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 →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、GPT-6 Astraが90.5点でトップと
NetflixがAI発見タブを導入：今夜何を観るかは、気分次第
Netflixは「AI Discover（AI発見）」タブを新たに導入し、その第一弾の実験的機能として、ユーザーのその時々の気分に基づいてコンテンツをパーソナライズ推薦する。これは従来の視聴履歴や協調フィルタリングに依存しない、新たな推薦ア
AI推論需要が爆発的拡大、Falの評価額が2倍の160億ドルに
AI推論プラットフォームのFalが13億ドルの資金調達を完了し、評価額が160億ドルに倍増した。AI基盤インフラへの投資が全体的に落ち着きを見せる中、推論需要の急拡大がこの高評価を後押ししている。
GPT-5.5が94.8点で首位：2026-11-04 YZ Index Smoke速報データブリーフィング
2026年11月4日のYZ Index Smoke速測では12モデルを対象に評価が行われ、GPT-5.5が94.8点で当日首位を獲得した。本速報はコード実行とマテリアル制約の2次元のみをカバーする日次10問の小規模テストであり、短期シグナル
Googleが学校に突きつけた難題：AIを禁止すれば検索も使えなくなる
GoogleがAI機能を無効化した場合、Google Searchも利用不可になるという方針を学校に示し、「AIなしで検索のみ」という選択肢が存在しないことが波紋を呼んでいる。
Anthropicの算力コスト問題：なぜ限界利益率は改善せず悪化するのか？
TechCrunchの報道によると、Anthropicはモデル効率の向上やインフラ利用率の改善が進むはずの局面で、逆に算力（コンピューティングリソース）の限界利益率が悪化するという逆説的な状況に直面している。この問題はAI業界全体のインフラ
GoogleがAI教育ツールと検索サービスを抱き合わせ販売——AIを使わなければ検索も諦めるしかない
GoogleがAI教育ツールを採用しない学校はGoogle検索サービスも失うという条件を提示しており、この抱き合わせ戦略が教育機関の選択の自由を大幅に制限していると批判されている。
AIに投票の手伝いをさせるな：もっともらしく堂々とデタラメを言うかもしれない
ChatGPTやClaudeといったAIチャットボットは、幻覚や党派的偏向の問題から、選挙日における信頼できる情報源とはなり得ない。誤った答えを自信満々に提示する危険性について、WIREDの報道をもとに解説する。
Appleの新規則：デートアプリとAIコンパニオンに18歳以上評価を義務付け
Appleはデートアプリおよび性的・ロマンティックなコンテンツを含むAIコンパニオンアプリに対し、App Storeで18歳以上評価を義務付けるよう審査規則を更新した。これにより、該当アプリは最高制限カテゴリに分類され、18歳未満のユーザー
逆向博弈論：AIエージェントに自発的にルールを守らせるには
AIが「質問に答える」存在から「人間の代わりに行動する」存在へと進化する中、「逆向博弈論（逆ゲーム理論）」と呼ばれる新たなアプローチが注目を集めている。外部から制約を課すのではなく、AIが自発的にルールを守るよう動機付けるメカニズムを設計す
TechCrunch創業者サミットがボストンで開催、明日より価格値上げ
TechCrunch Founder Summitがボストンで開催されるにあたり、早期購入者向けの割引価格の締め切りが東部時間の明朝9時に迫っている。最大100ドルの割引と2枚目の無料入場券が提供されており、早期段階のスタートアップにとって
報奨金4倍増・元DOGE職員を採用して自社を攻撃：OpenAIのセキュリティ不安はどこから来るのか
OpenAIは2026年11月3日、脆弱性バグバウンティプログラムを大幅に拡充し、最高報酬を17.2万ドルに引き上げると発表した。同時に元DOGE技術者が設立したCathedral Systemsと提携し、AIでAIを攻撃する形式のセキュリ
レビュー
すべて見る →GPT-5.5が94.8点で首位：2026-11-04 YZ Index Smoke速報データブリーフィング
2026年11月4日のYZ Index Smoke速測では12モデルを対象に評価が行われ、GPT-5.5が94.8点で当日首位を獲得した。本速報はコード実行とマテリアル制約の2次元のみをカバーする日次10問の小規模テストであり、短期シグナル
GPT-5.5・GPT-6 Astra・GPT-6 Luna・GPT-6 Solが87.27点で並列首位：2026-11-03 YZ Index Smoke速報データブリーフィング
2026年11月3日のYZ Index Smoke速報では13モデルを評価し、GPT-5.5・GPT-6 Astra・GPT-6 Luna・GPT-6 Solが87.27点で当日首位に並んだ。Smokeは毎日10問の速報テストであり、短期シ
GPT-6 AstraとGPT-6 Solが84.9点で並列首位：2026-11-02 Smokeクイックテストデータ速報
2026年11月2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行われ、GPT-6 AstraとGPT-6 Solがともに84.9点で当日首位に並んだ。
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