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 →GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報
2026年10月28日実施のYZ Index Smokeクイックテストでは13モデルを評価し、GPT-6 Lunaが86.95点で当日首位を獲得した。Smokeは短期シグナルの観察に適した毎日10問のクイックテストであり、週次フルランキング
Google Genie 4ワールドモデル、音声とリアルタイム操作機能を追加
Google DeepMindは2026年10月28日、ワールドモデル「Genie 4」を発表し、リサーチプレビューとして信頼できるテスターに公開した。前世代と比べ、リアルタイム音声、より高精度なシミュレーション、テキストによるリアルタイム
AIモデルが指数時間仮説を覆した？教科書の書き換えはまだ早い
前線AIラボがAIモデルによって計算複雑性理論の指数時間仮説（ETH）が反証されたと主張しているが、数学的な主張と数学的真理の間には検証という壁があり、形式化検証や独立した再現なしには「反証」はあくまで検証待ちの強い主張に過ぎないと専門家は
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
レビュー
すべて見る →GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報
2026年10月28日実施のYZ Index Smokeクイックテストでは13モデルを評価し、GPT-6 Lunaが86.95点で当日首位を獲得した。Smokeは短期シグナルの観察に適した毎日10問のクイックテストであり、週次フルランキング
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。