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 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
▲ Gemini 2.5 Pro +15.8 · ▼ GLM-4.6 -52.1
·
#1
GPT-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
▲ Gemini 2.5 Pro +15.8 · ▼ GLM-4.6 -52.1
·
最新ニュース
すべてのニュースを見る →NVIDIAのガバナンス危機：専門家たちがポップコーンを手に固唾を飲む
世界最大のAIチップメーカーであるNVIDIAがコーポレートガバナンス論争の渦中に巻き込まれており、ガバナンスの専門家たちは「これまで見たことのない事態」と口をそろえる。この危機はNVIDA一社の問題にとどまらず、AI産業全体に影響を及ぼし
韓国DeepX、サムスン2nmチップのテープアウト完了：5ワットで100Bパラメータ推論、エッジAIはワット級の転換点を迎えるか？
韓国のファブレスAIチップ企業DEEPXは、第2世代AI推論チップDX-M2がサムスン電子の2nm GAAプロセスでテープアウトを完了したと発表した。5ワット程度の消費電力で100Bパラメータの大規模言語モデルを動作させることを設計目標とし
李飛飛がAtlasを携えてCoRLロボティクス学会に登壇——AMDの82億ドルが賭けるもの
李飛飛（フェイフェイ・リー）がCoRL 2026でワールドモデル「Atlas」の技術報告を行い、AMD CEOリサ・スーとの共同登壇を果たした。AMDによる82億ドルでのWorld Labs買収が発表されて以来、初の公開共演となった。
アマゾンがAI搭載セキュリティドローンとロボットを発表——Ring カメラが「動き出す」
アマゾンは新ブランド「Ring Robotics」のもと、AI駆動の自律移動型セキュリティドローンと地上ロボットを発表した。2026年末から2027年初頭にかけて段階的に発売予定で、家庭用セキュリティ市場に新たな競争軸をもたらす。
Anthropicの7人の共同創業者、IPOでそれぞれ2億5000万ドルを売却へ
AI安全企業AnthropicのIPOにおいて、7人の共同創業者全員が同一数量の株式を売却することが明らかになった。各創業者は約2億5000万ドル、合計約17億5000万ドルの現金を得る見込みだが、創業者チームは引き続き会社の支配権を維持す
AIが数学の「神託」となるとき、人間の直感はどこへ向かうのか
コーネル大学の応用数学者スティーブン・ストロガッツの新著を起点に、AIが数学に介入した場合に生じる「答えは得られても理解が伴わない」という認識論的問題と、人間の数学者の役割の変容を考察する。
ニューヨークAI安全法が施行、大規模モデルの巨頭が厳格な規制に直面
ニューヨーク州がAI安全法の執行を開始し、OpenAIやAnthropicなどの主要AI開発者に対して州内への登録、安全対策の開示、「重大インシデント」発生時の当局への報告を義務付ける。違反企業には罰則が科される。
OpenAIがOdessiaを買収、AI旅行分野への布石が明らかに
OpenAIが旅行スタートアップのOdessiaを買収したことが明らかになった。モデル性能競争の枠を超え、AIエージェントが実際に「タスクをこなせる」垂直領域のシナリオを模索する同社の戦略的意図が浮かび上がっている。
Grok Buildコーディングエージェントが大量の機密情報を漏洩——一部はSpaceXのデータ
xAIのAIコーディングエージェント「Grok Build」が生成した約3万5,000件のアプリが認証なしでインターネットに公開されており、その中にはSpaceXの機密データも含まれていることが判明した。本事件はAIエージェント全体のセキュ
GoogleがGemini Robotics 2.5を発表：工場での96%成功率の裏に潜む4%の現実的課題
Google DeepMindは2026年11月10日にGemini Robotics 2.5を発表し、メルセデス・ベンツの実稼働ラインでApptronikのApollo 2人型ロボットを用いた検証で96%の成功率を達成した。しかし残る4%
Anthropic、IPOロードショーを正式開始：8億2500万株を70〜78ドルで公開、PBC構造がガバナンスリスクを内包
Anthropicは2026年11月10日、A類普通株のIPOロードショーを正式に開始し、1株70〜78ドルの価格レンジで8億2500万株を発行すると発表した。完全希薄化後の評価額は最大1.4兆ドルに達する見込みだが、PBC（公益法人）構造
WDCD Run #422：平均指示減衰率-66.7%、Claude Sonnet 4.6が15モデル中トップに
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #422において、15モデルを対象に30問のテストを実施した結果、平均コミットメント減衰率は-66.7%となり、Claude Sonnet
レビュー
すべて見る →Claude Opus 4.7が79.56点で首位：2026-11-11 YZ Index Smoke速報データブリーフィング
2026年11月11日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Opus 4.7が79.56点で当日首位を獲得した。本レポートはコード実行と資料制約の2次元を対象とした1日10問の小規模サンプルによ
GPT-6 AstraとGPT-6.1 Solが92.49点で並列首位：2026-11-10 Smokeクイックテストデータ速報
2026年11月10日のYZ Index Smokeクイックテストでは、13モデルを対象に評価が行われ、GPT-6 AstraとGPT-6.1 Solがともに92.49点で当日首位に並んだ。Smokeは毎日10問の簡易テストであり、短期的な
Qwen3 Max、Smoke評価データが全項目欠損――API障害により今回の主要ランキングから除外
Qwen3 MaxがSmokeデイリー評価において全5評価軸のデータが欠損し、主要ランキングスコアも算出不能となった。API障害が原因とみられ、自動再実行メカニズムが発動、今回はランキングに参加しない。
WDCD コンプライアンス
#1
Claude Sonnet 4.6
93.9
#2
Gemini 3.1 Pro
91.9
#3
GPT-6 Sol
85.3
#4
GPT-5.5
81.9
#5
GPT-6 Luna
81.7
#6
Claude Opus 4.7
77.7
#7
Grok 4
77
守約ランキング全体を見る →
Research Lab
WDCD Run #422：平均指示減衰率-66.7%、Claude Sonnet 4.6が15モデル中トップに
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #422において、15モデルを対象に30問のテストを実施した結果、平均コミットメント減衰率は-66.
4大モデル翻訳対決：第46週品質評価、claude-sonnet-4.6が9点でトップ
第46週の翻訳評価レポートでは、4つのモデルが計395件の翻訳タスクを処理し、3件のサンプルを対象にした複数モデルによるブラインド評価の結果、claude-sonnet-4.6が平均9点で総合最高評価
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