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 →ファン・ジェンスンCEO職に危機？イェール大学学者：留任確率は五分五分
NVIDIAの取締役会がCEOジェンスン・フアン氏と中国のスパイ疑惑人物との関係をめぐる調査を進めていると報じられた。イェール大学の企業統治専門家は、フアン氏のCEO留任確率は「およそ五分五分」と評している。
工信部第42号通達：AIエージェント搭載デバイスに固有IDコードの取得を義務化、世界初のハードウェア層管理フレームワークが施行
中国工業・情報化部は2026年11月6日、AIエージェントを搭載した端末機器の市場参入管理を強化する通達（第42号）を発出し、スマートフォンやタブレットなどへの市場参入許可前にAIエージェントの適合検証・詐欺リスク評価・固有IDコードの付与
xAI、Grok API全モデルにデフォルトで透かし技術を実装——EU AI法が初の最先端API強制コンプライアンス事例を生む
xAIは2026年11月7日、すべてのGrok APIモデルの出力にデフォルトで不可視の統計的透かしを有効化した。EU AI法第50条第2項が定める2026年12月2日の期限を約1カ月前倒しで達成した主要な最先端AIプロバイダーとなった。
Mistral Large 4の重みが本日公開——1兆パラメータモデルがオープンコーディングベンチマークをリード
Mistralは2026年11月9日にMistral Large 4の完全モデル重みを公開した。この1兆パラメータの多モーダルモデルはFrontierCode 2.0ベンチマークで19.7%のスコアを記録している。
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点で総合最高評価を獲得した。
NvidiaがジェンスンフアンCEOと中国スパイ疑惑人物との関係を調査へ
Nvidiaは、CEOのジェンスン・フアン氏が社内備忘録で不倫関係を認めたことを受け、その相手が中国情報機関と関係している疑いがあるとして内部調査を開始した。AI算力の覇権をめぐる米中対立が深まる中、企業ガバナンスと国家安全保障が交錯する事
シリコンバレーはAIが疾病を治癒すると約束するが、製薬企業が50社を実テストしたところ効果なし
Anthropicなどシリコンバレー大手がAIによる疾病治癒を豪語する一方、Vertex製薬が約50社のAI企業を実際にテストした結果、注目に値する成果を出した企業は皆無だった。FDAに承認されたAI設計の薬はいまだ存在せず、製薬業界幹部は
ゴールドマン・サックス、Claude Codeのトレーダー利用を制限――Anthropicの引受幹事による内部的な方針転換
ゴールドマン・サックスは2026年10月、AnthropicのClaude CodeとMicrosoftのGitHubの利用をエンジニア約1万2000人に限定し、トレーダーや銀行家など約3万5000人のアクセスを遮断した。この措置はAnth
GLM-4.6のSmokeテスト：コード実行25分、API障害によりコミュニケーション次元欠損で主榜36.25点
GLM-4.6は本日のSmokeテストで主榜36.25点を記録したが、API障害によりcommunication次元のデータが完全に欠損し、正式ランキングへの参入は見送られた。コード実行・工程判断いずれも25.00点、材料制約のみ50.00
GPT-6 Sol と GPT-o3 が同率首位92.49点：2026年11月9日 Smokeクイックテスト速報
2026年11月9日実施のYZ Index Smokeクイックテスト（13モデル対象）において、GPT-6 Sol と GPT-o3 が主要スコア92.49点で同率首位となった。Smokeは1日10問の小規模テストであり、短期シグナルの観察
ニューヨーク・タイムズ料理アプリにAIレシピ改変機能が登場：便利だが過信は禁物
ニューヨーク・タイムズの料理アプリ「NYT Cooking」がベータ版のAIレシピ改変機能を追加し、WIREDの実測では「概ね目標を達成している」と評価された。ただし現時点では全面的な信頼には注意が必要だ。
AI安全派が中間選挙で10議席を獲得：6300万ドルで手にした2027年立法ウィンドウとは
2026年11月の米国中間選挙において、AnthropicをメインスポンサーとするAI安全派PAC「Public First Action」が6300万ドルを投じて17名中10名の候補者を当選させた一方、加速派PAC「Leading the
レビュー
すべて見る →Qwen3 Max、Smoke評価データが全項目欠損――API障害により今回の主要ランキングから除外
Qwen3 MaxがSmokeデイリー評価において全5評価軸のデータが欠損し、主要ランキングスコアも算出不能となった。API障害が原因とみられ、自動再実行メカニズムが発動、今回はランキングに参加しない。
GLM-4.6のSmokeテスト：コード実行25分、API障害によりコミュニケーション次元欠損で主榜36.25点
GLM-4.6は本日のSmokeテストで主榜36.25点を記録したが、API障害によりcommunication次元のデータが完全に欠損し、正式ランキングへの参入は見送られた。コード実行・工程判断いずれも25.00点、材料制約のみ50.00
GPT-6 Sol と GPT-o3 が同率首位92.49点：2026年11月9日 Smokeクイックテスト速報
2026年11月9日実施のYZ Index Smokeクイックテスト（13モデル対象）において、GPT-6 Sol と GPT-o3 が主要スコア92.49点で同率首位となった。Smokeは1日10問の小規模テストであり、短期シグナルの観察
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
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
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。