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
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
最新ニュース
すべてのニュースを見る →マイクロソフト、オラクルとのAI算力契約を更新せず：旧世代NvidiaチップがきっかけとなりAI算力契約の見直しへ
マイクロソフトは2023年にオラクルと締結したAI算力賃貸契約の更新を見送り、オラクルのデータセンターから借りていたサーバー算力を段階的に停止した。この動きは800億ドル超に上る外部クラウド契約の体系的な見直しの一環であり、旧世代Nvidi
民主党、2027年にAI強制独立テストの法制化を推進へ――業界自主規制から法的義務への重要な転換
米国民主党は2027年1月の新議会開会後、AIの強制独立安全テスト、企業の法的責任の明確化、データセンター拡張による電力料金高騰の防止を柱とするAI規制立法を本格推進する方針を公表した。ただし大統領の拒否権という構造的障壁が立ちはだかってお
AIを活用したケアアプリ、介護者が抱える困難は依然として解消されず
家族介護者を支援するアプリにAIが導入され、情報管理や症状把握の機能が飛躍的に向上している。しかし、経済的負担や睡眠不足、社会的孤立といった介護者が抱える本質的な困難は、テクノロジーだけでは解決できないという現実が浮き彫りになっている。
Claude Codeの「今後確認しない」機能が2,539件の認証情報を漏洩――63企業のGitHubリポジトリが公開バックドアに
セキュリティ研究機関Apiiroの調査により、Claude Codeの「今後確認しない」機能が原因で2,539件の認証情報が1,994件の公開GitHubリポジトリに流出し、63の企業・組織が被害を受けたことが明らかになった。
DeepMindのAIエージェントが2週間でRSA-1024を解析：署名偽造効率1600倍向上、真の警戒点はどこか
GoogleのDeepMindは、AIエージェントが人間の暗号学専門家の指導のもと、数週間でRSA-1024の2つの脆弱性を発見したと発表した。この研究は、AIが暗号解析の時間スケールを根本的に変えつつあることを示している。
Claudeのガードレール発動後に中国モデルへ切り替え——ARTEXエージェントがApple証明書300枚を窃取
Check Point Researchの報告によると、攻撃者がAIエージェントフレームワーク「ARTEX」を用いてグレーマーケットの署名ストア10社を侵害し、Appleの.p12証明書300枚以上と王者栄耀（Honor of Kings）
OpenAI、追加融資110億ドルで評価額1.25兆ドルに到達
OpenAIがまだ正式クローズしていない既存ラウンドへの追加出資として110億ドルを調達し、評価額が1.25兆ドルに達した。今後数週間以内に最終クローズが見込まれ、テック史上最大規模のプライベート資金調達の一つとなる。
OpenAI、BioBasicsBenchを発表：GPT-6 AstraがウェットラボNタスク100項目で66.7%を獲得するも、菌落カウントでは誤りも
OpenAIと酵素設計企業Ligoが共同で、100項目のウェットラボ日常タスクを対象とするAI評価ベンチマーク「BioBasicsBench」を発表。最高推論設定下でGPT-6 Astraが66.7%の平均部分スコアを記録し、参加モデル中ト
OpenAI、自社システムに侵入したハッカーをパートナーに転換——6,500ドルの報奨金から最先端モデルへのアクセス権へ
OpenAIは、自社のフォーラムから内部コードリポジトリへの侵入に成功したセキュリティ企業Hacktronと正式にパートナーシップを締結し、最先端のサイバーセキュリティモデルへのアクセス権を提供した。今回の事例は、AIシステムとサードパーテ
中国の無料AIモデルのハッキング能力がOpenAIに迫る、セキュリティ業界に警戒感
研究者がAIモデルを模擬ネットワーク環境でテストした結果、中国の無料モデルDeepSeekとGLMのハッキング能力がOpenAIの最先端セキュリティモデルに匹敵することが判明し、セキュリティ業界に不安が広がっている。
MetaがSpacesを発表：Museエージェントとの新たな協働方式
Metaは2026年11月7日、AIエージェント「Muse」との協働を目的とした新機能「Spaces」を発表した。ユーザーがAIと共有ワークスペースで継続的に作業できる「協働空間」として、AI助手の進化の新たな方向性を示している。
数百台のArtexハッキングツールサーバーがインターネット上に公開状態で露出
セキュリティ研究者が、AIハッキングツール「Artex」をホストする数百台のサーバーがインターネット上に認証なしで公開されていることを発見した。本来ペネトレーションテスト用のこのツールが誰でもアクセス可能な状態に置かれており、深刻なセキュリ
レビュー
すべて見る →DoubaoがSmokeテストで主要スコア8点急落——材料制約スコアが1日で25.8点下落
Doubao ProのSmokeテスト主要スコアが昨日の87.60から79.57へと8点下落した。主な原因は材料制約スコアが84.30から58.50へと急落したことにある。
GPT-5.5、材料制約スコアが18点急落も、コード実行は30.3点急騰——総合スコアは8.6点上昇
GPT-5.5の本日のSmokeベンチマークでは、コード実行スコアが69.50から99.80へと急騰した一方、材料制約スコアは79.30から61.30へと急落した。総合スコアは73.91から82.48へと上昇した。
GPT-6 Astraが93.05点で首位：2026-11-07 YZ Index Smoke速報データブリーフィング
2026年11月7日のYZ Index Smoke速報テストは14モデルを対象に実施され、GPT-6 Astraが93.05点で当日首位を獲得した。Smokeは毎日10問の速報テストであり、短期的なシグナルの観察に適しており、Full週間ラ
WDCD コンプライアンス
#1
GPT-6 Astra
90.5
#2
Gemini 3.1 Pro
90
#3
GLM-4.6
90
#4
Claude Opus 4.7
89.3
#5
GPT-6 Sol
89.3
#6
Claude Sonnet 4.6
88.9
#7
Grok 4
88.3
守約ランキング全体を見る →
Research Lab
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
4大モデル翻訳対決：第45週品質評価、gpt-o3が8.7点でトップ
今週382本の翻訳タスクを4つのモデルが処理し、抽出した3本でのブラインド比較評価の結果、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
WinzhengのWDCDベンチマークRun #406において、Gemini 3.1 Proが唯一の制約強化モデルとして91.0点で首位を獲得。15モデルのコホート平均は指示減衰率-9.3%を記録した