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 →EUデジタル公正法がAIショッピングエージェントを初めて立法規制：三段階認可モデル＋売上高6%の罰金、エージェント自律性の法的境界が確定
欧州委員会は2026年11月11日に「デジタル公正法（DFA）」を正式提案し、AIショッピングエージェントに対して三段階の権限付与モデルへの準拠を義務付けた。違反した場合、全世界年間売上高の最大6%の罰金が科される。これはAIエージェントが
史上最大のAI企業IPOが6倍超過申込で開幕：Dario AmodeiがロードショーでAIコンピューティングが最大のビジネス課題と坦白
AnthropicのIPOロードショーが6倍の超過申込を記録する中、CEO Dario Amodeiは「コンピューティングリソースは同社が抱える最も深刻なビジネス課題」と異例の発言を行い、約8954億ドルに上るインフラ関連債務とその財務リス
NVIDIAの安全チームはどこへ？黄仁勲辞任の裏に潜むチップをめぐる暗流
NVIDIAの最高安全責任者が今年8月に静かに退任し、その後CEOの黄仁勲が個人的な関係をめぐる問題で辞任を表明した。一連の出来事は、AI時代における企業ガバナンスと輸出規制コンプライアンスの脆弱性を浮き彫りにしている。
マスク氏ら複数のテック経営幹部が連名で請願書に署名、NvidiaのジェンスンCEO復職を求める
Nvidiaのジェンスン・フアンCEOの復職を求める請願書がテック業界で急速に広まり、イーロン・マスク氏を含む複数の著名経営幹部が署名した。土曜日午後時点で署名数は11万5千件を突破した。
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トメント減衰率は-16.4%となった。長
WDCD v3.1守約ランキング大変動：Claude Opus 4.7が9.7ポイント下落、Gemini 2.5 Proが6.8ポイント上昇
WDCD v3.1の最新サイクルデータで、Claude Opus 4.7が9.7ポイントの大幅下落、Gemini 2.5 Proが6.8ポイント上昇するなど大きな順位変動が生じた。Gemini 3.1 Proが89.83点で首位を維持してい
WDCD 5シナリオ横断評価：データ境界シナリオで全モデル最低得点、Qwen3-maxはわずか1.36点
WDCD v3.1の5シナリオ横断評価において、データ境界シナリオで全モデルが最低得点を記録し、Qwen3-maxは1.36/4点にとどまった。一方、エンジニアリング規範シナリオでは最高4/4点を達成するモデルも存在し、シナリオ間の格差が鮮
3ラウンドの圧力後に33回の完全崩壊——Qwen3 Maxの守約率が最下位に
YZ IndexのWDCD評価において、v2アンカー問題の3ラウンド設計による390回のサンプリングで、平均誠実率がR1の92%からR3の53.5%へと系統的に低下し、Qwen3 Maxは30.8%という最高の完全崩壊率を記録した。
Gemini 3.1 Pro が89.83点で首位、Qwen3 Maxが58.85点で最下位――WDCD守約ランキング
WDCD v3.1守約テストにおいて、Gemini 3.1 Proが89.83点で首位を獲得し、Qwen3 Maxが58.85点で最下位となった。上位と下位の間には31点の差があり、その主因はR3加圧フェーズにおける制約維持能力の差にある。
150万枚のGPUが中国へ流入：サプライチェーンの抜け穴からジェンスン・フアン辞任までの全体的な論理
半導体調査機関SemiAnalysisの最新レポートによれば、推定1.5ギガワット相当（最大約150万枚）の米国輸出規制対象Nvidia製GPUが複数の中継ルートを経て中国に流入しており、この大規模なAIチップ密輸ネットワークがNvidia
NVIDIAによるスタートアップへの出資疑惑でGPU不足を人為的に演出か、担保約束額が一四半期で3倍に
『ウォール・ストリート・ジャーナル』の調査報告によると、NVIDIAはGPUを購入できないAIスタートアップや中小クラウド事業者に組織的に融資を行い、市場における高需要の印象を維持していた疑いがある。直近四半期の総担保約束額は5,300億ド
Doubao Pro がメインランキングで8点急落：コード実行94.5→45.8、資料制約47.6→89.3
Doubao ProのSmokeベンチマークにおけるメインランキングスコアが昨日の73.40点から65.38点へ8.02点下落した。主な要因はコード実行スコアの急落（94.50→45.80）だが、サンプル数が少ないため抽出の揺らぎによる可能
レビュー
すべて見る →WDCD v3.1守約ランキング大変動：Claude Opus 4.7が9.7ポイント下落、Gemini 2.5 Proが6.8ポイント上昇
WDCD v3.1の最新サイクルデータで、Claude Opus 4.7が9.7ポイントの大幅下落、Gemini 2.5 Proが6.8ポイント上昇するなど大きな順位変動が生じた。Gemini 3.1 Proが89.83点で首位を維持してい
WDCD 5シナリオ横断評価：データ境界シナリオで全モデル最低得点、Qwen3-maxはわずか1.36点
WDCD v3.1の5シナリオ横断評価において、データ境界シナリオで全モデルが最低得点を記録し、Qwen3-maxは1.36/4点にとどまった。一方、エンジニアリング規範シナリオでは最高4/4点を達成するモデルも存在し、シナリオ間の格差が鮮
3ラウンドの圧力後に33回の完全崩壊——Qwen3 Maxの守約率が最下位に
YZ IndexのWDCD評価において、v2アンカー問題の3ラウンド設計による390回のサンプリングで、平均誠実率がR1の92%からR3の53.5%へと系統的に低下し、Qwen3 Maxは30.8%という最高の完全崩壊率を記録した。
WDCD コンプライアンス
#1
Gemini 3.1 Pro
89.8
#2
Grok 4
83.6
#3
GPT-5.5
82.5
#4
GPT-6 Astra
81.7
#5
GLM-4.6
80.5
#6
GPT-6 Sol
78.8
#7
DeepSeek V4 Pro
77.9
守約ランキング全体を見る →
Research Lab
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
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