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 →米中首脳会談でAI事故ホットライン合意、軍事危機協定の棚上げが最大のリスクに
2026年9月、米中首脳会談でAI関連事故に特化した双方向ホットラインの設置が合意されたが、運用細則の欠如と軍事分野の意図的な除外により、この枠組みは実効性ある技術協定というより政治的なジェスチャーに近いとの見方が強い。
AnthropicがIPO初日にオフィス統合スイートを公開、マイクロソフト株が当日2.2%下落
2026年11月10日、AnthropicはIPOロードショー開始と同日に、MicrosoftのExcel・Whiteboard・Power BIに対応するオフィス系プロダクト3製品を発表した。これを受けてMicrosoftの株価は一時3%
13歳の少女がGeminiに自殺方法を相談、学校の監視システムが数週間にわたり検知できず
米国の13歳の少女が学校支給のChromebookを使ってGoogle Geminiに自殺に関する相談をしていたにもかかわらず、学校の監視システムが数週間にわたってこの危険な会話を検知できなかったとして、少女の両親が問題を告発した。このケー
韓国DeepX、サムスン2nmチップのテープアウト完了：5ワットで100Bパラメータ推論、エッジAIはワット級の転換点を迎えるか？
韓国のファブレスAIチップ企業DEEPXは、第2世代AI推論チップDX-M2がサムスン電子の2nm GAAプロセスでテープアウトを完了したと発表した。5ワット程度の消費電力で100Bパラメータの大規模言語モデルを動作させることを設計目標とし
李飛飛がAtlasを携えてCoRLロボティクス学会に登壇——AMDの82億ドルが賭けるもの
李飛飛（フェイフェイ・リー）がCoRL 2026でワールドモデル「Atlas」の技術報告を行い、AMD CEOリサ・スーとの共同登壇を果たした。AMDによる82億ドルでのWorld Labs買収が発表されて以来、初の公開共演となった。
Glasswing 7ヶ月監査：Anthropicの脆弱性スキャン精度の公約と実測値に顕著な乖離
VulnCheckが公開した監査報告書によると、AnthropicのProject Glasswingは7ヶ月間で37,966件の検出を報告したものの、修正済みとされたのはわずか217件にとどまり、帰属CVE 442件のうち実際に悪用が確認
アマゾンがAI搭載セキュリティドローンとロボットを発表——Ring カメラが「動き出す」
アマゾンは新ブランド「Ring Robotics」のもと、AI駆動の自律移動型セキュリティドローンと地上ロボットを発表した。2026年末から2027年初頭にかけて段階的に発売予定で、家庭用セキュリティ市場に新たな競争軸をもたらす。
Anthropicの7人の共同創業者、IPOでそれぞれ2億5000万ドルを売却へ
AI安全企業AnthropicのIPOにおいて、7人の共同創業者全員が同一数量の株式を売却することが明らかになった。各創業者は約2億5000万ドル、合計約17億5000万ドルの現金を得る見込みだが、創業者チームは引き続き会社の支配権を維持す
AIが数学の「神託」となるとき、人間の直感はどこへ向かうのか
コーネル大学の応用数学者スティーブン・ストロガッツの新著を起点に、AIが数学に介入した場合に生じる「答えは得られても理解が伴わない」という認識論的問題と、人間の数学者の役割の変容を考察する。
ニューヨークAI安全法が施行、大規模モデルの巨頭が厳格な規制に直面
ニューヨーク州がAI安全法の執行を開始し、OpenAIやAnthropicなどの主要AI開発者に対して州内への登録、安全対策の開示、「重大インシデント」発生時の当局への報告を義務付ける。違反企業には罰則が科される。
OpenAIがOdessiaを買収、AI旅行分野への布石が明らかに
OpenAIが旅行スタートアップのOdessiaを買収したことが明らかになった。モデル性能競争の枠を超え、AIエージェントが実際に「タスクをこなせる」垂直領域のシナリオを模索する同社の戦略的意図が浮かび上がっている。
Grok Buildコーディングエージェントが大量の機密情報を漏洩——一部はSpaceXのデータ
xAIのAIコーディングエージェント「Grok Build」が生成した約3万5,000件のアプリが認証なしでインターネットに公開されており、その中にはSpaceXの機密データも含まれていることが判明した。本事件はAIエージェント全体のセキュ
レビュー
すべて見る →WDCDサイクル：GPT-6 Astraが20.3点下落、6モデルが下降するなかSonnetのみ逆行上昇
今回のWDCD v3.1守約テストでは、評価対象15モデルのうちClaude Sonnet 4.6のみが正のスコア変化を記録し、残る6モデルはすべてスコアが低下。GPT-6 Astraは単体モデルとして最大の20.3点下落となった。
安全コンプライアンスで最低1.7点が崩壊、Claude Sonnetは4シナリオで4点満点を圧倒
WDCD v3.1の契約遵守テストにおいて、安全コンプライアンスシナリオの最低得点はわずか1.7/4（Doubao Pro）となり、15モデル中全シナリオを通じた最低スコアを記録した。一方、Claude Sonnet 4.6は4つのシナリオ
R1確認率87%後もR3で2回崩壊——WDCDアンカー問題が2モデルの全ラウンド完全敗北を明らかに
WDCD v2アンカー問題の150回サンプリングにおいて、Zhipu GLM-4.6とQwen3 MaxはR1からいかなる制約も確認できず全ラウンドで0点を記録。一方、R3での完全崩壊は全体の1.3%にとどまり、上位モデル群は3ラウンドを通
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