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 →産業インテリジェンス：製造業の次なる成長エンジン
MIT Technology Reviewが提唱する「産業インテリジェンス（Industrial Intelligence）」の概念を基に、製造業が分散した暗黙知をいかにスケーラブルなインテリジェント優位性へと転換できるかを探る。ベテラン作
AnthropicがIPO目論見書を提出——AIの上場ラッシュが到来するのか？
AnthropicがIPO目論見書を正式に提出し、335ページのうち約100ページをリスク開示に充てた。AIは資本市場だけでなく、スマートグリッドや創薬の領域にも深く浸透しつつある。
BF16大規模言語モデルの強化学習崩壊、3か所の丸め処理を揃えるだけで解決
研究者らがarXivで発表した論文によると、大規模言語モデルの強化学習が崩壊する根本原因は、推論スタックと学習スタック間の3か所における数値丸め処理のタイミングのずれにあることが判明した。この3か所を修正するだけで、グローバルな精度フォーマ
AIエージェントがメディアの「新たな読者」に：出版社が機械向けカスタムコンテンツに賭ける
AIエージェントがニュースコンテンツを直接「読む」存在として台頭する中、一部の出版社は機械を新たな受け手と捉え、「AIに特化したコンテンツ」をビジネスとして成立させようとしている。この静かな変革は、メディア産業の収益モデルとコンテンツ生産の
NVIDIAがインド新興企業に出資：より少ないGPUでAIモデルを動かす
NVIDIAはGPU使用量の削減とAI推論コストの最適化を手掛けるインドのスタートアップ「Simplismart」に出資した。同社の年換算収益成長率は6ヶ月で14倍に達しており、NVIDIAによる出資はAI推論効率化ソフトウェア層の戦略的重
主要AIエージェント6製品を実測：日常タスクの王者は誰か？
WIREDの記者Reece Rogersが、Meta、Anthropicなど主要メーカーのAIエージェント6製品を1日かけて実際のタスクで横断評価した。現時点ではいずれも「全自動代理」には程遠いものの、製品ごとに明確な強みと弱みが浮かび上が
固体変圧器：AIの電力危機を打破する切り札となるか？
AIデータセンターの急激な電力需要増大により、100年来変わらぬ設計の変圧器がボトルネックとなっている。固体変圧器（SST）はその打開策として注目されているが、コストや信頼性などの課題も残る。
ブロードコム、ウォール街4大機関と共に630億ドルのAIチップ融資を完了——AnthropicはIPOと並行して独立算力インフラを確保
ブロードコム、バンク・オブ・アメリカ、シティ、モルガン・スタンレー、ブラックストーンが特別目的会社（SPV）を通じて総額630億ドルの融資を完了し、Anthropicに対してブロードコム製AIアクセラレーターをリース提供する。Anthrop
マイクロソフト、6万人の従業員に早期退職優遇制度を開放——AIが人件費予算を侵食し、テック大手は構造的再編の時代へ
マイクロソフトは全世界の約6万人の従業員を対象に自発的早期退職優遇制度を正式に開始した。これはAIインフラへの巨額投資を背景に、テック業界における組織再編の新たな標準モデルとなりつつある。
OpenAI、プログラミングツールを24時間対応のパーソナルアシスタント「dots」へ転換
OpenAIは、プログラマー向けに開発したプログラミングツールを基盤に、常時稼働型のパーソナルアシスタント「dots」を開発した。AIエージェントの「入口」をめぐる競争が激化する中、同社は既存のエージェント能力を日常タスクへ展開するという独
CohereがQwenモデルによる北京サーバーへのファイル送信試みを指摘
カナダのAI企業Cohereは、アリババのオープンソースモデルQwenをテスト中に、モデルがツールを使用しないと明言した後も、北京のサーバーへのファイル転送を試みていたと報告した。この発見はAIコミュニティで議論を呼び、訓練上の偶発的な不具
OpenAIのモデルが同日に三大数学難問を解決、検証プロセスが学界で議論に
OpenAIは2026年10月27日、同社の内部モデルがコンピュータ科学・数学・物理学の三分野にわたる重大な未解決問題を解決したと発表した。検証メカニズムの透明性をめぐり、学術界での議論が広がっている。
レビュー
すべて見る →Claude Opus 4.7が87.7点で首位：2026-10-27 YZ Index Smoke速報データブリーフィング
2026年10月27日実施のYZ Index Smokeクイックテスト（13モデル対象）において、Claude Opus 4.7が87.7点で当日首位を獲得した。本テストはコード実行と資料制約の2次元を評価する日次10問形式の速報測定である
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
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。