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 →パイロット消滅、管制官激減——AIが空を支配するリスク
航空業界ではパイロット不足や管制官の人員難を背景にAIへの期待が高まっているが、ブラックボックス問題や人機引き継ぎの課題、システム障害リスクなど、安全面の懸念も同時に増大している。WIREDの報道をもとに、AI導入が進む航空分野の機会と隠れ
AnthropicのIPO直前にRSPのレッドラインを突破——Claudeの自律的貢献が倍増し上場リスクに
Anthropicは更新された目論見書（S-1/A）において、「責任ある拡張ポリシー（RSP）」に定めた重要な閾値に達したと開示した。ClaudeのAIが社内研究開発への貢献によりモデルの進歩速度を倍増できる水準に至ったとされ、この事実がI
ホワイトハウスAIタスクフォース：善意によるサイバーセキュリティインシデントの開示で、企業は最低12ヶ月の責任免除を取得可能
トランプ政権のホワイトハウスAIタスクフォースは第2回会合後、AI主導のサイバーセキュリティインシデントを善意で開示した企業に対し、連邦機関が最低12ヶ月の責任免除を実施するよう勧告した。この勧告は「規制上の寛容」と引き換えに民間部門の自主
ファン・ジェンスン退任、AIスタートアップ融資に大きな空白が生まれる
TechCrunchの報道によると、ジェン・スン・ファン（黄仁勲）のNVIDIA退任がAIスタートアップの融資市場に連鎖反応を引き起こしており、創業者やベンチャーキャピタリストは調達額の縮小・バリュエーションの低下・慎重化する取引環境への備
Google Gemini 4 Hydrogen発表：Argonより低価格ながら高スコアを記録、実行層戦略が全面展開
GoogleはGemini 4 Hydrogenを発表した。価格は入力/出力それぞれ150万ドル/750万ドル（100万トークンあたり）で、同シリーズのArgonより低価格でありながらArtificial AnalysisのAIインデックス
OpenAIがロボット戦略を三度転換：汎用モデルで直接ロボットを制御、専任チームを解散
OpenAIは独立して運営していたロボットチームを解散し、研究者を主要研究チームおよびApplied組織に統合した。汎用モデルの能力向上により、専用ロボットAIチームの必要性が薄れたと判断した一方、Google DeepMindは専用モデル
OpenAI取締役が警告：AIによる社会「掌握」まで残り数ヶ月の可能性
OpenAI取締役を兼務するAI安全研究者が、AIによる社会「掌握」の時間的猶予は数年・数十年ではなく「数ヶ月」に過ぎない可能性があると公表し、AIの「報酬ハッキング」行動が人類絶滅につながるシナリオを描いて警鐘を鳴らした。
中国最強のAIモデル、禁止されたはずのNVIDIAチップで訓練されていた
最新の研究により、中国トップクラスの大規模AIモデルが米国の輸出規制対象となったNVIDIAの高性能GPUで訓練されていたことが明らかになった。この結果は輸出規制の実効性に疑問を投げかけ、NVIDIAのCEOジェンスン・フアン氏にとっても政
Microsoft 365、約24時間の障害から復旧――誤った更新プログラムが原因
Microsoft 365が約24時間にわたるグローバルな障害から段階的に復旧した。Microsoftは、サイバー攻撃やAIシステムの不具合ではなく、誤った更新プログラムが世界中のサーバーをクラッシュさせたと説明している。
LangChainの評価額が30億ドルに到達、AIエージェント市場が再び過熱
AIエージェント開発フレームワークを提供するLangChainの評価額が30億ドルに達したと報じられ、傘下プラットフォームLangSmithはすでに7,000社の顧客を獲得している。AIエージェント市場が新たな競争の主戦場となる中、同社の商
Claude Sonnet 4.6、Smoke評価の総合スコアが11.7点急落——素材制約スコアが1日で19.9点の半減
Claude Sonnet 4.6が本日のSmoke評価において総合スコアを82.31点から70.61点へと11.7点低下させた。主な要因は素材制約スコアの19.9点急落であり、次回以降の検証が必要なシグナルとなっている。
Claude Opus 4.7、主要ランキングで11.4ポイント急落——資料制約スコアが一日で19.3ポイント下落
Claude Opus 4.7が本日のSmoke評価において主要ランキングスコアを94.91点から83.48点へと11.4ポイント下落させ、資料制約ディメンションでは89.30点から70.00点へと単日19.3ポイントの大幅下落を記録した。
レビュー
すべて見る →Claude Sonnet 4.6、Smoke評価の総合スコアが11.7点急落——素材制約スコアが1日で19.9点の半減
Claude Sonnet 4.6が本日のSmoke評価において総合スコアを82.31点から70.61点へと11.7点低下させた。主な要因は素材制約スコアの19.9点急落であり、次回以降の検証が必要なシグナルとなっている。
Claude Opus 4.7、主要ランキングで11.4ポイント急落——資料制約スコアが一日で19.3ポイント下落
Claude Opus 4.7が本日のSmoke評価において主要ランキングスコアを94.91点から83.48点へと11.4ポイント下落させ、資料制約ディメンションでは89.30点から70.00点へと単日19.3ポイントの大幅下落を記録した。
Claude Opus 4.7が83.48点で首位：2026-11-14 YZ Index Smoke クイックテスト速報
2026年11月14日実施のYZ Index Smokeクイックテストでは13モデルを対象に評価が行われ、Claude Opus 4.7が83.48点で当日首位を獲得した。コード実行と資料制約の2次元で構成される本テストは日次モニタリング用
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