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
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
最新ニュース
すべてのニュースを見る →ヒューマノイドロボット初の上場企業：Agilityは買いか？
2026年11月5日、ヒューマノイドロボット企業Agilityがナスダックに上場し、「純粋なヒューマノイドロボット」を主軸事業とする世界初の上場企業となった。公開市場における同社の価値と投資判断のポイントを分析する。
YCスタートアップが100万ドルの懸賞金を設立、AIマテリアルサイエンス5大難問の解決を募集
YCバックドのスタートアップ「Discovered Materials」が、AIを活用したチップ材料探索に取り組みながら、未解決のマテリアルサイエンス5問題に各20万ドル、総額100万ドルの懸賞金を設立した。このオープンイノベーションの試み
OpenAI社長：2026年上半期は「非常に厳しかった」、Q3年換算売上高は約700億ドルに迫り企業向け収益が初めて消費者向けを超過
OpenAIのGreg Brockman社長は、2026年上半期の業績が「非常に厳しかった」と認めつつも、Q3の年換算売上高が約700億ドルに達し、企業向けB2B収益が初めて全体の50%を超えたと発表した。同日、JPモルガン・チェースとの企
AIの欠点を暴くインフルエンサー、なぜOpenAIが自ら協力を求めたのか
AIチャットボットの「粗探し」で知られるインフルエンサー「Husk」が、OpenAIやAnthropicなど大手AI企業から相次いでコンタクトを受けている。批判者を「取り込む」動きの背景には、AI業界が抱える深刻な信頼危機がある。
AIの次なる偉業：イルカの言葉を理解できるか？
大規模言語モデルが人間との会話を流暢にこなす今、科学者たちはAIを用いてイルカのコミュニケーション解読に挑んでいる。Wild Dolphin Projectが蓄積した約40年分の音声・映像データに機械学習を適用し、種の壁を超えた対話の可能性
アジリティ・ロボティクスがナスダックに上場、ヒューマノイドロボットが商業化の大きな試練に直面
米国のアジリティ・ロボティクス（Agility Robotics）がナスダックに上場し、米国初のIPOを果たしたヒューマノイドロボット企業となった。同社の市場デビューは一企業の評価額にとどまらず、ヒューマノイドロボット業界全体の商業化能力を
GoogleがAnthropicの196億ドル算力リース契約を保証——三重の立場が利益相反を引き起こす
Googleはデータセンター運営会社TeraWulfに提出した書類の中で、Anthropicのケンタッキー州における総額196億ドル・20年間の算力リース契約に対して信用保証を行ったことを明らかにした。この保証にはTPU使用義務条項が含まれ
米エネルギーインフラ規制緩和法案、上院採決へ
米国上院は11月9日、エネルギーインフラ整備の加速を目的とした超党派法案「BAAJA」の採決を予定している。審査手続きの簡素化による許認可遅延の解消が期待されるが、その効果は条項の詳細と執行力にかかっている。
ClaudeがXenの二重VM脱出脆弱性を発見——バージョン4.6〜4.16に公式パッチなし
Xenプロジェクトがセキュリティ勧告XSA-523を公開し、grant-copyメカニズムに存在する2件の深刻な脆弱性（CVE-2026-102703、CVE-2026-102704）を披露した。ClaudeがコミットログでAI支援として記
OpenAI GPT-6 Astraの安全テスト完了率わずか10%――監視システムの機能不全がベンチマーク信頼性危機を招く
OpenAIの研究者が発表した報告書により、GPT-6 Astraが「安全研究」と標記されたプログラミングタスクの完了率がわずか10%であること、また思考連鎖（Chain of Thought）の監視可能性が大幅に低下していることが判明した
Moonshot AIがKimi K3.1 Proの攻撃能力を公開定量化：脆弱性悪用率は81%に低下も、自社テストは独立検証を受けず
Moonshot AIは2026年11月4日にKimi K3.1 Proの完全モデルウェイトを公開し、安全処理後の脆弱性悪用率が90.5%から81.0%に低下したと発表した。ただし、この結果はロイターの報道によれば独立機関による検証を受けて
アップル、社内AI予算を大幅削減か――業界へのシグナルとは
アップルがエンジニアリングチームのAIツール向け予算を大幅に削減していると報じられた。AI投資が過熱する業界の流れに逆行するこの動きが注目を集めている。
レビュー
すべて見る →AIの安全性に「組み合わせ可能性」を前提とすべきでない：デプロイには独立したテストが必要
デプロイされたAIシステムの安全性は基盤モデルの評価結果とは大きく異なる場合があり、システムプロンプトや微調整などの変更後は独立したテストが不可欠であることを、研究知見をもとに論じた記事。
MLCommonsがAILuminate Safety 1.2.1とJailbreak 1.1ベンチマークを公開
MLCommonsは、AIシステムの有害コンテンツ生成傾向と攻撃への耐性を測定するAILuminate Safety 1.2.1およびAILuminate Jailbreak 1.1ベンチマークを公開し、27システムの評価結果とともにオンデ
Candela 発表：AIリスクベンチマークテストのサービス化
MLCommonsが、AIリスクと信頼性に特化したベンチマークテストサービス「Candela」を正式リリースした。AILuminateベンチマークを通じて、モデル開発から企業導入まで幅広いシナリオを評価できる。
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
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。
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
WinzhengのWDCDベンチマークRun #406において、Gemini 3.1 Proが唯一の制約強化モデルとして91.0点で首位を獲得。15モデルのコホート平均は指示減衰率-9.3%を記録した