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 →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
纽约AI安全法生效，大模型巨头面临强监管
纽约州开始执行其范围广泛的AI安全法，要求OpenAI、Anthropic等主要AI开发者完成登记、公开安全实践，并在发生关键事件时上报，违规将面临罚款。这部法律把“登记—披露—上报”的组合拳落到前沿模型身上，也把美国州层面的AI监管推向新
GoogleがGemini Robotics 2.5を発表：工場での96%成功率の裏に潜む4%の現実的課題
Google DeepMindは2026年11月10日にGemini Robotics 2.5を発表し、メルセデス・ベンツの実稼働ラインでApptronikのApollo 2人型ロボットを用いた検証で96%の成功率を達成した。しかし残る4%
Anthropic、IPOロードショーを正式開始：8億2500万株を70〜78ドルで公開、PBC構造がガバナンスリスクを内包
Anthropicは2026年11月10日、A類普通株のIPOロードショーを正式に開始し、1株70〜78ドルの価格レンジで8億2500万株を発行すると発表した。完全希薄化後の評価額は最大1.4兆ドルに達する見込みだが、PBC（公益法人）構造
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-66.7%となり、Claude Sonnet
PSIがAIで量子計算20年来の難問を解読、科学的発見をビジネスに変える挑戦
スタートアップPSIがAnthropicの未公開モデルを活用し、量子計算分野で約20年間未解決だった基礎的問題を解いたと報告。同社は「AIによる科学的発見」を商業化する新たなビジネスモデルの確立を目指している。
Ouraが6億2500万ドルでAI医療企業を買収——IPO延期後の新たな賭け
スマートリング大手のOuraが、AIネイティブなプライマリケアスタートアップのCounsel Healthを6億2500万ドルで買収することに合意した。最大22億ドルのIPOを無期限延期した数週間後のこの動きは、同社が「指輪を売る会社」を超
Claude Opus 4.7が79.56点で首位：2026-11-11 YZ Index Smoke速報データブリーフィング
2026年11月11日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Opus 4.7が79.56点で当日首位を獲得した。本レポートはコード実行と資料制約の2次元を対象とした1日10問の小規模サンプルによ
ファン・ジェンスンが「中国スパイ」との関係疑惑で報道——NVIDIAが国家安全保障の嵐に
NVIDIAのCEOジェンスン・フアン氏が中国情報機関との関係が疑われる女性と不倫関係にあるとする未確認の報道が浮上し、ワシントンで国家安全保障上の懸念を呼んでいる。NVIDIAおよびフアン氏本人はいずれも公式回応を出しておらず、司法・行政
Claude Meetings登場：会議をリアルタイムでタスクプランに変換
AnthropicはClaude Meetingsを発表し、会議中にリアルタイムで議論を構造化されたプランやタスクに変換できるAIアシスタントを提供する。これは従来の「会議後の記録」から「会議中の実行支援」へという役割転換を意味する。
DeepMindがGemini Robotics 2.5を発表、タスク成功率が最大2倍に
Google DeepMindは2026年11月10日、ロボット基盤モデル「Gemini Robotics 2.5」を正式リリースするとともに、ロボット安全性ベンチマーク「ASIMOV-jailbreak」をオープンソース公開した。新モデル
レビュー
すべて見る →Claude Opus 4.7が79.56点で首位：2026-11-11 YZ Index Smoke速報データブリーフィング
2026年11月11日のYZ Index Smoke速測では13モデルを対象に評価が行われ、Claude Opus 4.7が79.56点で当日首位を獲得した。本レポートはコード実行と資料制約の2次元を対象とした1日10問の小規模サンプルによ
GPT-6 AstraとGPT-6.1 Solが92.49点で並列首位：2026-11-10 Smokeクイックテストデータ速報
2026年11月10日の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、GPT-6 AstraとGPT-6.1 Solがともに92.49点で当日首位に並んだ。Smokeは毎日10問の簡易テストであり、短期的な
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。
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