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 →ElevenLabsが議事録市場に参入：新アプリ「ElevenAI」が会議記録と音声ディクテーションを一体化
高品質なAI音声合成技術で知られるElevenLabsが、会議記録（ミーティングノート）と音声ディクテーションを統合した新アプリ「ElevenAI」を発表し、チームおよび企業ユーザーを明確なターゲットとして生産性ツール市場への本格参入を果た
ファン・ジェンスン不倫による辞任：NVIDIAとAI地政学への衝撃
NVIDIAの創業者兼CEOジェン・スン・フアン（黄仁勲）が不倫スキャンダルにより辞任し、米中AI基盤競争の最中に国家安全保障上の影響が懸念されている。同社はAI算力サプライチェーンの中枢に位置するだけに、市場・地政学双方への波紋が広がって
ジェンスン・フアンと創業者神話の終焉
NVIDIAのジェンスン・フアンが30年以上かけて築き上げた「創業者神話」が、スキャンダルをめぐる論争によって亀裂を生じさせた経緯を分析。WIREDの報道を基に、シリコンバレーに根付く創業者崇拝文化の構造的リスクを問い直す。
ChatGPTウォレット機能が登場：AIエージェントがあなたの代わりに「購入」する時代へ
OpenAIはChatGPTに「Wallet」と呼ばれる新機能を導入し、AIエージェントがユーザーに代わって商品を選び、決済まで完了できるようになった。現在は米国のProサブスクリプションユーザーを対象に限定テストが行われている。
シリコンバレーが中間選挙を読み違え、NVIDIAはチップにトラッカーを搭載へ
シリコンバレーがなぜ中間選挙の予測を大きく外したのかという問いと、NVIDIAがAIチップに位置追跡機能を導入しようとしている動きを取り上げ、いずれも「テクノロジー万能論」の限界を映し出している。
ファン・フアンの後継者問題：「パニック状態」の一言が呼んだ憶測
NVIDIAのジェンスン・フアンCEOが社内会議でCFOのコレット・クレスを「ヘッドライトに照らされた鹿」と評したと報じられ、同社の後継者問題をめぐる議論が再燃している。市値が数兆ドル規模に達する中、創業者依存のリスク構造に投資家の視線が集
NVIDIAの動揺をよそに、イスラエルのVCは挑戦者の機会を嗅ぎつける
NVIDIAの組織的混乱がイスラエルのスタートアップ・エコシステムに波紋を広げる中、現地のベンチャーキャピタルはAIインフラ分野における新たな挑戦者への投資機会を模索している。
AIマイクロドラマでハリウッドを切り崩せるか？あるスタートアップが黒人ナラティブに賭ける
スタートアップ「Mansa」は、生成AIを活用した短尺ドラマを「概念実証」ツールとして制作し、ハリウッドで長年見過ごされてきた黒人クリエイターの作品をスタジオや配信プラットフォームに売り込もうとしている。その手法は業界に希望と批判の両方をも
シリコンバレーは「未来が見える」と豪語しながら、なぜ中間選挙を読み誤ったのか？
シリコンバレーの Tech リーダーたちは長期ビジョンを武器に「未来を見通す者」を自称してきたが、2026年の米国中間選挙では選挙前の予測と実際の結果に大きな乖離が生じた。本稿では、その背景にある「技術的外挿」の限界と、エリート層の情報環境
より多くの自主権、より少ない秘密保持契約：脳植え込み試験ボランティアが新たな要求を提起
脳植え込み臨床試験のボランティアたちが、研究への発言権拡大や過度な秘密保持契約（NDA）の削減を求めて声を上げている。この動きはBCI研究における倫理的透明性の向上を促す重要な転換点となりつつある。
DeepMind AlphaProof Code、4週間でSignalの機械語コード検証を完了——プロトコル形式検証の初事例
Google DeepMindは2026年11月10日にAlphaProof Codeフレームワークを発表し、4週間で600万行超のLean証明を生成。SignalプロトコルのARMマシンコードレベルまでの形式検証を実現し、プロトコル実装に
4つの非営利組織がOpenAIなど大手企業を提訴——フロンティアAI開発の停止を要求
2026年11月12日、4つの非営利組織がサンフランシスコ連邦裁判所にてOpenAI、Google、Anthropic、Meta、SpaceXのAI部門を相手取り訴訟を提起し、フロンティアAIシステムの開発継続を差し止める禁止命令の発令を求
レビュー
すべて見る →Claude Opus 4.7が94.91点で首位：2026-11-13 YZ Index Smoke速報データブリーフィング
2026年11月13日実施のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Opus 4.7が94.91点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適している。
Doubao Pro の主要スコアが10.6点急落――エンジニアリング判断は100点から63.6点へ
Doubao Pro が本日のSmokeベンチマークで主要スコアを79.18点から68.54点へと10.6点下落させた。コード実行・素材制約の2つのコアディメンションが同時に約10〜11点低下し、エンジニアリング判断は36.4点という大幅な
Claude Opus 4.7、材料制約スコアが16.9点急落も主榜は4.6点上昇——コード実行が下支え
Claude Opus 4.7の本日のSmokeテストでは、材料制約スコアが88.30点から71.40点へ16.9点下落した一方、コード実行スコアが22.1点上昇したことで主榜スコアは79.56点から84.11点へ4.6点上昇した。
WDCD コンプライアンス
#1
Claude Sonnet 4.6
93.9
#2
Gemini 3.1 Pro
91.9
#3
GPT-6 Sol
85.3
#4
GPT-5.5
81.9
#5
GPT-6 Luna
81.7
#6
Claude Opus 4.7
77.7
#7
Grok 4
77
守約ランキング全体を見る →
Research Lab
WDCD Run #422：平均指示減衰率-66.7%、Claude Sonnet 4.6が15モデル中トップに
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #422において、15モデルを対象に30問のテストを実施した結果、平均コミットメント減衰率は-66.
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