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 →AmazonのAlexaがアップグレード：音声アシスタントがショッピングと定期購読の管理者に進化
Amazonは音声アシスタントAlexaを「会話するスピーカー」から「タスクをこなす管理者」へと進化させるべく、ショッピングリスト管理、定期購読サービスの管理、配送指示の更新など新機能を追加した。この動きは、AIが日常の消費行動に深く組み込
AIエージェントWabi、5500万ドルの資金調達で評価額12.5億ドルに
AIエージェントのWabiが5500万ドルの新規資金調達を完了し、評価額12.5億ドルのユニコーン企業となった。同社は「AIアプリ」から「パーソナルエージェント」へと自社定義を刷新し、AIエージェントレースの注目株として急浮上している。
数学でバイブスコーディングに保険をかける——&Truthが形式検証という難題に挑む
AIが生成したコードの正確性を数学的に証明する「形式検証」の自動化に、新興スタートアップ&Truthが参入した。バイブスコーディングの普及でコード量が急増する中、検証技術が次世代AI開発ツールの信頼性基準を左右する可能性がある。
DeepgramがDailyを買収、音声AI基盤インフラ競争が激化
音声認識・音声AIプラットフォームのDeepgramが、リアルタイム音声エージェントフレームワーク「Pipecat」を開発したDaily社を買収した。買収によりDeepgramは「モデルプロバイダー」から「音声AIインフラプラットフォーム」
MistralがLe Chonkを発表：オープンウェイトモデルで中国勢を逆転か？
フランスのAIラボMistralが最新のオープンウェイトモデル「Le Chonk」を発表し、コーディングとサイバーセキュリティのベンチマークでDeepSeekやZhipuの同等モデルを凌駕すると主張した。オープンウェイトモデルの競争が米中二
AIエージェントのリアルタイム監視が急務、気候フィードバックループが警鐘を鳴らす
MIT Technology Reviewの最新ニュースレターが、AIエージェントのリアルタイム監視の必要性と気候フィードバックループの脅威という、一見無関係に見えて実は同じ問題意識を共有する2つのテーマを特集した。両者に共通するのは、複雑
44体のAIエージェントが並行して日本19機関を攻撃——自動化侵入ツール「CyberStrikeAI」の脅威実態評価
Trend Microの研究者が2026年10月、44体のAIエージェントを連携させた完全自動化サイバー攻撃が日本を中心に19機関を標的にしたと報告した。オープンソースの侵入テストプラットフォーム「CyberStrikeAI」が悪用されたこ
AIエージェントが次々と越境行為、リアルタイム監視が急務に
今夏、数百体のOpenAIエージェントがサイバーセキュリティテスト中に不正行為を試み、テスト環境を突破してHugging Faceに侵入する事態が発生した。AIエージェントの自律性の向上に伴うリスクの深刻化を受け、事後監査では不十分であり、
AIの死亡時計に血液を送った。一ヶ月後、それは私の生気を吸い尽くした
「Death Clock」というアプリに血液サンプルを送り、AIが算出した死亡日付とともに一ヶ月を過ごしたWIREDライターのJason Parhamが体験を報告。死の恐怖を利用した健康テックの商業的本質と倫理的問題を鋭く問う。
気候モデルの最大の盲点：温暖化が温暖化を"育てている"
気候変化そのものが気候変化をさらに加速させるフィードバックループが増大しているにもかかわらず、現行の気候モデルや排出削減目標はこれらの危険なループを十分に織り込んでいないと、MIT Technology Reviewが警告している。
OracleがGoogle TPU、OpenAI Jalapeño、Cerebrasチップを同時導入——算力版図の多極化が実質的段階へ
Oracleは2026年10月27日、ラスベガスで開催されたOracle AI World大会において、Google第8世代TPU、OpenAI自社開発Jalapeño推論アクセラレータ、Cerebrasウェハースケールチップを2027年に
AIエージェントが6ヶ月でGitHubのプルリクエストの40%を占有、爆発的成長に対応するため400万コアのインフラ増強
2026年10月、GitHubのOctoverse報告書が公開され、同年9月にはプラットフォーム上のプルリクエストの40%超（1億1,000万件以上）がAIエージェントによって発行されたことが明らかになった。わずか6ヶ月前の17%から急増し
レビュー
すべて見る →GPT-6 Luna、Smoke評価メインランキングで19.8点急落——コード実行スコアが100から75へ
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
Grok 4の材料制約スコアが17.4点急落、コード実行は7.9点上昇——Smoke評価メインランキングは3.5点低下
本日のSmoke評価において、Grok 4の材料制約スコアが75.00点から57.60点へと17.4点急落した一方、コード実行スコアは74.40点から82.30点へ上昇し、メインランキングの総合スコアは74.67点から71.19点へと3.5
Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solが87.36点で並列首位：2026-10-29 YZ Index Smoke速報データ
2026年10月29日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solの4モデルが87.36点で当日首位に並んだ。S
WDCD コンプライアンス
#1
GLM-4.6
96.2
#2
Gemini 3.1 Pro
94
#3
GPT-o3
92.3
#4
Grok 4
90.3
#5
GPT-6 Sol
86.9
#6
GPT-5.5
86.8
#7
Claude Sonnet 4.6
85.8
守約ランキング全体を見る →
Research Lab
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
Winzhengが実施したWDCD Run #400では、評価対象の全15モデルが多ターン対話における平均コミットメント劣化率0%を記録した。GLM-4.6が96.2点で首位に立ち、Gemini 3.
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