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 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
最新ニュース
すべてのニュースを見る →俳優が「顔を売る」AIショート動画会社、これはハリウッドの未来か?
ある俳優が自身の顔をAIショート動画スタートアップにライセンス供与したことが報じられ、この「顔売り」モデルがハリウッドに与える影響について専門家の間で議論が広がっている。
Duplexから8年、強制AI身分開示が実装へ:Google Gemini Tasksが6カ国で電話代理サービスを無料開放
Googleは2026年11月17日、Gemini Tasksを米国・日本・韓国・カナダ・オーストラリア・インドの6カ国で無料公開し、約10年の歴史を持つGoogle Duplex電話代理技術を基盤に、AIが自動でレストラン予約や美容院の予
米国、87.9万個のAIチップの中国輸出を承認――その3割はペンタゴンの軍事関連企業リスト掲載企業へ、管理上の抜け穴が露呈
米国下院外交委員会が公開した許可証データによると、2025年12月から2026年5月にかけて、商務省産業安全保障局(BIS)がNVIDIA H200およびAMD MI325Xを含む87.9万個の先進AIチップの中国輸出を承認した。承認を受け
DeepSeek、1000億元規模の融資完了後も算力不足が深刻化——科創板IPO直前、サービス制限が緊張感を浮き彫りに
DeepSeekは2026年11月に第2回外部融資約1000億元を完了したが、算力不足によるサービス中断や利用制限が相次いでおり、科創板IPO申請を前にした資本調達と計算リソースのギャップが課題として浮上している。
3つのAI法案が最後の立法ウィンドウを争う:12月11日前に成立か、それとも民主党の議会掌握後に持ち越しか
米国議会では2026年11月19日、前沿AIシステムを対象とした3つの安全関連法案が同時に浮上し、いずれも12月11日という共通の期限に直面している。この期限までに成立できなければ、民主党が両院を掌握する新議会に持ち越され、規制の方向性が大
大手銀行5行が一斉に規約改定:AIエージェントがハッキングされた損失はユーザー負担、自社アシスタントは免責
シティバンク、PNC銀行、シチズンズ銀行など米国大手5行が相次いでサービス規約を改定し、第三者製AIエージェントに口座アクセス権を付与した結果生じた損失はユーザーが負担すると明記した。一方、各行は自社開発のAIアシスタントについては免責条項
アマゾン、中国背景のAIエージェントが11分で東アジアの医療画像サーバーのゼロデイ脆弱性を自律的に突破したと公表
アマゾンの脅威インテリジェンスチームは、中国背景のハッカーがオープンソースAIペネトレーションフレームワーク「Cairn」を使い、AIエージェントが東アジアの大学医療画像サーバーに対してゼロデイ脆弱性を発見・悪用したと公表した。エージェント
警察が『GTA6』を採用・訓示に使って大失敗
米国各地の警察署が「グランド・セフト・オートVI」を採用広告や市民への注意喚起に活用しようとしたが、警察を嘲笑するゲームのイメージと完全に矛盾し、ネット上で広く嘲笑された。WIREDの報道を元に、公的機関がSNSでミームを使う構造的な問題を
200万匹の「カナリア」がAIサプライチェーンに潜入、プライバシー危機が浮上
セキュリティ研究者が約200万個の追跡可能な「カナリアトークン」をAIサプライチェーンに埋め込んだ実験で、データが意図しない形で流出していることが判明した。この実験はAI業界のプライバシー管理に構造的な問題があることを定量的に示した。
AIデータセンターの排出量が急増、Metaが2030年ネットゼロ目標を再検討
MetaがAIデータセンターの拡張に伴う記録的な排出量増加を背景に、2030年のサステナビリティ目標を「再評価」していることが報じられた。生成AI競争が企業のエネルギーコストを押し上げ、「成長優先」と「排出削減優先」の矛盾が表面化している。
Googleの検索トップページが大刷新:検索ボタンを廃止、AIチャット履歴が主役に
Googleは2026年11月21日、検索トップページに近年最も抜本的なインターフェース刷新を実施し、従来の「Google検索」ボタンを廃止。検索ボックス下部にAIチャット履歴を表示し、対話形式での検索体験へと移行した。
AIがゼロからCPUを設計:Frostbiteが4.59倍のエネルギー効率向上を実現、ただしテープアウト未完了
AI基盤インフラ企業Architect Labsは、AIシステムが理論から出発し、ISA定義からGDSレイアウトまでの全工程を自律的に完了した汎用CPU「Frostbite」を発表した。25項目のベンチマークテストで比較基準CPUに対し4.
レビュー
すべて見る →Doubao Proが91.11点で首位:2026-11-21 YZ Index Smoke速報データブリーフ
2026年11月21日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Doubao Proが91.11点で当日首位を獲得した。本速報はコード実行と資料制約の2次元のみをカバーする日次10問の簡易テストである。
GPT-o3のコード実行スコアが28.3点急落、メインランキングでも1日で20.2点低下
GPT-o3が本日のSmokeベンチマークでメインランキングスコアを昨日の78.08点から57.92点へ20.2点下落させ、特にコード実行ディメンションでは73.80点から45.50点へ28.3点の大幅下落を記録した。
Claude Sonnet 4.6、マテリアル制約スコアが15.2点下落——メインランキングも5.5点後退
Claude Sonnet 4.6は本日のSmoke評価においてマテリアル制約スコアが88.30点から73.10点へ15.2点下落し、メインランキングが77.41点から71.89点へ5.5点後退した。
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
4大モデル翻訳対決:第47週品質評価、claude-sonnet-4.6が9点でトップ
今週442件の翻訳タスクを4モデルで処理し、抽出した3記事をマルチモデルブラインド評価した結果、claude-sonnet-4.6が平均9/10点で総合最優秀となった。
WDCD ラン #428:Gemini 3.1 Pro が89.8点でトップ、平均指示減衰率は-16.4%を記録
Winzheng Dynamic Contextual Decay(WDCD)ベンチマークのラン #428において、Gemini 3.1 Pro が89.8点で首位を獲得し、15モデル全体の平均コミッ