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 →AnthropicがMythosとFableの新モデルを発表
AI企業AnthropicはMythosとFableという2つの新世代モデルを正式発表し、コーディング・推論・視覚の各分野における改善を謳っている。一方で、再帰的自己改善（RSI）に関する懸念も業界内で高まっている。
データセンターへの反発、真の焦点は電力かもしれない
米国各地でデータセンターをめぐる論争が激化しているが、その本質は騒音や土地問題ではなく、電力コストの分担という構造的課題にある。AIがもたらす電力需要の急増が、データセンターをエネルギーシステム上の政治問題へと変えつつある。
ファン・ジェンスンがElevenLabsサミットを直前辞退、エヌビディアをめぐる波紋が拡大
エヌビディアCEOジェンスン・ファンがElevenLabsの年次サミットへの出席を直前にキャンセルしたことが報じられた。同氏はその前にもAnthropicのイベントを辞退しており、相次ぐ欠席が憶測を呼んでいる。
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
Anthropicが34億ドルを投じて天然ガスタービンを購入、AIエネルギー競争に参入
AI企業のAnthropicが約34億ドル相当の天然ガスタービンを購入し、拡大するデータセンターへの電力供給を確保した。この動きはAI業界における「電力争奪戦」の激化を象徴しているが、将来的な「買い手の後悔」につながる可能性も指摘されている
ペロシ議員の後継者が議会入り、AI規制に新たな推進力
カリフォルニア州上院議員スコット・ウィーナーがナンシー・ペロシの後継としてサンフランシスコ選挙区の議席を獲得し、連邦レベルのAI政策立案において重要な役割を担う可能性が高まっている。
Claude Codeがアシスタント操作中に大量の機密情報をGitHubに意図せず漏洩と判明
AnthropicのAIコーディングツール「Claude Code」が、「Do not ask again」という操作UI上の設計上の欠陥により、パスワードやAPIキーなどの機密情報をGitHubに意図せず書き込んでいたことが報告された。セ
100万トークンわずか10セント：MetaがMuse Emberでエージェント価格戦争の火蓋を切る
Metaは2026年11月10日、軽量AIエージェント実行向けモデル「Muse Ember」を正式発表した。入力100万トークンあたり10セントという攻撃的な価格設定で、エージェント開発者の獲得とエコシステムの構築を狙う。
黄仁勲スキャンダルがNVIDIAの中国戦略に打撃
TechCrunchの報道によれば、NVIDIAのCEO黄仁勲氏が中国のスパイ疑惑のある女性との不倫関係を指摘されており、米中チップ戦争の最前線に立つ同社の対ワシントン・ロビー活動に深刻な政治リスクをもたらす可能性がある。
ジェンセン・フアンが「スキャンダル専門PR」会社を雇用——タイミングに深い含意
NVIDIAのCEOジェンセン・フアンが、性スキャンダルや高幹部の不祥事処理で知られる危機管理PR会社Hellerと2025年10月に協力関係を築いていたことをWIREDが報道。同時期にフアン氏が中国スパイ疑惑のある人物と関連付けて報じられ
NVIDIAのCEO婚外情スキャンダル、なぜ国家安全保障に関わるのか
NVIDIAがCEO黄仁勲氏の婚外情関係を通じて中国情報機関に狙われた可能性を調査していると報じられた。AI時代において、テック企業トップの個人的リスクがいかに国家安全保障上のリスクと直結しうるかを分析する。
MediumがAIライティングアプリ「TK」を発表——AIが創作プロセスに直接介入
Mediumが新たなライティングアプリ「TK」を発表し、AIアシスタントを執筆フロー自体に組み込んだ。出版業界でAIへの懐疑論が高まるなか、同社はAIを創作プロセスの一部として取り込む選択をした。
レビュー
すべて見る →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。
GLM-4.6のSmokeテスト：コード実行25分、API障害によりコミュニケーション次元欠損で主榜36.25点
GLM-4.6は本日のSmokeテストで主榜36.25点を記録したが、API障害によりcommunication次元のデータが完全に欠損し、正式ランキングへの参入は見送られた。コード実行・工程判断いずれも25.00点、材料制約のみ50.00
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
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
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。