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
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
最新ニュース
すべてのニュースを見る →チャットボット広告戦争勃発：何が効果的で、何が裏目に出るか
生成AIの競争はモデル性能から収益モデルへと拡大しており、AnthropicがClaudeへの広告掲載を拒否する一方、他社はチャットボットへの広告導入を加速させている。広告はすでに現実のものとなっているが、ユーザーの信頼を損なわずに収益化を
ChatGPTが殺人事件に関与：妻がAIを利用して夫の毒殺を計画
米Ars Technicaが報じた最新の訴訟によると、ある女性がChatGPTを利用して夫の毒殺計画を立案・実行したとして告訴された。エネルギードリンクに毒物を混入するという手口が用いられたとされ、AIの責任の所在をめぐる議論が広がっている
Googleが学校に与えた選択肢：GeminiはなくせるがAI検索は外せない
GoogleはAI機能に関する学校側の懸念に応え、GeminiアシスタントをオフにできるオプションをEducation向けサービスに追加した。しかし、検索結果に表示されるAI生成の要約・回答については学校側がオフにする手段がなく、「選択肢の
NVIDIA Cosmos 3、4つの新オープンモデルを追加：単体ロボットから自動運転まで全カバー、しかし96GB VRAMという現実的なハードルも
NVIDIAは2026年11月5日、HuggingFaceを通じてCosmos 3 Nanoシリーズの4つのオープンウェイトチェックポイントを公開し、自動運転とロボティクスの両分野に対応したインタラクティブな世界シミュレーション能力を正式に
OpenAIがGPT-6 Cyberを発表：脆弱性悪用能力が51%向上、境界遵守率99.93%を主張
OpenAIは2026年11月5日、サイバーセキュリティ特化モデル「GPT-6 Cyber」を発表した。自社の準備フレームワークにおいてCritical（最高危険）レベルに分類される同モデルは、ベンチマークで前世代比51%の性能向上を示す一
OpenAIのサイバーセキュリティ新モデル、本当に十分か？
OpenAIが2026年11月6日にサイバーセキュリティ向けの新モデルを発表した。しかしその真の問いは、モデルの性能よりも、AIラボがデジタルインフラ保護に深く関与する中で求められる信頼性と説明責任にある。
Metaが警告：データセンターへの政治的反発がAI拡張を鈍化させる可能性
Metaは規制当局への開示文書の中で、データセンターをめぐる政治的反発が選挙サイクルで増幅され、同社の将来的なAI投資やインフラ拡張を困難にする可能性があると警告した。AI競争の勝敗は実験室内のモデルだけでなく、地方議会や地域社会の合意形成
MetaがAIアバタービデオ通話「Muse」を公開——AIウェアラブルへの布石
Metaは米国ユーザー向けに、AIアシスタント「Muse」のカスタマイズ可能なアニメーションアバターによるビデオ通話機能を公開した。さらにTamagotchi型ウェアラブルデバイスの開発計画も明らかになっており、AIをスクリーンから日常へと
Doubao ProがSmoke速報テストで87.6点首位：2026-11-06 YZ Index Smoke速報データブリーフ
2026年11月6日実施のYZ Index Smoke速報テストでは13モデルを対象に評価が行われ、Doubao Proが87.6点でトップとなった。本テストはコード実行と資料制約の2次元を対象とした1日10問の速報測定で、短期的なシグナル
Redditの共同創業者：「ソーシャルアプリを作ることはもはやクールではない」
Reddit共同創業者のアレクシス・オハニアンが「ソーシャルメディアアプリの構築はもはやクールではない」と発言。AIや広告アルゴリズムによってインターネットが「妥協させられた」現状を踏まえ、UGCの次なる形を模索している。
Claudeがパーソナルファイナンス機能を追加——チャットで口座明細を確認可能に
AnthropicのAIアシスタントClaudeが、金融データプラットフォームPlaidを通じて銀行口座やクレジットカードを連携し、自然言語で財務状況を照会できる「Personal Finance」機能を正式にリリースした。AIアシスタント
OpenAI社長：2027年にIPO条件を備える可能性
OpenAIのGreg Brockman社長がTechCrunchの取材に対し、同社が2027年にIPOの準備が整う可能性を示唆した。企業向け収益の加速と業績改善を主な根拠として挙げているが、IPO準備が整うことは上場確定を意味しない。
レビュー
すべて見る →Doubao ProがSmoke速報テストで87.6点首位：2026-11-06 YZ Index Smoke速報データブリーフ
2026年11月6日実施のYZ Index Smoke速報テストでは13モデルを対象に評価が行われ、Doubao Proが87.6点でトップとなった。本テストはコード実行と資料制約の2次元を対象とした1日10問の速報測定で、短期的なシグナル
AIの安全性に「組み合わせ可能性」を前提とすべきでない：デプロイには独立したテストが必要
デプロイされたAIシステムの安全性は基盤モデルの評価結果とは大きく異なる場合があり、システムプロンプトや微調整などの変更後は独立したテストが不可欠であることを、研究知見をもとに論じた記事。
MLCommonsがAILuminate Safety 1.2.1とJailbreak 1.1ベンチマークを公開
MLCommonsは、AIシステムの有害コンテンツ生成傾向と攻撃への耐性を測定するAILuminate Safety 1.2.1およびAILuminate Jailbreak 1.1ベンチマークを公開し、27システムの評価結果とともにオンデ
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
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。
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
WinzhengのWDCDベンチマークRun #406において、Gemini 3.1 Proが唯一の制約強化モデルとして91.0点で首位を獲得。15モデルのコホート平均は指示減衰率-9.3%を記録した