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 →OpenAI、robots.txtの共有シグナル準拠を表明――複数AIプロバイダーへの学習設定を一括管理可能に
OpenAIは2026年10月30日、robots.txtにおける共有シグナルの遵守を正式に表明し、ウェブサイト運営者が複数のAIプロバイダーに対してAI学習の設定を一括して伝達できる仕組みの採用を約束した。Googleも同日、同提案の採用
OpenAI、半年ごとの安全報告書更新を発表 第3四半期に200件超の執行機関への照会を実施
OpenAIは2026年10月30日、コミュニティ安全報告書を半年ごとに更新すると発表し、初回報告書を2027年初頭に公開する予定。第3四半期には200件超の執行機関への照会を実施し、一部の暴力計画を阻止したとしている。
AIエージェントによるフードデリバリー注文、普及せず——DoorDashの注文ほぼ皆無
テック業界が「AIエージェントが食事を注文する未来」を描く一方、DoorDashではAIエージェントを実際に利用するユーザーがほとんどいないことが明らかになった。デモと日常利用の間に横たわる大きな溝が浮き彫りになっている。
Gemini 3.1 Proが90.36点で首位：2026-10-31 YZ Index Smoke速報データブリーフィング
2026年10月31日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Gemini 3.1 Proが90.36点で当日首位を獲得した。本速報はコード実行と資料制約の2次元のみをカバーする1日10問の小規模テストであり、
AIが「幽霊学生」を生成し数億円規模の学生ローンを詐取——米司法省が取り締まりを強化
米司法省は、AIを用いて架空の学生IDを大量生成し、連邦学生支援制度から不正に資金を騙し取る「幽霊学生」詐欺への取り締まりを強化している。この手口はAIによって低コスト・大規模化しており、審査体系や制度設計の根本的な脆弱性を露わにしている。
Googleが初の宇宙データセンター衛星を稼働、詩まで詠む
Googleが軌道上に展開した初のデータセンター衛星が正式に稼働を開始した。この衛星はTPU（テンソル処理ユニット）を搭載し、Google DeepMindのGemma 4モデルを実際の宇宙環境で動作させており、押韻の整った「宇宙川柳」まで
AIが冷データストレージ需要を爆発させる——富士フイルム、磁気テープ生産能力を5倍に拡大
富士フイルムがデータ用磁気テープの生産能力を5倍に拡大すると発表した。AI開発によるアーカイブストレージ需要の急増に対応するためであり、低コスト・オフラインセキュリティ・長寿命というテープの特性がAI時代に再び注目を集めている。
ZestがAIレストランコンシェルジュを発表：SMSで投票・予約が完結
スタートアップのZestは、グループでの食事場所選びをAIエージェントで解決するサービスを発表した。ユーザーはアプリ不要でSMSを送るだけで、AIがレストランの検索・投票・予約を一括代行する。
Theranos内部告発者が警告：AI熱狂は「欺瞞の絶好の機会」
Theranosの血液検査詐欺を暴いた内部告発者Tyler Shultzが、現在のAIブームがTheranos台頭時と不安なほど似通っていると警鐘を鳴らした。AI企業による誇大な能力の誇示と規制の空白が、欺瞞の温床となりうると指摘している。
気まずい会話よ、さらば：TechCrunchの創業者サミットが精密な人脈マッチングを実現
TechCrunchは2026年の創業者サミットにBraindateというツールを導入し、参加者が事前に話したいテーマを投稿して相手とマッチングする仕組みで、名刺交換に代わる実質的な対話の場を提供する。
GLP-1肥満治療薬の懸念：摂食障害、スマートシティ、永続性化学物質
MIT Technology Reviewの日刊ニュースレター「The Download」が、GLP-1肥満治療薬・スマートシティ・PFAS（永続性化学物質）という一見無関係な三つのテーマを取り上げ、技術革新が加速するほど統治の枠組みが不可
自動車のように製造するAIデータセンター、あるスタートアップが挑戦
スタートアップのRunwareは、AIデータセンターを標準化モジュールに分解し、工場の組み立てラインで量産するという構想を推進している。この手法が従来の建設方式を変革できるかは、実際の大規模納品能力にかかっている。
レビュー
すべて見る →Gemini 3.1 Proが90.36点で首位：2026-10-31 YZ Index Smoke速報データブリーフィング
2026年10月31日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Gemini 3.1 Proが90.36点で当日首位を獲得した。本速報はコード実行と資料制約の2次元のみをカバーする1日10問の小規模テストであり、
Claude Opus 4.7、コード実行スコアが17.4点急落・タスク表現が31.2点下落
本日のSmoke評価において、Claude Opus 4.7のコード実行スコアが75.00から57.60へ大幅に低下し、総合ランキングも73.61から69.53へ下落した。単日の問題抽選による偏りが主因とみられる。
Claude Sonnet 4.6、Smoke評価メインランキングで12.9点急落——コード実行スコアが100点から76.1点に
Claude Sonnet 4.6が本日のSmoke評価においてメインランキングスコアを前日の87.36点から74.44点へと12.9点下落させた。主な要因はコード実行ディメンションが100.00点から76.10点へと23.9点急落したこと
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