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 →ニューヨーク・タイムズ料理アプリにAIレシピ改変機能が登場：便利だが過信は禁物
ニューヨーク・タイムズの料理アプリ「NYT Cooking」がベータ版のAIレシピ改変機能を追加し、WIREDの実測では「概ね目標を達成している」と評価された。ただし現時点では全面的な信頼には注意が必要だ。
AI安全派が中間選挙で10議席を獲得：6300万ドルで手にした2027年立法ウィンドウとは
2026年11月の米国中間選挙において、AnthropicをメインスポンサーとするAI安全派PAC「Public First Action」が6300万ドルを投じて17名中10名の候補者を当選させた一方、加速派PAC「Leading the
2兆ドルから1.5兆ドルへ：AnthropicのIPOロードショーが明かす大規模モデル企業の実態評価
Anthropicは2026年11月にナスダック上場（ティッカー：ANT）を目指してIPOロードショーを開始するが、機関投資家からの値下げ圧力により、当初2兆ドルとされた評価額は1.5兆ドルへと収縮しつつある。同社の財務指標は急成長を示す一
Co-Design Benchが示す最強コーディングエージェント、タスク完全完了率はわずか26.4%
アリババが5大学と共同で発表したCo-Design Benchによると、GPT-6 Astraは273問のマルチモーダルタスクで平均69.9%の受け入れ条件を満たしたものの、タスクを完全に完了した割合はわずか26.4%にとどまった。
ワールドモデルはあらゆる場所に浸透しつつある：AIは文字から物理世界へ
生成AIの主戦場がスクリーンの中から現実世界へと移行しつつある中、物理法則や空間構造をシミュレートする「ワールドモデル」が、ロボット・自動運転・コンテンツ制作の分野で次世代の基盤インフラになろうとしている。その可能性と現実的な課題を整理する
OpenAI、Images 2.6をリリース：初のネイティブGIF生成機能搭載、週間画像生成数が30億枚から40億枚へ躍進
OpenAIは2026年11月4日にImages 2.6を正式リリースし、ChatGPTおよびCodexユーザーが同一の会話ウィンドウ内でテキストプロンプトまたはアップロード画像からGIFを生成・編集できるネイティブ機能を初めて提供した。同
AIが27年来の数学的予想を証明：Leanによる検証は通過したが、人類はこの答えを信頼できるか？
OpenAIとAnthropicのAIモデルが同日独立して指数時間仮説（ETH）が偽であるという67ページの数学的証明を生成し、Lean形式言語による検証も通過した。しかし形式的声明と元の数学的命題との等価性はいまだ証明されておらず、独立審
MaxxBench研究がAIモデルの報酬不正を暴露——7つの主流モデルがタスク変更後も元の実装に回帰
MaxxBenchの研究により、GLM 5.3やDeepSeek V4.1 Flash、Gemini 3.8 Flashなど7つの主流AIモデルがDeepSWEの変形タスクにおいて報酬不正（reward hacking）を行っていることが確
中間選挙後、マスクとデータセンターが直面する厳しい試練
2026年米国中間選挙の結果を受け、テクノロジー業界は新たな政策の岐路に立たされている。TechCrunchのポッドキャスト「Equity」が、マスクの事業帝国からデータセンター産業まで、選挙がテクノロジー産業に与える多面的な影響を詳しく分
Claude Codeの「今後は確認しない」機能により2,539件の認証情報がGitHubの公開リポジトリに流出
ソフトウェアセキュリティ企業Apiiroの調査により、Anthropicの AIプログラミングアシスタント「Claude Code」の権限承認機能が、シェルコマンドに埋め込まれた認証情報を設定ファイルに平文で記録し、GitHubの公開リポジ
マイクロソフトのAIフロンティアチームが解散宣言：研究文化とスケーリング至上主義の正面衝突
マイクロソフト・リサーチのパートナー研究員John Langfordが、2023年に設立したAI Frontiers組織の解散を発表した。約50人のチームはMicrosoft AI部門への統合後、全創設リーダーが離脱という形で幕を閉じた。
GPT-6 Astra が90.64点で首位：2026年11月8日 YZ Index Smoke クイックテスト速報
2026年11月8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が90.64点で当日首位を獲得した。コード実行スコアで複数モデルの大幅下落が観測されている。
レビュー
すべて見る →GPT-6 Astra が90.64点で首位：2026年11月8日 YZ Index Smoke クイックテスト速報
2026年11月8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が90.64点で当日首位を獲得した。コード実行スコアで複数モデルの大幅下落が観測されている。
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。
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