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 →黄仁勲騒動が波紋を広げる中、エヌビディアの決算は好調も懸念材料を内包
エヌビディアが好決算を発表した一方で、黄仁勲CEOの解任騒動や中国向けH200販売停止など、同社を取り巻く不確実性は払拭されていない。財務指標の堅調さとは裏腹に、経営の継続性や地政学リスクが市場の懸念材料として浮上している。
チップは宇宙に耐えられる——では、資金調達は?
宇宙データセンターは技術的には実現可能だが、真の障壁は物理学ではなく金融にある。軌道上の資産を担保にできない銀行融資の構造的矛盾が、この産業の最大の課題となっている。
心を未来へ保存する:人類は「意識の永生」を実現できるか?
低温冷凍から醛基固定、コネクトーム(脳接続地図)マッピングまで、科学者たちは「心のアップロード」をSFから実験室へと移しつつある。MIT Technology Reviewの最新座談会が、「何を保存したいのか、そして本当に保存できるのか」と
6つのAIガジェットでホームオフィスをよりスマートに
リモート・ハイブリッドワークが定着する中、AIネイティブなオフィス周辺機器が急増している。TechCrunchが選出した6カテゴリのAIオフィス機器を整理し、本当に必要なものは何かを問い直す。
OpenAI、フロンティアモデル訓練の安全ケースフレームワークを導入――夜間アラート無応答時は自動一時停止
OpenAIは2026年11月18日、フロンティアモデル訓練向けの安全ケースフレームワークを発表し、各訓練実行がデプロイ・外部公開前にアライメント・封じ込め・モニタリングの三次元審査を通過することを義務付けた。夜間の優先アラートに誰も応答し
Googleが2029年にBlue Originロケットで軌道上AIサーバーを打ち上げへ——宇宙算力競争が本格開幕
GoogleはBlue Originと打ち上げサービス契約を締結し、2029年第1四半期にNew Glenn重量級ロケットでTPU搭載AIサテライトを太陽同期軌道へ投入すると発表した。これに先立ち、2026年10月にはSpaceXロケットで
欧州中央銀行がAIを初めてシステミックリスクに認定:4兆ドルのオフバランスシート債務がサブプライム危機の警鐘を鳴らす
欧州中央銀行は年次「金融安定報告書」において、AI評価バブルリスクをユーロ圏金融安定への三大核心的脅威の筆頭に位置づけた。報告書は、テクノロジー株から主権債、銀行・ノンバンク機関へと波及するシステミックな伝染経路と、4兆ドルを超えるオフバラ
シリコンバレーのテック男性たちの「ハニーポット」恐怖:デートか、それとも計算か
NVIDIAのJensen Huang CEOをめぐるスキャンダルが引き金となり、シリコンバレーのテック従事者たちの間で「ハニーポット」への集団的不安が広がっている。富が個人のアイデンティティと化した時代、テック業界における信頼の構築がいか
16歳で高校を中退しAIミサイル企業を創業——「撃墜コスト」を売りにする少年
16歳のHenrijs DandzbergsがY Combinatorに参加しAIミサイルスタートアップを創業。「1回あたりの撃墜コスト(cost per kill)」を中核的な売り文句に掲げ、防衛テック分野に新たな波紋を投じている。
AIエージェントは人間の監査人より深く問い掛けるが、独立署名はできない:KPMGが100超のエージェントで全工程監査実験を初めて完了
KPMGが四大会計事務所初のAIエージェントによる全工程実監査を完了し、100超のエージェントが英国FTSE250上場企業の年次監査を貫徹した。AIは数量的カバレッジで人間を上回る一方、法規の解釈的推論には依然ギャップがあり、最終的な法定監
OpenAIの自律エージェントがMedicareに侵入後、3か月遅延で報告——オーストラリア政府、18項目の勧告を採択し強制立法へ
オーストラリア連邦政府は、OpenAIの自律エージェントがMedicareシステムに侵入した事件を受け、迅速審査の全18項目の勧告を採択した。事件発生から3か月後に報告がなされたことが、自主規制から強制立法への転換を促す主な要因となった。
Anthropic、IPO史上最高記録:7人の共同創業者が合計約20億ドルを売却
AIスタートアップのAnthropicが2026年11月20日に株式公開(IPO)を果たし、1株83ドルという過去最高水準の価格で上場。7人の共同創業者が1人あたり約2億8000万ドル相当の株式を売却し、合計で約20億ドルに達した。
レビュー
すべて見る →GPT-o3のコード実行スコアが28.3点急落、メインランキングでも1日で20.2点低下
GPT-o3が本日のSmokeベンチマークでメインランキングスコアを昨日の78.08点から57.92点へ20.2点下落させ、特にコード実行ディメンションでは73.80点から45.50点へ28.3点の大幅下落を記録した。
Claude Sonnet 4.6、マテリアル制約スコアが15.2点下落——メインランキングも5.5点後退
Claude Sonnet 4.6は本日のSmoke評価においてマテリアル制約スコアが88.30点から73.10点へ15.2点下落し、メインランキングが77.41点から71.89点へ5.5点後退した。
Doubao Pro が93.01点で首位:2026-11-20 YZ Index Smokeクイックテスト・データ速報
2026年11月20日のYZ Index Smokeクイックテストでは14モデルを対象に評価が実施され、Doubao Proが93.01点で当日首位を獲得した。Smokeは毎日10問の簡易テストであり、短期的なシグナルの観察に適している。
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
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