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 →AI不正利用を警告した教務長、自らのAI使用問題で職を失う
ダートマス大学の教務長がAIによる学術不正を公に警告していたにもかかわらず、自身のAIツール使用問題が発覚して職を失うという皮肉な事態が起きた。この一件は、高等教育界全体が抱えるAIガバナンスの矛盾と透明性の欠如を浮き彫りにしている。
AnthropicのCursor公式拡張機能にバックドア埋め込み——サプライチェーンセキュリティに深刻な警報
AIコーディングツール「Cursor」上のAnthropicの公式VS Code拡張機能にバックドアが仕込まれ、悪意ある版が約12時間にわたってプラットフォーム上に存在していた。攻撃者がいかにして検証済みアカウントを乗っ取ったかは依然として
AI投資ブームに亀裂——巨額投資は持続可能か？
大手テクノロジー企業がAIインフラへの巨額投資を続ける一方、累積する債務・マイナスのキャッシュフロー・投資家の懐疑心が高まり、このブームの持続可能性に疑問符が付き始めている。TechCrunchの最新報道をもとに、AI支出をめぐる構造的リス
請負業者がClaudeエージェントを五角形ビルに持ち込む
国防省の請負業者がAnthropicのClaudeを使ったAIエージェントを五角形ビルの内部システムに無断で接続していたことが判明した。この事件は、AIエージェントのガバナンス体制が整わないまま自律的な行動能力だけが先行する現状の危うさを浮
ハロウィンの仮装を忘れた？AIエージェントのアイコン、PHPの脆弱性、または眠そうなBryan Johnsonに扮しよう
TechCrunchのAmanda Silberlingが、テック業界のギークたちに向けたドタバタ系ハロウィン仮装アイデアを紹介。AIエージェントのアイコン、PHPの脆弱性、そして長寿実践者Bryan Johnsonの3つをモチーフに、業界
AIデータセンターの電力争奪がBoomの超音速旅客機プロジェクトに影を落とす
超音速旅客機の復活を使命とするスタートアップ企業Boomが、AIデータセンターへの電力供給事業にリソースをシフトしており、旗艦プロジェクトである超音速旅客機「Overture」の遅延が懸念されている。さらに同社のデータセンター電力供給事業で
AnthropicがIPOに向け加速、信用格付けは「高ジャンク級」の見込み
TechCrunchの報道によると、AIラボAnthropicはIPO推進の過程で、信用格付け機関から「高ジャンク級（high junk）」の格付けを受ける見通しだ。これは、AIの最前線にいる同社が、債券市場においては投機的水準に分類される
インテル株価が急落、政府保有株が120億ドル消失
インテルの株価が急落し、米国政府が保有する同社株の価値が約120億ドル消失した。直接の引き金はAIブームによるメモリ部品の争奪で、PC販売が低迷したことにある。
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。
GPT-6 Sol、メインランキングで16.4点急落——コード実行が100点から66.8点に激減
GPT-6 SolがSmoke評価のメインランキングで90.51点から74.14点へと16.4点下落し、主な要因はコード実行次元が100.00点から66.80点へと急落したことにある。材料制約・タスク表現などの次元は安定または上昇しており、
レビュー
すべて見る →GPT-6 Sol、メインランキングで16.4点急落——コード実行が100点から66.8点に激減
GPT-6 SolがSmoke評価のメインランキングで90.51点から74.14点へと16.4点下落し、主な要因はコード実行次元が100.00点から66.80点へと急落したことにある。材料制約・タスク表現などの次元は安定または上昇しており、
GPT-6 Luna、材料制約スコアが15.9点急落——コード実行は19.7点の大幅上昇
本日のSmoke評価テストにおいて、GPT-6 Lunaの材料制約スコアが87.90点から72.00点へ15.9点下落した一方、コード実行スコアは74.30点から94.00点へ19.7点上昇し、総合メインスコアは80.40点から84.10点
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、
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