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 →報奨金4倍増・元DOGE職員を採用して自社を攻撃：OpenAIのセキュリティ不安はどこから来るのか
OpenAIは2026年11月3日、脆弱性バグバウンティプログラムを大幅に拡充し、最高報酬を17.2万ドルに引き上げると発表した。同時に元DOGE技術者が設立したCathedral Systemsと提携し、AIでAIを攻撃する形式のセキュリ
AIに規律を守らせることを最適解に：「逆向き賽局理論」の登場
AIエージェントが現実世界で自律的に動作する時代を迎え、「逆向き賽局理論（メカニズムデザイン）」という新たなアプローチが注目されている。外部から制約を課すのではなく、規律を守ることがAI自身にとって最も合理的な選択となるようインセンティブ構
私たちのリスク、彼らのリターン：ニューヨーク市長がAIとデータセンターを語る
ニューヨーク市長Zohran Mamdaniは、AI基盤インフラの拡大が地方政治の核心議題となりつつある中、「私たちのリスク、彼らのリターン」という言葉でビッグテック企業の利益独占構造を批判。データセンター建設から教育現場へのAI導入まで、
Apple Watchに新AI機能がベータテスト開始：会話の聞き返しと自動メモ生成が可能に
Appleは、Apple Watchに会話の聞き返しや要約・メモ自動生成を行う「Audio Intelligence」機能をベータテストとして導入した。ウェアラブルデバイスのAI競争が「記録」から「理解」へと移行しつつある。
アブダビとOpenAIが4件の協定を締結――世界初の機械可読政府が始動
アブダビ政府とOpenAIは2026年11月2日に4件の協定を締結し、世界初のAIネイティブ・機械可読政府構想を始動させた。最初のパイロット運用はすでにアブダビ農業食品安全局で開始されている。
AIを活用し48時間以内に28件のゼロデイ脆弱性を発見、フィジカルAIサプライチェーンに警鐘
サイバーセキュリティ企業VicOneは、AI支援の脆弱性探索ツールを用いて48時間未満でGoogleやNVIDIA、Metaが関与するロボット関連ソフトウェアから28件のゼロデイ脆弱性を発見したと報告した。脆弱性の約75%が開発・訓練・シミ
AnthropicがClaudeの旧バージョン4モデルに不可視透かしを導入——検出権限は監督機関が掌握
Anthropicは2026年11月3日、旧バージョンのClaude 4モデル4種に対し、GoogleのDeepMind SynthID-Textを用いたテキスト透かし技術を適用した。ただし透かしの検出APIは非公開のまま、監督機関や報道機
改名は踏み絵：トランプの「超級知能」忠誠テスト
トランプ大統領が「人工知能（AI）」の呼称を「超級知能（Super Intelligence）」に統一するよう命じる大統領令に署名し、ワシントンとシリコンバレーの間で表明と踏み絵をめぐる連鎖反応が巻き起こった。技術的に不正確なこの呼称変更は
中国人ハッカーがClaude CodeとDeepSeekで100社以上の企業を侵害——1回あたりのコストはわずか50ドル
中国人ハッカーがオープンソースのCairnフレームワークにClaude CodeとDeepSeekを組み合わせ、23時間以内に100社以上の企業サイトへの侵入を完遂した。総コストは約5,000ドル、1回あたりの攻撃コストは50ドルまで低下し
アップル、サードパーティAIアプリに照準——次の収益の柱となるか？
アップルが決算説明会でサードパーティAIアプリを通じた新たな収益源の開拓を示唆した。具体的な手段は明かされていないが、App Storeの手数料モデルやシステムレベルでの連携など複数の収益化経路が考えられる。
年間トークン費用20万ドル、YCトップが自称「サイバー精神病」
Y Combinatorのトップ、Garry Tanが年間最大20万ドルをAIトークンに費やしていることを明かし、AIエージェントの本格的な活用が働き方やコスト構造をどう変えるかを浮き彫りにした。
AIトレーニングの参入障壁がさらに低下：Trajectoryが4500万ドルの資金調達を完了
AI スタートアップのTrajectoryが4500万ドルの資金調達を完了し、企業価値3億ドルに達した。同社は、プログラミング知識を持たないドメインエキスパートもAIモデルのトレーニングと最適化に参加できる環境の実現を目指している。
レビュー
すべて見る →GPT-5.5・GPT-6 Astra・GPT-6 Luna・GPT-6 Solが87.27点で並列首位：2026-11-03 YZ Index Smoke速報データブリーフィング
2026年11月3日のYZ Index Smoke速報では13モデルを評価し、GPT-5.5・GPT-6 Astra・GPT-6 Luna・GPT-6 Solが87.27点で当日首位に並んだ。Smokeは毎日10問の速報テストであり、短期シ
GPT-6 AstraとGPT-6 Solが84.9点で並列首位：2026-11-02 Smokeクイックテストデータ速報
2026年11月2日の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 AstraとGPT-6 Solがともに84.9点で当日首位に並んだ。
Qwen3 MaxのWDCDスコアが26.2点急落——上昇したのはわずか2モデル、12モデルが下落
最新のWDCD v3.1テスト（Run #406）では、15モデル中上昇したのはDeepSeek V4 ProとGPT-6.1 Solの2モデルのみで、残る12モデルはすべて下落。なかでもQwen3 Maxは26.2点減と最大の落ち幅を記録
WDCD コンプライアンス
#1
Gemini 3.1 Pro
91
#2
GLM-4.6
84.4
#3
Grok 4
84.2
#4
Claude Opus 4.7
83.1
#5
GPT-6 Sol
82.7
#6
GPT-o3
80.4
#7
GPT-6 Astra
79.1
守約ランキング全体を見る →
Research Lab
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
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
Winzhengが実施したWDCD Run #400では、評価対象の全15モデルが多ターン対話における平均コミットメント劣化率0%を記録した。GLM-4.6が96.2点で首位に立ち、Gemini 3.