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 →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
トランプ大統領、初めてAIガードレールへの反対を否定――超党派立法の窓が開きつつある
トランプ大統領がCBS「60 Minutes」で「AIガードレールには反対しない」と初めて公言し、民主党との共同立法に前向きな姿勢を示した。この発言は、共和党内でAI規制を受け入れる政治的障壁を取り除く可能性があり、連邦レベルのAI立法に向
トランプ大統領、司法省が大手AI企業幹部に「収監の準備をせよ」と警告していたことを明かす——刑事抑止の時代が到来
トランプ大統領はCBS「60ミニッツ」への出演で、司法省が大手AI企業の責任者に収監を警告していたと明言した。司法省が新設した超知能特別執行チームと合わせ、AI業界への刑事抑止による規制が本格化しつつある。
AIの気候変動対策としての根拠は、まだ成立していない
AIが気候変動対策の「万能ツール」として喧伝される一方、AI自身がもたらす資源消費や排出コストがその気候便益を上回るかどうかを示す十分な証拠は存在しない。MIT Technology Reviewの論評をもとに、現在のAI気候変動ナラティブ
作家が無実を証明する：AI時代の手稿「証拠チェーン」は十分か？
AI生成コンテンツの急増により、出版業界では「執筆軌跡」ツールが台頭しているが、その技術的・倫理的限界が作家に新たな負担を強いている。挙証責任が指摘者から作家本人へと移行する構造的問題を検証する。
ファン・ジェンスンCEO職に危機？イェール大学学者：留任確率は五分五分
NVIDIAの取締役会がCEOジェンスン・フアン氏と中国のスパイ疑惑人物との関係をめぐる調査を進めていると報じられた。イェール大学の企業統治専門家は、フアン氏のCEO留任確率は「およそ五分五分」と評している。
工信部第42号通達：AIエージェント搭載デバイスに固有IDコードの取得を義務化、世界初のハードウェア層管理フレームワークが施行
中国工業・情報化部は2026年11月6日、AIエージェントを搭載した端末機器の市場参入管理を強化する通達（第42号）を発出し、スマートフォンやタブレットなどへの市場参入許可前にAIエージェントの適合検証・詐欺リスク評価・固有IDコードの付与
xAI、Grok API全モデルにデフォルトで透かし技術を実装——EU AI法が初の最先端API強制コンプライアンス事例を生む
xAIは2026年11月7日、すべてのGrok APIモデルの出力にデフォルトで不可視の統計的透かしを有効化した。EU AI法第50条第2項が定める2026年12月2日の期限を約1カ月前倒しで達成した主要な最先端AIプロバイダーとなった。
ARCBench実測：コンテキスト圧縮後にAIエージェントのルール違反率が37.8%に上昇
2026年11月2日に提出されたarXiv論文によると、ARCBenchを用いた17の英語シナリオでの検証において、AIエージェントはコンテキスト圧縮後にルール違反率が9.6%から37.8%へと急上昇することが明らかになった。この発見はシス
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。