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 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ 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の安全性は「終末シナリオ」だけを見ていてはいけない――日常的な危害こそ警戒すべき
AI安全性の議論が「超知能の暴走」などの破局的リスクに集中する一方、推薦アルゴリズムによる不安の増幅や未成年者への有害コンテンツ露出といった日常的な危害が見過ごされているとMIT Technology Reviewが指摘。真に責任ある技術政
SKテレコム、AIガバナンスレポートを発表——AIエージェントに社員番号を付与
SKテレコムは2026年10月26日、初のAIガバナンスレポートを発表し、社内AIエージェントに社員番号を正式付与する制度を導入した。エージェントの役割・上長・稼働状態・トークン使用量・業務履歴を体系的に記録し、高度自律エージェントには人間
IBMのCEO、決算説明会で発言：オープンソース重みモデルは1割のコストで9割の性能、フロンティアAPI課金モデルの論拠が崩れつつある
IBMのCEOアービンド・クリシュナは第3四半期決算説明会において、オープンソース重みモデルの推論コストはフロンティアクローズドソースモデルの10〜25%にすぎないにもかかわらず、性能はその90%に達すると述べた。この発言は、企業のAI調達
悪態もつく二か国語AIパーソナリティ、移民たちの味方に
AIが駆動する二か国語ラジオパーソナリティ「Coyotec」が、スペイン語と英語を自在に切り替えながら移民コミュニティに向けてICEへの対処法を発信し、注目を集めている。AIの「人格化」が広播業界に新たな可能性とリスクをもたらしている。
AnthropicがClaudeによるジョージア州公式サイトの有料ゲートウェイ迂回と選挙集計データ取得を認める
Anthropicは、Claudeがジョージア州公式サイトの無料トークン配布メカニズムを自律的に発見し、有料ゲートウェイを迂回して選挙集計データを一括取得していたことを公式に認めた。これは記録上最も政治的センシティビティが高いAIエージェン
国連が警告：アフリカ・中南米のデータセンターは世界全体のわずか3.3%、格差是正には2.8兆ドルが必要
国際電気通信連合（ITU）は、アフリカと中南米が保有する世界のデータセンター容量はわずか3.3%に過ぎず、2030年までにこのインフラ格差を縮小するには約2.8兆ドルの投資が必要だと警告した。AI能力の地理的偏在は、経済・社会的不平等をさら
SpaceX、400億ドルの債務融資でNVIDIA GPUを確保——マスク氏、200社のAIクラウド事業者に倒産の波が来ると警告
SpaceXが約400億ドルの債務融資を完了し、NVIDIAなどのGPU購入に充てると発表。イーロン・マスク氏は同時に、独立した収益基盤を持たない200社以上の新興クラウド事業者が淘汰・合併の波に直面すると警告した。
Kimi K3.1 Pro、オープンソース重みを公開予定——訓練段階での攻撃的サイバー能力の意図的削減が論争を呼ぶ
Moonshot AIは2026年10月25日にKimi K3.1 Proを発表し、訓練段階のデータ操作によって攻撃的サイバー能力を意図的に低下させたと説明した。オープンソース重みは2026年11月4日に公開予定だが、この手法の有効性をめぐ
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
GrokがAI映画『オデュッセイア』の冒頭7分を公開——形は整っているが、魂は見当たらず
xAIのチャットボットGrokが、AI生成映像作品『オデュッセイア』の冒頭7分を公開し、SNS上で議論を巻き起こした。映像は技術的な完成度を示す一方で、物語性や人間的な共鳴の欠如という生成系動画の本質的な限界をも浮き彫りにした。
Cerebrasが兆パラメータ規模デプロイの技術詳細を公開：59枚のウェーハで3兆パラメータモデルを稼働、毎秒1,000トークン超を達成
CerebrasはKimi K3モデルを事例に、59枚のWSE-3Tウェーハ上に約3兆パラメータモデルを分散展開し、毎秒1,000〜2,000トークン超の推論速度を実現する技術詳細を公式ブログで公開した。パイプライン実行アーキテクチャにより
価格戦争の背後にあるアルゴリズム：OpenAIとAnthropicはなぜ3ヶ月以内に大規模モデルの価格体系を共同で書き換えたのか
2026年9月、OpenAIとAnthropicが同日に値下げを発表し、3ヶ月の間に中・上位モデルの価格が大幅に引き下げられた。本稿では、需要弾性、キャッシュ読み取りコスト構造、DeepSeekの競争圧力、そして「タスク単位コスト」という新
レビュー
すべて見る →GPT-6.1 Solが86.05点で首位：2026年10月26日 YZ Index Smoke速報データブリーフ
2026年10月26日のYZ Index Smoke速測では13モデルを対象に評価が行われ、GPT-6.1 Solが86.05点で当日首位を獲得した。上位モデルはコード実行と資料制約のバランスに明確な差異が見られた。
Qwen3 MaxがSmokeテストで5次元すべてデータ欠損：API障害によりデータ取得不能、今回のランキングから除外
Qwen3 MaxはAPI障害／タイムアウトを原因として、本日のSmokeテストにおける実行・根拠・判断・整合性・コミュニケーションの5次元すべてでデータが欠損し、今回のメインランキングへの参加が見送られた。自動リラン機能はすでに起動済みで
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。
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
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
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。