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 →カザフスタン系ハッカー集団がAIフレームワーク「Hermes」でタジキスタンの機密文書2000件を自律窃取
カザフスタン関連のハッカー集団「Silent Lynx」が、オープンソースAIエージェントフレームワーク「Hermes」を使用し、タジキスタンの機密国家安全保障文書2000件を自律的に窃取したとCloudSekが報告した。
ジェンセン・フアン、またも婚外関係の疑惑：今度はNVIDIA社内幹部との不倫指摘
NVIDIAのCEOジェンセン・フアンが、中国情報機関との関係が疑われる女性との不倫を認めたことで批判を浴びた直後、今度は社内の部下である幹部との別の婚外関係があるとも指摘された。連続する私生活スキャンダルが、AI半導体業界の象徴的人物を世
エヌビディア株価下落、取締役会がジェンスン・フアンCEO解任を検討との報道
TechCrunchの報道によると、エヌビディア取締役会が創業者兼CEOのジェンスン・フアン氏の解任を準備しており、早ければ水曜夜にも決定が下される可能性があるという。この報道を受けてエヌビディアの株価は下落し、市場心理は慎重姿勢に転じた。
ジェンスン・フアンをめぐるスキャンダルの経緯：米中AI競争を揺るがす波紋
NVIDIAのCEOジェンスン・フアンをめぐるスキャンダルが発展する中、TechCrunchがその経緯をタイムライン形式で整理した。先端AI算力の輸出管理と地政学的リスクが絡み合うこの問題は、単なる企業ニュースを超えた国家安全保障上の意味を
CoreWeaveの新たな資金調達戦略：前払い、契約担保、短期契約による価格上昇リスク
AI算力プロバイダーのCoreWeaveは、顧客への前払い要求、特定契約を担保とした借り入れ、短期契約への移行という三つの手法で資金調達戦略を刷新している。この戦略はキャッシュフローと融資の主導権確保を狙う一方、需要変動時のリスクも内包して
データセンター建設ブームに暗雲：多くのプロジェクトが永遠に完成しない可能性
AIブームが引き起こしたデータセンター建設ラッシュは、地域社会の反対・複雑な審査プロセス・電力不足という現実の壁に直面しており、高らかに発表された多くのプロジェクトが最初から実現不可能である可能性が指摘されている。
Apple傘下のClarisがHarborをテスト中：Macをクラスター化したローカルAI推論サーバーに、設定不要でオープンソースモデルを実行
Apple傘下のソフトウェア子会社Clarisが、Apple Silicon MacをプライベートなローカルローカルAI推論サーバーに変換するMacアプリ「Harbor」の内部テストを実施中。データを一切外部に送出せず、複数台のMacをTh
48体のAIエージェントが72時間でマヤ遺跡を標定、しかし重要論文を見落とす
Googleの研究者がNASAのLiDARデータを用い、48体のAIエージェントで約1,200平方キロメートルを72時間以内に解析してマヤ遺跡の候補地を特定したが、その遺跡はすでに2025年の考古学論文に記録済みであり、AIは文献調査でこれ
米下院、ジェンセン・ファン氏を召喚——「中国スパイ」疑惑の説明を要求
米国下院共和党議員らがNvidia CEOのジェンセン・ファン氏に対し、「中国スパイ疑惑」をめぐる非公開ブリーフィングへの出席を要求した。TechCrunchの報道によると、ファン氏は水曜日中に召喚への回答を求められている。
7億2000万ドルの資金調達——英国Fractile、AIチップ市場に挑む
英国のAIチップスタートアップFractileが7億2000万ドルの資金調達を完了し、専用AIチップ分野で最も資金力のあるプレイヤーの一つとなった。しかし真の勝負は製品・ソフトウェアエコシステム・顧客実績にかかっており、資金はあくまでも参入
バーチャルアヒルが猫を追いかける日：私はロボットの未来を目撃した
WIREDの記者が、OpenAIモデルで動く小型ロボット「Microduck」を使った実験を通じ、大規模言語モデルが消費者向けロボットの開発方式をいかに変えつつあるかを考察する。自然言語で指示を与えるだけでロボットが動作を組み立てる新時代の
データセンターブームに暗雲：住民反発・許認可・電力の三重苦
生成AIによる算力需要の急増を背景にデータセンター建設計画が相次いで発表されているが、地域住民の反発、許認可の遅延、電力をめぐる争奪戦という三重の障壁が立ちはだかり、発表されたプロジェクトの多くが実際には建設されない可能性をTechCrun
レビュー
すべて見る →GPT-6 Luna が88.93点で首位：2026-11-12 YZ Index Smoke クイックテスト速報
2026年11月12日実施のYZ Index Smokeクイックテストでは14モデルを対象に評価が行われ、GPT-6 Lunaが88.93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次元のみを対象とした1日10問の小規模測定で
H200でGLM-5.3-Flashを高速化：高スループット分離型サービスの実践
Ant International AI InfraチームがSGLangを用いてH200上でGLM-5.3-Flashの分離型推論サービスを構築し、混合キャッシュ再利用・高速投機的実行・カーネルチューニング・FP8通信によって大幅なスループ
XM-Sparse：Netpreme X-Mem™がスパースアテンションのスループット限界を突破
XM-SparseはNetpreme X-Mem™とSGLang HiSparseを深く統合し、高帯域幅の外部KVキャッシュアクセスによってデコードレイテンシを削減しながら、より大きなバッチサイズと高い並列処理をサポートする。
WDCD コンプライアンス
#1
Claude Sonnet 4.6
93.9
#2
Gemini 3.1 Pro
91.9
#3
GPT-6 Sol
85.3
#4
GPT-5.5
81.9
#5
GPT-6 Luna
81.7
#6
Claude Opus 4.7
77.7
#7
Grok 4
77
守約ランキング全体を見る →
Research Lab
WDCD Run #422：平均指示減衰率-66.7%、Claude Sonnet 4.6が15モデル中トップに
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #422において、15モデルを対象に30問のテストを実施した結果、平均コミットメント減衰率は-66.
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