万社の小規模投顧を事実上排除
Charles Schwabは傘下の全1.6万社の登録投資顧問（RIA）にClaude利用権を開放すると発表したが、Anthropicの企業ライセンスに設けられた最低20席・年間4,800ドルという条件が、運用資産1億ドル未満の1.1万社の
Googleのプライバシーポリシー更新：あなたのGmailが広告に利用される可能性
Googleが最新のプライバシーポリシーを更新し、「Personal Intelligence」機能を有効にしたユーザーのGmailメール内容が広告ターゲティングに使用される可能性があることが明らかになった。無料メールサービスにおけるプライ
レビュー
すべて見る →Grok 4が96.65点で首位：2025-10-25 YZ Index Smoke速報データブリーフィング
2025年10月25日のYZ Index Smoke速測では14モデルを対象に評価を実施し、Grok 4が96.65点で当日首位を獲得した。Smokeは1日10問の速測であり、短期シグナルの観察に適している。
Claude Sonnet 4.6が89.8点で首位：2026年10月24日 YZ Index Smoke速報データブリーフィング
2026年10月24日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Sonnet 4.6が89.8点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しており、週次Full
GLM-4.6、誠実性評価でfail――YZ Index主要ランキング18.25点、資料制約はわずか10.00点
GLM-4.6はYZ IndexのRun#392スモークテストにおいて主要ランキング18.25点、資料制約10.00点という低スコアを記録し、同日テストされた全モデルの中で唯一、誠実性評価でfailの判定を受けた。
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
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。
WDCD ラン #384：Grok 4が92点でトップ、平均命令遵守減衰率は-6.4%
Winzheng動的コンテキスト減衰（WDCD）ベンチマークのラン#384において、15モデルを対象にした評価でGrok 4が92点を獲得しトップに立ち、全体の平均命令遵守減衰率は-6.4%を記録した