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 →3つのAI法案が最後の立法ウィンドウを争う:12月11日前に成立か、それとも民主党の議会掌握後に持ち越しか
米国議会では2026年11月19日、前沿AIシステムを対象とした3つの安全関連法案が同時に浮上し、いずれも12月11日という共通の期限に直面している。この期限までに成立できなければ、民主党が両院を掌握する新議会に持ち越され、規制の方向性が大
大手銀行5行が一斉に規約改定:AIエージェントがハッキングされた損失はユーザー負担、自社アシスタントは免責
シティバンク、PNC銀行、シチズンズ銀行など米国大手5行が相次いでサービス規約を改定し、第三者製AIエージェントに口座アクセス権を付与した結果生じた損失はユーザーが負担すると明記した。一方、各行は自社開発のAIアシスタントについては免責条項
アマゾン、中国背景のAIエージェントが11分で東アジアの医療画像サーバーのゼロデイ脆弱性を自律的に突破したと公表
アマゾンの脅威インテリジェンスチームは、中国背景のハッカーがオープンソースAIペネトレーションフレームワーク「Cairn」を使い、AIエージェントが東アジアの大学医療画像サーバーに対してゼロデイ脆弱性を発見・悪用したと公表した。エージェント
200万匹の「カナリア」がAIサプライチェーンに潜入、プライバシー危機が浮上
セキュリティ研究者が約200万個の追跡可能な「カナリアトークン」をAIサプライチェーンに埋め込んだ実験で、データが意図しない形で流出していることが判明した。この実験はAI業界のプライバシー管理に構造的な問題があることを定量的に示した。
AIデータセンターの排出量が急増、Metaが2030年ネットゼロ目標を再検討
MetaがAIデータセンターの拡張に伴う記録的な排出量増加を背景に、2030年のサステナビリティ目標を「再評価」していることが報じられた。生成AI競争が企業のエネルギーコストを押し上げ、「成長優先」と「排出削減優先」の矛盾が表面化している。
Googleの検索トップページが大刷新:検索ボタンを廃止、AIチャット履歴が主役に
Googleは2026年11月21日、検索トップページに近年最も抜本的なインターフェース刷新を実施し、従来の「Google検索」ボタンを廃止。検索ボックス下部にAIチャット履歴を表示し、対話形式での検索体験へと移行した。
AIがゼロからCPUを設計:Frostbiteが4.59倍のエネルギー効率向上を実現、ただしテープアウト未完了
AI基盤インフラ企業Architect Labsは、AIシステムが理論から出発し、ISA定義からGDSレイアウトまでの全工程を自律的に完了した汎用CPU「Frostbite」を発表した。25項目のベンチマークテストで比較基準CPUに対し4.
言語モデルが自律的に重みを書き換え可能に:27Bモデルが訓練なしで6.6ポイントの精度向上を達成、AIセキュリティへの警戒が高まる
イリノイ大学アーバナ・シャンペーン校とカーネギーメロン大学の研究チームが、270億パラメータのQwen 3.5モデルが勾配計算や従来の訓練プロセスなしに自らの重みを直接修正し、数学問題の精度を6.6ポイント向上させることに成功したと発表した
AIをめぐる最も誤解されたグラフが更新:能力は上昇、判断力は追いついていない
AI評価機関METRが「タイムホライズン図」の最新版を公開し、一部のAI能力は依然として指数的に成長しているが、プログラミングタスクと判断力を要するタスクの間に顕著な非対称性があることが明らかになった。この図表は広く引用される一方で、ほぼ毎
AIと人間が同時にリーマン予想(167年の難問)の解明を主張、数学界に衝撃
2026年11月、AIシステムと人間の数学者がほぼ同時にリーマン予想の証明を発表し、数学界に前例のない衝撃を与えた。両証明はいまだ査読中であり、その検証のあり方そのものが新たな問題を提起している。
黄仁勲「虚偽説明」騒動:エヌビディア取締役会はなぜ辞任前に警戒したのか
2026年11月、エヌビディア前CEO黄仁勲氏の突然の辞任がシリコンバレーに衝撃を与えた。WIREDが入手した内部情報によれば、取締役会が最も問題視したのは不倫疑惑ではなく、調査への対応における「誠実さの欠如(lack of candor)
Spotifyの創業者がAI研究者に出資、異業種から「人工太陽」の実現へ
Spotifyの共同創業者Daniel EkがAI研究者によって設立された核融合エネルギースタートアップ「Europa Fusion」に投資したことが明らかになった。AIと核融合技術の融合という新たなアプローチが、クリーンエネルギー業界と
レビュー
すべて見る →Doubao Proが91.11点で首位:2026-11-21 YZ Index Smoke速報データブリーフ
2026年11月21日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Doubao Proが91.11点で当日首位を獲得した。本速報はコード実行と資料制約の2次元のみをカバーする日次10問の簡易テストである。
GPT-o3のコード実行スコアが28.3点急落、メインランキングでも1日で20.2点低下
GPT-o3が本日のSmokeベンチマークでメインランキングスコアを昨日の78.08点から57.92点へ20.2点下落させ、特にコード実行ディメンションでは73.80点から45.50点へ28.3点の大幅下落を記録した。
Claude Sonnet 4.6、マテリアル制約スコアが15.2点下落——メインランキングも5.5点後退
Claude Sonnet 4.6は本日のSmoke評価においてマテリアル制約スコアが88.30点から73.10点へ15.2点下落し、メインランキングが77.41点から71.89点へ5.5点後退した。
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