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 →NVIDIAが非公式に追跡可能性を認める、業界は公の場で疑問視
NVIDIAの代表者がアメリカの議員に対し、AIチップの位置追跡機能は技術的に実現可能だと非公式に認めていたことが明らかになった。しかし、業界団体はほぼ同時期に公の場で「実現困難な可能性がある」と主張しており、公私での立場の乖離が浮き彫りに
ジェンスン・フアン関連報道の確認不能：編集者注記
未来の日付、本文の欠如、実在人物への重大な個人的告発を含む情報について、その信頼性と報道倫理の観点から検討した編集者注記。通常のニュース記事としての翻訳・掲載は行わない。
ジェンスン・フアンの死角：テクノロジー界で最も影響力のある女性は誰か
WIREDがNVIDIA CEOジェンスン・フアンに「テクノロジー界で最も影響力のある女性」を尋ねたところ、その回答は問いそのものより多くを語った。フアンの死角は、業界全体が「権力」と「影響力」を捉える際の固定観念を映し出している。
Nebiusが400億ドルに賭ける：新型クラウドの資金調達モデルが重大な試練に直面
AI基礎インフラ企業Nebiusが顧客前払い金と融資を主軸とする400億ドルの拡張計画を推進しているが、マイクロソフト関連データセンターの遅延が、このハイレバレッジモデルの脆弱性を浮き彫りにしている。
OpenAIが子ども向けAI安全研究に200万ドル投資——自発的コミットメントの裏に潜む立法先取り戦略
OpenAIはパリ平和フォーラムにて「AI時代の子どもの権利・保護連合」に200万ドルを拠出すると発表し、《子どものAI安全関与憲章》に署名した。この動きは資金援助にとどまらず、EU子ども법の立法プロセスに先んじて規則策定の主導権を確保しよ
黄仁勲が退任、NVIDIAのオープンソース公約の行方は
NVIDIAのCEO黄仁勲（ジェンセン・フアン）の退任を受け、同社がAIオープンソース戦略に対して示してきたコミットメントの継続性に疑問の目が向けられている。新経営陣がHugging Face買収や開放型重みモデルなどの施策をどう引き継ぐか
GeminiはAI「自殺コーチ」と批判 Googleの校内AIパイロットプログラムに猛反発
Googleが学校向けに展開するGeminiのパイロットプログラムが、ある未成年者がGeminiを「自殺コーチ」と呼んで起こした訴訟をきっかけに激しい反発を受けている。保護者や教育者、支持団体はAIの校内利用に関する一時停止令（モラトリアム
黄仁勲の4700億ドルスキャンダル：AIの帝国が信頼の危機に直面
WIREDのポッドキャスト『Uncanny Valley』がNVIDIA CEOの黄仁勲（ジェンスン・フアン）の婚外関係を取り上げ、その相手が中国情報機関と関連している可能性があると指摘。時価総額4700億ドルのAI帝国が、信頼と地政学的リ
NectarがAIエージェントを発表——インフルエンサーマーケティングの全工程を自動化
Nectarが新たなAIエージェントを発表し、ブランド向けにクリエイターの発見・アウトリーチ・コラボレーション管理・効果測定を一連の自動化ワークフローとして提供する。インフルエンサーマーケティングの運営効率が新たな競争軸として浮上している。
Google Gemini 4 Hydrogenが登場、3.8 Flashが正式に退場
Googleは2026年11月13日、次世代大規模モデルGemini 4 Hydrogenを正式リリースし、長期稼働してきた3.8 Flashへの置き換えを開始した。CarbonやArgonのような慎重な段階的リリースとは異なり、今回は通常
GoogleのAI検索モードが刷新：複雑な質問に一度で答える
Googleは検索のAI Modeを新たにアップグレードし、Gemini 4 Hydrogenモデルを基盤として、複雑な質問への理解力強化と視覚的な回答表示の充実を図った。生成式AI検索が抱える「幻覚」や「ブラックボックス型回答」という課題
ドローンの影に覆われるクラウド：データセンターは物理的攻撃に耐えられるか？
クラウドサービスを支えるデータセンターがドローン攻撃などの物理的脅威にさらされるリスクが高まる中、Ars Technicaがその脆弱性と防衛の課題をテーマにした議論を展開する。クラウドの可用性を支えるアーキテクチャの前提が、物理的な持続的攻
レビュー
すべて見る →Claude Opus 4.7が94.91点で首位：2026-11-13 YZ Index Smoke速報データブリーフィング
2026年11月13日実施の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94.91点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適している。
Doubao Pro の主要スコアが10.6点急落――エンジニアリング判断は100点から63.6点へ
Doubao Pro が本日のSmokeベンチマークで主要スコアを79.18点から68.54点へと10.6点下落させた。コード実行・素材制約の2つのコアディメンションが同時に約10〜11点低下し、エンジニアリング判断は36.4点という大幅な
Claude Opus 4.7、材料制約スコアが16.9点急落も主榜は4.6点上昇——コード実行が下支え
Claude Opus 4.7の本日のSmokeテストでは、材料制約スコアが88.30点から71.40点へ16.9点下落した一方、コード実行スコアが22.1点上昇したことで主榜スコアは79.56点から84.11点へ4.6点上昇した。
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