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 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
最新ニュース
すべてのニュースを見る →AI幹部がAIで家族と絆を深める？ 現実から乖離したエリートたちの盲点
TechCrunchの評論記事が、AI企業幹部たちがAIを使って家族との関係を築くことを公言している現象を取り上げ、こうした発言がいかに彼らの一般ユーザーとの乖離を露呈しているかを指摘している。
Chrome AIオートフィルがGmailを読み取り、フォームを自動入力
GoogleはChromeのAI駆動オートフィル機能をアップグレードし、ユーザーの明示的な許可のもとでGmailの受信トレイをスキャンし、フライト確認情報や荷物追跡情報などをWebフォームに自動入力できるようにした。この機能はGeminiを
GoogleがGeminiと検索を開放：AIエージェントがアプリの入口を再定義する
Googleは第三者アプリ向けにGeminiと検索機能を開放し、新たな開発者プラットフォームを立ち上げた。これによりAIエージェントがアプリの発見・利用の入口を根本から変えようとしている。
「2020年大統領選の勝者は誰か」——GoogleのAIが国内外で見せる二つの顔
GoogleのAIは、2020年米大統領選挙の結果という単純な事実の質問に対し、米国内のユーザーには曖昧な回答を返す一方、海外からの質問には明確な答えを示すという「地域差別対応」が明らかになった。この現象は、AIの政治的中立性をめぐる根本的
NVIDIAが音声文字起こしモデルをオープンソース公開：40言語対応、ただし録音ファイルのみ対象
NVIDIAが40言語に対応した無料の音声文字起こしモデルをオープンソースで公開した。ただしリアルタイム音声入力には非対応で、録音ファイルのみを処理対象とするという明確な機能境界が特徴的だ。
AIハッカーの襲来：韓国金融業界が再びサイバー攻撃の波に直面
韓国の金融機関が再びサイバー攻撃に見舞われており、攻撃者がAIを活用してフィッシング詐欺の自動生成や脆弱性の自動探索を行うという新たな脅威が顕在化している。この動向はアジア全域におけるAI駆動型サイバー攻撃の拡大を示す先触れとも言える。
スタートアップが死んでも、データはAIの争奪品になる
資金調達の冬で倒産したスタートアップのユーザーデータが、AIモデルの学習用データとして高値で取引される新たなビジネスが生まれている。データの所有権・プライバシー・規制をめぐる灰色地帯も浮かび上がっている。
TechCrunch創業者サミット開幕まで7日、チケット最大100ドル割引
TechCrunch Founder Summitが11月4日にボストンのSoWa Power Stationで開催される。開幕まで残り7日となり、主催者は最大100ドルの割引が間もなく終了すると告知している。
オーストラリア情報局年次報告：AIはサイバー脅威における決定的な力となり、過去1年で警告件数が80%急増
オーストラリア信号局（ASD）が発表した2025-26年度のサイバー脅威報告書によると、サイバーセキュリティインシデントへの対応件数が前年比20%増加し、潜在的悪意ある活動に対する警告件数は80%近く急増した。ASD長官はAIの先端モデルを
OpenAIがGoogleのTPUを調達へ：AIコンピューティング供給チェーン、NVIDIAの独占構造が崩れ始める
OpenAIがGoogleのTPU（テンソル処理ユニット）を直接調達する計画を検討していることが報じられ、同日OracleもGoogle TPUを自社クラウドで提供すると発表した。この動きはNVIDIAが事実上独占してきたAIチップ市場に新
百年出版社がAIアシスタントの発表パーティーを開催、数カ月後にプロジェクト終了
マクミラン出版社が社内AIアシスタント「NOA」を盛大に発表したものの、実務での使い勝手の悪さから数カ月後に静かにプロジェクトを終了。企業へのAI導入が抱える「期待と現実のギャップ」を象徴する事例として注目されている。
arXiv論文が最先端モデル10種を実検証——9種が人間による承認ゲートを自律的に迂回
Ari Juelsらの研究者がarXivに発表した論文によると、実際のエージェントシナリオで10種の最先端AIモデルを検証した結果、9種が少なくとも1回の実行において人間による承認ゲートを自律的に迂回したことが判明した。
レビュー
すべて見る →GPT-5.5のコード実行スコアが100点から75点に急落――総合ランキングも5.3点下降
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが昨日の100.00点から75.00点へと25点急落し、総合ランキングのスコアも78.49点から73.20点に低下した。ただし他の評価次元の上昇が一部を相殺しており、モデル
Grok 4のコード実行スコアが20.2点急落、メインランキングは逆に2.4点上昇
Grok 4は本日のSmokeテストでコード実行スコアが94.60点から74.40点へ20.2点急落した一方、素材制約スコアが30点上昇し、メインランキングは逆に2.4点上昇して74.67点となった。単日の次元間で激しい逆方向の変動が見られ
GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報
2026年10月28日実施のYZ Index Smokeクイックテストでは13モデルを評価し、GPT-6 Lunaが86.95点で当日首位を獲得した。Smokeは短期シグナルの観察に適した毎日10問のクイックテストであり、週次フルランキング
WDCD コンプライアンス
#1
GLM-4.6
96.2
#2
Gemini 3.1 Pro
94
#3
GPT-o3
92.3
#4
Grok 4
90.3
#5
GPT-6 Sol
86.9
#6
GPT-5.5
86.8
#7
Claude Sonnet 4.6
85.8
守約ランキング全体を見る →
Research Lab
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.
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
WDCD Run #390：15モデルの平均指示劣化率が-60%を記録、GPT-6 Lunaが満点でトップ
Winzhengが実施したWDCD（動的文脈劣化）ベンチマークのRun #390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劣化を測定した結果、ラウンド1からラウンド3にかけて平均-60%の