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 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
最新ニュース
すべてのニュースを見る →AIエージェントが投資銀行の「苦役」を引き受ける——Model ML、2億5000万ドルの資金調達を完了
AIスタートアップのModel MLが2億5000万ドルの資金調達を完了し、投資銀行やコンサルティング会社における財務モデルの構築やプレゼン資料作成といった繰り返し作業の自動化を目指している。金融特化型AIへの資本集中が加速する中、正確性・
ジェンセン・フアンはNvidiaに戻りたい?批評者:「トランプと距離が近すぎる」
Nvidiaへの規制調査が激化する中、創業者ジェンセン・フアンが公開謝罪し復帰の意向を示したが、かえって批判を招いた。トランプ政権との「過度な親密さ」を指摘する声も上がっている。
Googleが高らかに宣言「Gmailは落ちていない」——障害ラッシュの中の逆張り広報
2026年11月、Googleは「Gmailが正常稼働中」という異例の声明を発表し、テック系メディアで話題になった。この出来事を通じて、クラウドインフラの障害が常態化した現代における、信頼性とコミュニケーションのあり方を考察する。
CEOのスキャンダルが監督当局の嵐を引き起こす:NvidiaがSECの調査対象に
TechCrunchが《ウォール・ストリート・ジャーナル》の報道を引用したところによると、米証券取引委員会(SEC)がNvidiaへの調査を開始した。これはCEOのジェンスン・フアン氏が、中国のスパイとされる女性との不倫関係を認めた上で突然
Astra for Lawが全通過率20.8%で法律AIベンチマーク評価のトップに
OpenAIは2026年11月17日にAstra for Law 6.2を発表し、Harvey LAB-AA v1.1ベンチマークにおいて全タスク通過率20.8%で全参加モデル中第1位を獲得した。同モデルは素材性ハルシネーション率が最低水準
OpenAI GPT-6.2 AstraとSolが同日公開:Astraは20%値下げ、第三者ベンチマークではコーディング進捗の停滞が明らかに
OpenAIは2026年11月17日、GPT-6.2 AstraとGPT-6.2 Solを同時リリースした。Astraは最大20%の値下げを実施したが、第三者評価機関Artificial Analysisはコーディング分野での進捗が停滞して
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に達した。
認知的不死を追い求める:肉体を超えて心智を存続させるテクノロジーの狂想
MITテクノロジーレビューが開催した円卓討論を基に、「認知的不死」という概念——段階的な脳の置き換えから意識のアップロードまで——をめぐる技術的可能性と科学的現実の乖離を探る。
GeminiのチャットログAI保存期間が2ヶ月に延長、Googleのプライバシー承諾に変化
Googleは、AIアシスタントGeminiのチャットログ保存期間をこれまでの72時間から2ヶ月に大幅延長すると発表した。ユーザーがチャット履歴機能をオフにした場合でも、この保存期間が適用される点が特に注目を集めている。
GoogleのGemini Tasksが大幅拡張:AIが電話・買い物・ウェブサイトへのログインを代行
Googleは、AIアシスタント「Gemini」の「Tasks」機能へのアクセスを拡大すると発表した。この機能により、Geminiはユーザーに代わって通話の調整、ウェブサイトへのログイン、買い物の完了といった複雑な操作を実行できる。
GPT-5.5のコード実行スコアが24.8点急落、総合ランキングは2.8点減にとどまる
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが99.80点から75.00点へと24.8点急落した。一方、総合ランキングのスコアは81.58点から78.74点への2.8点減にとどまっている。
GPT-6 Luna、コード実行スコアが24.1点急落——素材制約は逆に32点上昇
GPT-6 LunaのSmoke評価において、コード実行スコアが99.10点から75.00点へと急落した一方、素材制約スコアは62.80点から94.80点へと上昇した。メインランキングのスコアは82.77点から83.91点へと小幅上昇にとど
レビュー
すべて見る →GPT-5.5のコード実行スコアが24.8点急落、総合ランキングは2.8点減にとどまる
本日のSmoke評価テストにおいて、GPT-5.5のコード実行スコアが99.80点から75.00点へと24.8点急落した。一方、総合ランキングのスコアは81.58点から78.74点への2.8点減にとどまっている。
GPT-6 Luna、コード実行スコアが24.1点急落——素材制約は逆に32点上昇
GPT-6 LunaのSmoke評価において、コード実行スコアが99.10点から75.00点へと急落した一方、素材制約スコアは62.80点から94.80点へと上昇した。メインランキングのスコアは82.77点から83.91点へと小幅上昇にとど
GPT-6 Astraが91.14点で首位:2026-11-18 YZ Index Smoke速報データブリーフィング
2026年11月18日のYZ Index Smokeクイックテストでは14モデルを対象に評価が行われ、GPT-6 Astraが91.14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次元に基づく日次モニタリング速報である。
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
4大モデル翻訳対決:第47週品質評価、claude-sonnet-4.6が9点でトップ
今週442件の翻訳タスクを4モデルで処理し、抽出した3記事をマルチモデルブラインド評価した結果、claude-sonnet-4.6が平均9/10点で総合最優秀となった。
WDCD ラン #428:Gemini 3.1 Pro が89.8点でトップ、平均指示減衰率は-16.4%を記録
Winzheng Dynamic Contextual Decay(WDCD)ベンチマークのラン #428において、Gemini 3.1 Pro が89.8点で首位を獲得し、15モデル全体の平均コミッ