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 →データセンターの電力危機：退役ジェットエンジンが緊急電源として再活躍
AIブームによるデータセンターの急拡大に伴い、電力供給がボトルネックとなる中、送電網への接続や新型ガスタービンの入手に数年を要することから、一部の事業者が退役ジェットエンジンを改造した発電設備を緊急電源として活用し始めている。
AnthropicがFlashProveを発表：AIモデルに「身分証明書」を発行
AI企業AnthropicがFlashProveと呼ばれるシステムを開発中であることをTechCrunchが報じた。AIが生成したコンテンツの出所を検証可能にする仕組みで、モデルのなりすましや偽装問題の解消を目指す。
ドローンが地下データセンターを迫る：ロシアの場当たり的な自衛策
ウクライナのドローン攻撃がロシアのデジタルインフラを直撃し、ロシアは地下データセンターの建設を急遽計画している。この動きは単なるインフラ整備ではなく、戦時下における受動的な危機対応であり、世界のデータセンター業界に物理的セキュリティの再考を
Palantirの商業収入が初めて政府収入を超過：急騰した決算に潜む不安要素
Palantirの最新四半期決算で、米国商業収入が初めて米国政府収入を上回るという象徴的な転換点を迎えた。しかしこの"マイルストーン"の裏側には、政府業務の成長鈍化やAI商業化の持続可能性をめぐる懸念が潜んでいる。
AIサイバーセキュリティ熱の中、Ballistic Venturesが4億9000万ドルの調達を計画
サイバーセキュリティ専門のベンチャーキャピタルであるBallistic Venturesが、新たな旗艦ファンド向けに3億6000万ドル、独立投資ビークル向けに1億3000万ドル、合計4億9000万ドルの資金調達を目指している。AIがサイバー
OpenAIがUber前社長のHazelbaker氏を最高企業事務責任者に任命、同ポジションは約1年間空席だった
OpenAIは2026年11月3日、Uber前社長兼最高企業事務責任者のJill Hazelbaker氏を最高企業事務責任者（Chief Corporate Affairs Officer）として正式に採用すると発表した。EU「AI法」の執
Googleが学校に譲歩した本当の代償：AIを禁止すれば検索エンジンも失う
Googleは2026年11月、K-12学校向けにGeminiなどのAIツールをデフォルト無効化できる新方針を発表したが、AIを完全に禁止した学校はGoogle検索へのアクセスも失うという条件が付いており、教育分野における同社のプラットフォ
GPT-6 Astra 初回テスト：YZ Index 18問定向評価
OpenAIがGPT-6 Astraを発表したことを受け、YZ Indexが18問の定向評価を実施。総合スコア76、実行力85.7、堅実性64.1という結果が出た。
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、GPT-6 Astraが90.5点でトップと
WDCD v3.1：Claude Opus 4.7が8ポイント逆上昇、DoubaoProは10.1ポイント下落
最新のWDCD v3.1テストでは、Claude Opus 4.7が8ポイント上昇して89.30点を記録した一方、Doubao Proは10.1ポイント、Qwen3 Maxは8.5ポイント下落するなど、複数ラウンドにわたる圧力テスト下でモデ
業務ルール遵守が最大の難関、Doubao-proは1.2点、GPT-5.5は苦手分野で2.7点差
WDCD v3.1の5つの制約次元において、業務ルールシナリオが最も遵守困難な領域であることが判明し、Doubao-proはわずか1.2/4点にとどまった。一方、GPT-5.5はデータ境界シナリオで4点から1.3点へと急落し、単一モデルのシ
15モデル中R3崩壊はわずか1回：Qwen3 MaxのR1〜R3が全スコアゼロ、他モデルは持ちこたえる
15モデルを対象にv2アンカー問題のR1〜R3三段階テストを実施したところ、Qwen3 Maxのみがデータ境界シナリオの多重制約並行設定においてR1からR3まで完全スコアゼロとなった。他の14モデルはR3崩壊率ゼロを記録し、守約能力の安定性
レビュー
すべて見る →WDCD v3.1：Claude Opus 4.7が8ポイント逆上昇、DoubaoProは10.1ポイント下落
最新のWDCD v3.1テストでは、Claude Opus 4.7が8ポイント上昇して89.30点を記録した一方、Doubao Proは10.1ポイント、Qwen3 Maxは8.5ポイント下落するなど、複数ラウンドにわたる圧力テスト下でモデ
業務ルール遵守が最大の難関、Doubao-proは1.2点、GPT-5.5は苦手分野で2.7点差
WDCD v3.1の5つの制約次元において、業務ルールシナリオが最も遵守困難な領域であることが判明し、Doubao-proはわずか1.2/4点にとどまった。一方、GPT-5.5はデータ境界シナリオで4点から1.3点へと急落し、単一モデルのシ
15モデル中R3崩壊はわずか1回：Qwen3 MaxのR1〜R3が全スコアゼロ、他モデルは持ちこたえる
15モデルを対象にv2アンカー問題のR1〜R3三段階テストを実施したところ、Qwen3 Maxのみがデータ境界シナリオの多重制約並行設定においてR1からR3まで完全スコアゼロとなった。他の14モデルはR3崩壊率ゼロを記録し、守約能力の安定性
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