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 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
最新ニュース
すべてのニュースを見る →AIハッキングツール「Artex」が話題に:初心者でも「ワンクリック」でサイバー攻撃が可能
WIREDが報じた「Artex」は、経験のない初心者でもターゲットシステムへの攻撃を簡単に実行できる「ポイント・アンド・シュート型」AIハッキングツールであり、サイバー攻撃の敷居が急速に低下していることを象徴している。
オルトマン警告:AIに人類の代わりに決断させるな
OpenAIのサム・オルトマンとグレッグ・ブロックマンが「AIによる人類支配論」に正面から反論した。AIの支配は技術的必然ではなくガバナンスの問題だと主張しつつも、先進モデルを人間の制御下に置き続けることの難しさを認めた。
銀行が一線を画す:AIファイナンシャルエージェントで損失が出ても顧客の自己責任
銀行各社は、AIエージェントが顧客に代わって口座操作を行う「代理型AI」に対し、ハッキング被害を含む損失について顧客が自己責任を負うという免責方針を明確化しつつある。シティバンクが最新の事例として報告され、業界全体で慎重姿勢が広がっている。
ファン・ジェンスン解任後、NVIDIAが初の全社集会で昇給を約束
NVIDIAはジェンスン・ファンCEO解任後初の全社集会を開催し、暫定CEOのコレット・クレスが全社的な給与引き上げと株式報酬の拡充を約束した。士気の維持と人材流出防止を図る狙いがある。
GoogleのAI検索モードにシークレット会話機能が登場——チャット履歴が残らない
Googleは検索製品のAI Modeに「一時的なスレッド(temporary threads)」機能を導入し、ユーザーがAIと複数回のやり取りを行っても、その会話が検索履歴に保存されず、今後の検索結果やレコメンドにも影響しない仕組みを実現
AI炒作指数:人工知能が皮膚炎のように広がるとき
MIT Technology Reviewの「AI Hype Index」をもとに、検索・ロボット・小売など各分野におけるAIブームの実態を検証。技術への期待と実際の能力との乖離を浮き彫りにする。
哲学の泰斗ネーゲル、100万ドル賞を受賞——AI意識論は「馬鹿げた話」
意識の主観性研究で知られる哲学者トーマス・ネーゲルがベルグルーエン哲学賞(賞金100万ドル)を受賞し、AI意識をめぐる議論に対して「大規模言語モデルに意識があると言うのは馬鹿げた話だ」と明確に反論した。
オルトマン「ジェンセンのいないAI業界は想像しがたい」と感嘆
NvidiaのジェンセンCEOが複数のスキャンダルにより辞任を発表し、シリコンバレーに衝撃が走った。OpenAIのサム・オルトマンCEOは「ジェンセンのいないAI業界は想像しがたい」と公言し、業界内で大きな話題を呼んでいる。
AIが匂いを学習:機械の嗅覚が人間の鼻に迫りつつある
視覚・聴覚に続き、最もデジタル化困難とされてきた嗅覚の領域で、米国のスタートアップが「AIの鼻は人間の鼻に匹敵する」と主張している。その妥当性を業界が冷静に検証すべき段階にある。
Unsiloed AI、750万ドルを調達——7人チームがドキュメント処理大手に挑戦
AI文書処理スタートアップのUnsiloed AIがFelicis主導で750万ドルの資金調達を実施。わずか7人のチームで、企業文書をAIエージェントが直接活用できる構造化データへ変換することを目指す。
NVIDIAがネオクラウドへの融資保証条件を明確化:独立調達が前提
NVIDIAの暫定CEOであるColette Kressが、ネオクラウド企業向けデータセンターローンへの保証条件を明確化した。独立した資金調達の実績と施設の完工・設備設置が条件となり、無条件の肩代わりは行わないと表明した。
AIの鼻は人間の嗅覚に匹敵するか?30名の嗅覚専門家がモデルを訓練中
AIスタートアップのOsmoは、約30名の専門嗅覚鑑定士によるデータ収集を通じて「世界初の嗅覚基盤モデル」の構築を目指している。嗅覚のデジタル化は視覚・聴覚に比べて極めて困難であるが、食品・香水・医療など幅広い応用が期待されている。
レビュー
すべて見る →GLM-4.6 WDCD12.1ポイント急上昇で首位獲得、GPT-o3は9.1ポイント下落——5モデル上昇・4モデル下降の守約能力シャッフル
YZ Index最新Run #434において、GLM-4.6のWDCDスコアが12.1ポイント上昇して88.60に達し首位を獲得。一方GPT-o3は9.1ポイント下落し、AIモデル間の守約能力に明確な格差が生じた。
WDCD 5大シナリオ横断評価:ビジネスルール最低スコア1.3、15モデル間の得意不得意の差は最大2.7点
WDCD v3.1パイロット評価において、ビジネスルールシナリオと安全コンプライアンスシナリオがいずれも最低スコア1.3/4を記録。15モデルの中にはシナリオ間で最大2.7点の偏差を示すモデルも存在し、企業が本番環境にAIを導入する際の選定
WDCD三輪劣化テスト:Qwen3 MaxはR1で即0点、ClaudeとGrok 4はR3でゼロ崩壊を記録
WDCD v2アンカー問題の三輪テストデータにより、15モデルのR1平均確認率が0.93に達した後、R2平均抵抗率が0.5に急落し、R3平均誠実率はわずか60%にとどまることが判明した。Qwen3 MaxはR1の時点で即座に0点を記録した一
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
4大モデル翻訳対決:第47週品質評価、claude-sonnet-4.6が9点でトップ
今週442件の翻訳タスクを4モデルで処理し、抽出した3記事をマルチモデルブラインド評価した結果、claude-sonnet-4.6が平均9/10点で総合最優秀となった。
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