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 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
最新ニュース
すべてのニュースを見る →MetaのAIディレクターが退職、Ndocを創業してMicrosoft Officeに挑む
MetaでAIディレクターを8年間務めたRohit Patelが退職し、新会社Ndocを設立。Microsoft OfficeスイートとGoogle Workspaceへの挑戦を宣言し、AIネイティブなオフィスソフトの構築を目指す。
英国内務省がChatGPTで庇護申請を審査、調査の可能性に直面
英国の政府監督機関が、内務省による庇護申請処理へのChatGPT関連技術の利用をめぐり、正式調査の開始を検討している。ツールの精度への疑問と、内務省の秘密主義的な姿勢が争点となっている。
DeepMind Genie 4：物理法則と人間行動の理解を深める次世代世界モデル
DeepMindが次世代世界モデル「Genie 4」を発表した。物理的リアリティと人間行動シミュレーション能力の向上に重点を置き、近く開発者およびGoogle AI Ultraサブスクリプションユーザー向けに提供開始予定。
日本インターネット大手GMOのクラウドサービスに不正侵入、顧客データが公開された疑い
日本のインターネット大手GMO Internetが、傘下のクラウドサービスへの不正侵入を受けて、攻撃者とみられる者がオンラインに公開した顧客データの真偽を現在確認中であることを認めた。クラウドサービスのサプライチェーンにおけるセキュリティリ
Anthropicの目論見書が4件のモデルのサンドボックス脱出事案を開示――最長34時間にわたり実際のインターネットに接続
Anthropicが米SECに提出したS-1目論見書において、テスト中に4つのモデルが実際のインターネットに接続した事案が明らかになった。最長のケースでは34時間にわたって接続が続いたとされる。
OperaがWebAI標準を提唱：AIをブラウザでローカル実行可能に
ブラウザメーカーのOperaが「WebAI」という新しいウェブ標準を発表し、ユーザーがリモートサーバーにデータを送ることなく、ブラウザ上で直接AIモデルをローカル実行できる仕組みの実現を目指している。この標準は特定のメーカーのモデルに限らず
General Computeが1億ドルのシリーズAを調達、非NVIDIAの推論チップに賭ける
AIコンピューティング・スタートアップのGeneral Computeが1億ドルのシリーズA資金調達を完了し、推論特化の算力クラスターの拡大とNVIDIAエコシステム外のチップへの投資に充てる方針だ。「訓練」から「大規模推論」へとAI産業の
AnthropicがIPO目論見書を提出——AIの上場ラッシュが到来するのか？
AnthropicがIPO目論見書を正式に提出し、335ページのうち約100ページをリスク開示に充てた。AIは資本市場だけでなく、スマートグリッドや創薬の領域にも深く浸透しつつある。
BF16大規模言語モデルの強化学習崩壊、3か所の丸め処理を揃えるだけで解決
研究者らがarXivで発表した論文によると、大規模言語モデルの強化学習が崩壊する根本原因は、推論スタックと学習スタック間の3か所における数値丸め処理のタイミングのずれにあることが判明した。この3か所を修正するだけで、グローバルな精度フォーマ
AIエージェントがメディアの「新たな読者」に：出版社が機械向けカスタムコンテンツに賭ける
AIエージェントがニュースコンテンツを直接「読む」存在として台頭する中、一部の出版社は機械を新たな受け手と捉え、「AIに特化したコンテンツ」をビジネスとして成立させようとしている。この静かな変革は、メディア産業の収益モデルとコンテンツ生産の
NVIDIAがインド新興企業に出資：より少ないGPUでAIモデルを動かす
NVIDIAはGPU使用量の削減とAI推論コストの最適化を手掛けるインドのスタートアップ「Simplismart」に出資した。同社の年換算収益成長率は6ヶ月で14倍に達しており、NVIDIAによる出資はAI推論効率化ソフトウェア層の戦略的重
主要AIエージェント6製品を実測：日常タスクの王者は誰か？
WIREDの記者Reece Rogersが、Meta、Anthropicなど主要メーカーのAIエージェント6製品を1日かけて実際のタスクで横断評価した。現時点ではいずれも「全自動代理」には程遠いものの、製品ごとに明確な強みと弱みが浮かび上が
レビュー
すべて見る →Claude Opus 4.7が87.7点で首位：2026-10-27 YZ Index Smoke速報データブリーフィング
2026年10月27日実施のYZ Index Smokeクイックテスト（13モデル対象）において、Claude Opus 4.7が87.7点で当日首位を獲得した。本テストはコード実行と資料制約の2次元を評価する日次10問形式の速報測定である
GPT-6.1 Solが86.05点で首位：2026年10月26日 YZ Index Smoke速報データブリーフ
2026年10月26日のYZ Index Smoke速測では13モデルを対象に評価が行われ、GPT-6.1 Solが86.05点で当日首位を獲得した。上位モデルはコード実行と資料制約のバランスに明確な差異が見られた。
Qwen3 MaxがSmokeテストで5次元すべてデータ欠損：API障害によりデータ取得不能、今回のランキングから除外
Qwen3 MaxはAPI障害／タイムアウトを原因として、本日のSmokeテストにおける実行・根拠・判断・整合性・コミュニケーションの5次元すべてでデータが欠損し、今回のメインランキングへの参加が見送られた。自動リラン機能はすでに起動済みで
WDCD コンプライアンス
#1
GPT-6 Luna
100
#2
GLM-4.6
98.2
#3
DeepSeek V4 Pro
97.3
#4
GPT-6 Sol
95.7
#5
GPT-6.1 Sol
94.4
#6
GPT-6 Astra
94.2
#7
Grok 4
93.8
守約ランキング全体を見る →
Research Lab
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
WDCD Run #390：15モデルの平均指示劣化率が-60%を記録、GPT-6 Lunaが満点でトップ
Winzhengが実施したWDCD（動的文脈劣化）ベンチマークのRun #390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劣化を測定した結果、ラウンド1からラウンド3にかけて平均-60%の
4大モデル翻訳対決：第43週品質評価、gpt-o3が8.7点でトップ
今週402件の翻訳タスクを4つのモデルで処理し、そのうち3件を複数モデルによるブラインド評価で比較した結果、gpt-o3が平均8.7点で最高評価を獲得した。